■イベントレポート■【東京メトロ様ご登壇!】 生成AI・LLMで実現するコールセンター業務・CXの高度化〜業務効率化から新たな価値創造へ〜

Allganize Japanは、2024年9月20日(金)にコールセンター業務・CXの高度化をテーマにした生成AI・LLMに関するイベントを東京 渋谷で開催しました。今回は、当日の様子を簡単にご紹介します。(本レポートに記載している登壇者の所属等の情報は、開催当時の情報です)

東京メトロ様ご登壇! 生成AI・LLMで実現するコールセンター業務・CXの高度化 〜業務効率化から新たな価値創造へ〜
お客様対応領域で大きなチャレンジを行っている東京地下鉄様(東京メトロ様)をゲストにお迎えし、お客様対応業務への生成AI活用への取り組みなどを伺います。また、生成AIのトレンドや潮流などもご紹介しながら、生成AIによるCXの高度化について考えてまいります。第二部では、登壇者も交えた参加者交流会も実施いたします。生成AI活用やCXのお取り組みのご参考に、ぜひご参加ください。

↑セミナー詳細情報はこちら

[ セッション1 ] 生成AI・LLMのトレンドや潮流

デロイト トーマツ ベンチャーサポート株式会社 スタートアップ事業部 マネジャー 伊達様に、最近の生成AI・LLMのトレンドや潮流をお話しいただきました。

デロイト トーマツ ベンチャーサポート株式会社 スタートアップ事業部 マネジャー 伊達様

生成AIに至るまでのAIの歴史、日本の生成AI活用の現状、世界的な生成AI市場などの現状理解、LLM開発や外部データ連携などの生成AIの技術トレンド、生成AIの企業導入活用のニーズから分類した企業活用事例、生成AIによる自動化、民主化、コアビジネス化などの今後の展望について、丁寧にわかりやすくご説明いただきました。

[ セッション2 ] 【東京メトロ様とのパネルディスカッション】なぜお客様センターに生成AIをいち早く取り入れたのか?

目指すビジョンから検証方法まで

東京地下鉄株式会社(東京メトロ様) 鉄道本部 CX・マーケティング部 部長 川上様、同経営企画本部 企業価値創造部 部長 青木様をゲストにお迎えし、東京メトロ様のお客様センターの新たな取り組みについてパネルディスカッション形式でお話を伺いました。

■お知らせ■【東京メトロ様】お客様向け生成AI搭載チャットボット、お客様センター業務において、Allganizeの生成AI・LLMソリューションを採用!
東京地下鉄株式会社(本社:東京都台東区、代表取締役社長:山村 明義、以下:「東京メトロ」)は、AIで企業の生産性を革新するオールインワンLLMソリューションを提供するAllganize Japan株式会社(本社:東京都渋谷区、代表取締役CEO:佐藤 康雄 、以下:「Allganize」)と協力し、お客様がお問合せされる際の利便性向上及び業務効率化を実現するため、お客様向けチャットボット及びお客様センターの業務に生成AIを活用したシステムを2024年秋を目標に導入します。お客様向けチャットボット及びお客様センター双方への、生成AIを本格的に活用した専用システムの導入は、鉄道会社で初の取り組みです。 取り組みの背景 東京メトロのお客様センターでは、電話、メール及びチャットボットにより、お客様からの多種多様なお問合せに対応しています。お問合せ件数は年間約25万件にものぼります。導入により、お客様からの各種お問合せに対して、速やかな回答を目指します。 生成AIを活用した取り組みの概要 ①お客様向けチャットボットの機能の高度化 現在の東京メトロHP上チャットボットは、想定

東京メトロ様は、お客様の利便性向上ならびに業務効率化を実現するため、お客様向けチャットボットとお客様センターの業務に生成AIを活用したシステムを導入することを決定され、実現するためのソリューションとしてAllganizeのオールインワン生成AI・LLMアプリプラットフォーム「Alli LLM App Market」を採用いただいております。

登壇者右から、東京地下鉄株式会社 青木様、川上様、Allganize Japan株式会社 佐藤、利光、池上

今回のパネルディスカッションでは、Allganize Japan株式会社 代表取締役CEO 佐藤、同Solution Sales Manager 池上、同Customer Success Manager 利光の3名が聞き手として、お客様センター業務に生成AIを検討した背景、検証方法、導入を決めた理由などを伺いました。

東京メトロ様に寄せられるメールや電話のお問い合わせは年間25万件にのぼります。お問い合わせ対応を効率化することで、お問い合わせの回答までのタイムラグを減らしてお客様の利便性を向上させること、オペレーターの負担を軽減することが急務となっていました。

