■生成AI×業務活用■【交通サービス】お問い合わせ業務を効率化！自社データ活用で多様なお客様ニーズに素早く対応する方法

交通サービスの高度化と訪日外国人増加に伴い、お客様センターでの効率的な対応が求められ、生成AIの活用が注目されています。この記事では、Allganizeの生成AIプラットフォームを活用した事例と導入方法を紹介します。

Allganize Japan

Jan 30, 2025 • 21 min read

交通サービスの高度化・デジタル化と、訪日外国人旅行顧者の急速な増加に伴い、日々さまざまな問い合わせが寄せられるお客様センターでは、多様化する顧客ニーズと人手不足によってさまざまな課題に直面しています。重要な顧客接点のひとつとして、地下鉄、空港、バスなど、各分野で効率的な顧客対応が求められる中、生成AIを活用したユースケースが解決策の１つとして注目を集めています。本記事では、Allganizeの生成AI・LLMアプリケーションプラットフォーム「Alli LLM App Market」の業務利用例をお客様の事例を交えて具体的に紹介し、公共交通事業者に役立つ生成AI活用の可能性と具体的な導入方法を解説します。

交通サービスの問い合わせ対応の現状
交通サービスの利用者の問い合わせに対する期待
生成AIによる交通サービスの問い合わせ業務の効率化
失敗しない生成AIの導入方法
- 生成AIの導入でよくある失敗4例
- Allganizeの生成AIソリューションの特長と選ばれる理由
まとめ

■ 交通サービスの問い合わせ対応の現状

日々多くの人が通勤や通学、移動で利用する交通サービスでは、多様化する利用客やサービスの高度化・デジタル化によってさまざまな問い合わせが寄せられています。ここでは代表的な３つのシーンでよくある問い合わせ対応の現場を紹介します。

鉄道会社

落とし物・忘れ物対応の増加：傘やハンカチなどの生活用品のほか、スマートフォンやイヤホン・モバイルバッテリーなど小型電化製品の普及に伴い、落とし物・忘れ物の発生が年々増加しています。事業者によっては1日数百件～数千件にも及ぶ、利用客の落とし物・忘れ物に対応するためには事業者は多額の管理コストを用意しなければならず、落とし物・忘れ物の管理・返却プロセスの効率化が急務となっています。
多言語対応の必要性：訪日外国人の増加に伴い、英語だけでなく中国語や韓国語など多様な言語での問い合わせ対応が求められ、対応できる人材の確保が困難になっています。これは、グローバル化の進展と日本政府のインバウンド政策の成功が要因です。多言語対応可能なスタッフの採用・育成には時間とコストがかかるため、人材確保は容易ではありません。窓口業務の負担軽減のため、チャットボットによる問い合わせ回答の自動化が期待されていますが、回答品質や表現の違いに対応できないなどの課題もあります。
リアルタイム情報提供：ラッシュ時や故障・天候などによって常態化する遅延や運行トラブルの発生に際して、迅速かつ正確な情報提供が求められています。運行不能時の鉄道ダイヤ情報や振替輸送の案内など、鉄道利用者がすぐに知りたい情報に対してリアルタイムで運行情報を回答するシステムや、Webサイトやアプリなど異なるプラットフォーム上で最新の情報を正確に伝えるための一貫性の確保が重要です。

空港・航空会社

搭乗手続きのオンライン化：航空会社によってオンラインチェックインの手続きが異なり、利用者からの問い合わせが増加しています。これは、航空会社各社が独自のサービスや手続きを導入していることが背景にあります。また、デジタル化の推進により、不慣れな利用者にとっては操作が難しくなっている側面もあります。空港会社は、統一的なチェックインシステムの導入や、利用者向けのガイダンス強化に取り組んでいますが、スムーズな搭乗手続きのために、さまざまな利用者にとってわかりやすく使いやすいサポート体制を用意する必要があります。
施設案内：さまざまな機能・施設を複合的にあわせ持つ大規模な空港施設では、多様な利用者に対する「わかりやすい案内表示」が重要な課題となっています。従来の固定的な案内表記や対面による情報提供だけでは、多様な利用者のニーズを満たすことができず、アクセシビリティや顧客経験価値の向上が求められています。そのため、チャットボットをはじめとしたICTを活用したスムーズな案内方法の導入や、多言語対応の強化、窓口の混雑緩和のための新たな取り組みが求められています。
入国規制の変化：コロナ禍以降、国ごとの入国要件が頻繁に変更され、最新情報の提供と確認作業が煩雑化しています。これは、グローバルな感染症対策と各国の政策変更が背景にあります。今後も感染症に関する水際対策などや政策変更によって入国規制の変更が突発的に行われることが予想され、空港スタッフの案内業務によって負担が増大しています。各国の入国要件をリアルタイムで更新するデータベースと連携して顧客対応を自動化できるしくみの運用が期待されています。

路線バス・高速バス会社

人手不足による情報提供の遅れ：地方路線では運転手の高齢化と人手不足によって、運行情報の更新や問い合わせ対応が間に合っていないケースがあります。若年層の都市部への流出や、労働条件、運転免許取得のハードルなど、人材確保は構造的な問題となっており、バス事業者は、待遇改善や採用活動の強化に取り組んでいますが、人件費の上昇による経営圧迫や、即戦力となる人材の確保に課題があります。
訪日観光客の対応：訪日外国人観光客の増加に伴い、観光地を中心にバス利用のニーズが高まっています。一方で、路線情報が複雑で、行き先やルートが多岐にわたる場合、目的地までの乗り換えが必要な場