東京地下鉄株式会社 鉄道本部 CX・マーケティング部 部長 川上様

生成AI導入にあたり、合格ラインの指標を設けた上で検証を行い、活用によるメリットや効果を適切に判断しながらプロジェクトを進めていらっしゃいます。検討の過程や生成AIに対する向き合い方など、いち早く生成AIを用いたお客様対応の効率化に取り組んだ裏側についてお話ししてくださいました。

東京地下鉄株式会社 経営企画本部 企業価値創造部 部長 青木様

[ セッション3 ] 事例から見る、企業の生成AI・LLMの活用の取り組み

最後のセッションは、企業の生成AI活用の取り組みについてAllganize Japan株式会社 代表取締役CEO 佐藤からご紹介をいたしました。

Allganizeは日米韓に拠点を持つグローバルAIカンパニーであり、日本だけでなく海外の生成AIへの取り組み状況や各国のスタンスの違いについても把握しています。韓国やUSとの違いにも触れながら、日本企業の傾向や実際のお客様のお取り組みについて、LLMアプリ活用実績ランキングをもとにご紹介させていただきました。

Allganize Japan株式会社 代表取締役CEO 佐藤

日本では、社内情報など特定情報から回答を自動生成する取り組みが進んでおり、RAG(Retrieval Augmented Generation:検索拡張生成)を活用する会社様が増えています。
RAGにおいては、ドキュメント等の中から質問に対応する箇所を正しく検索できる仕組みが重要です。回答生成の精度に直結するため、自社に適したRAGシステムを採用する必要があります。RAGシステムの導入検討のための判断材料のひとつとして、日本語RAG Leaderboardをご紹介いたしました。

関連情報

■お知らせ■日本語RAG性能を評価した「Allganize RAG Leaderboard」を本日公開
国内初、RAG性能に特化したLeaderboard(性能表)を公開。金融、情報通信、製造、公共、流通・小売の5つの業種ドメインにおける、主要なRAGソリューションの日本語RAG性能を評価。 Allganize Japanは、日本語RAG性能を評価した日本初の「RAG Leaderboard」を公開しました。 RAG(Retrieval Augmented Generation:検索拡張生成)は、社内ドキュメントや特定情報から信頼できるデータを検索の上で情報抽出し、同データに基づいてLLMに回答させる技術です。企業内部情報の生成AI・LLM活用や、ハルシネーション低減の役割で注目されています。RAGの実装方法は各社によって異なるため、採用するRAGソリューションによって回答精度は異なります。Allganizeでは、企業によるRAG活用の参考情報として、主要なRAGソリューションの日本語性能を評価した Allganize RAG Leaderboard を作成しました。本Leaderboardは、AIに特化したプラットフォームである「Hugging Face」にて本日より閲覧いただけま
■技術解説■ RAGを活用した生成AIの回答生成精度に直結する「Retriever」。Retrieverの仕組みと最適化戦略とは?
生成AI・LLMを活用し、企業の社内情報や特定情報から回答を生成するにあたって、LLMのハルシネーションを低減するRAG(Retrieval Augmented Generation:検索拡張生成)への関心が高まっています。最近では、多数のRAGソリューションの中から自社に適したものを探す企業が増えています。 RAGの仕組みや企業向けのRAGにつきましては、以前の当ブログの記事でもご紹介しておりますので、よろしければ過去記事(技術解説:企業向けRAGとは?)もご覧ください。 ■技術解説■ 生成AIのハルシネーションを低減するRAG。図表データまで特定できる”企業向けRAG”とは?(前編)生成AIのハルシネーションを低減する技術として注目されるRAG(Retrieval Augmented Generation:検索拡張生成)。 このRAGという技術を活用することで、特定ドキュメント等から回答を自動生成できます。 本記事では、RAGの概念、動作の仕組み、RAGにおける検索性能の重要さ、RAGの性能を向上させる戦略について説明します。 1回目の今回は、RAGの概念や仕組みや、RAGにお

参加者交流会

全ての講演セッション終了後、登壇者も交えた交流会を実施しました。

講演内容について登壇者に質問したり、参加者様同士で生成AIやDXに関する情報交換を行ったりと、和やかな雰囲気の中で交流が行われました。

参加者交流会の様子

会場各所でお話が盛り上がり、交流会の最後まで大半の方が参加され、有意義なひとときとなりました。

参加者様の声

イベントに参加者された方の感想を一部ご紹介いたします。

  • AIを業務の中に取り入れた事例をかなり具体的に知ることができまして満足度の高い講演だと思いました。
  • 導入におけるリアルなお話を伺えて大変参考になりました。東京メトロさんの目指す姿に感銘を受けました。
  • メトロ様の取組が参考になった。特にハルシネーションにどう対応しているか、検証の合否判定方法の2点が参考になった。
  • 体系的に生成AIについて知ることができ、今後弊社でも進めていくためのヒントが得られました。
  • 最後のRAG評価ソリューションへ非常に強い興味を持ちました

Allganizeでは、今後も生成AI・LLMの企業活用に役立つイベントやセミナーを実施いたします。

また、東京メトロ様の他にも多くのお客様の生成AI・LLMによる業務効率化をご支援しておりますので、活用に関するご相談などお気軽にご相談ください。

関連リンク

■お知らせ■【東京メトロ様】お客様向け生成AI搭載チャットボット、お客様センター業務において、Allganizeの生成AI・LLMソリューションを採用!
東京地下鉄株式会社(本社:東京都台東区、代表取締役社長:山村 明義、以下:「東京メトロ」)は、AIで企業の生産性を革新するオールインワンLLMソリューションを提供するAllganize Japan株式会社(本社:東京都渋谷区、代表取締役CEO:佐藤 康雄 、以下:「Allganize」)と協力し、お客様がお問合せされる際の利便性向上及び業務効率化を実現するため、お客様向けチャットボット及びお客様センターの業務に生成AIを活用したシステムを2024年秋を目標に導入します。お客様向けチャットボット及びお客様センター双方への、生成AIを本格的に活用した専用システムの導入は、鉄道会社で初の取り組みです。 取り組みの背景 東京メトロのお客様センターでは、電話、メール及びチャットボットにより、お客様からの多種多様なお問合せに対応しています。お問合せ件数は年間約25万件にものぼります。導入により、お客様からの各種お問合せに対して、速やかな回答を目指します。 生成AIを活用した取り組みの概要 ①お客様向けチャットボットの機能の高度化 現在の東京メトロHP上チャットボットは、想定
■お知らせ■「生成AI・LLMアプリ利用実績ランキング」2024年7月版を公開。Alli LLM App Marketで企業が最も利用した生成AI・LLMアプリTop5を発表
Allganize Japan株式会社は、Allganizeが提供する「Alli LLM App Market」における「生成AI・LLMアプリ利用実績ランキング 2024年7月版」を公開しました。 生成AI・LLMアプリ利用実績ランキング -Allganize JapanAlli LLM App Marketの利用実績をもとにした、企業向け生成AI・LLMアプリ利用実績ランキングレポート(2024年7月版)をダウンロードページいただけます。利用の多かったLLMアプリTop5の他、LLMアプリ利用の背景などを解説したレポートです。 生成AI・LLM活用の注目度が高まる中で、「どのような業務に活用すればよいかわからない」「どのように業務に貢献するのかわからない」といった活用面での課題を持つ企業が多数いらっしゃいます。 Allganizeでは、企業においての検討が進む生成AI・LLM活用について、業務活用方法や活用効果を知っていただくために、「生成AI・LLMアプリ利用実績ランキング」を定期的に公開しています。 本ランキングについて 「生成AI・LLMアプリ 利用実績ランキング
Allganize | Alli LLM App Market(生成AI・LLMアプリケーションプラットフォーム)
Alli LLM App Marketは、企業向けの生成AI、LLMアプリを100個以上のテンプレートから選び、即座に業務に活用できるLLMアプリプラットフォームです。「契約書チェック」「クレーム対応メール作成」「特定文書の要約」「社内ドキュメントから自動応答」「新規事業アイディア提案」など、すぐに業務活用できる生成AI、LLMアプリのテンプレートを提供しています。
■お知らせ■日本語RAG性能を評価した「Allganize RAG Leaderboard」を本日公開
国内初、RAG性能に特化したLeaderboard(性能表)を公開。金融、情報通信、製造、公共、流通・小売の5つの業種ドメインにおける、主要なRAGソリューションの日本語RAG性能を評価。 Allganize Japanは、日本語RAG性能を評価した日本初の「RAG Leaderboard」を公開しました。 RAG(Retrieval Augmented Generation:検索拡張生成)は、社内ドキュメントや特定情報から信頼できるデータを検索の上で情報抽出し、同データに基づいてLLMに回答させる技術です。企業内部情報の生成AI・LLM活用や、ハルシネーション低減の役割で注目されています。RAGの実装方法は各社によって異なるため、採用するRAGソリューションによって回答精度は異なります。Allganizeでは、企業によるRAG活用の参考情報として、主要なRAGソリューションの日本語性能を評価した Allganize RAG Leaderboard を作成しました。本Leaderboardは、AIに特化したプラットフォームである「Hugging Face」にて本日より閲覧いただけま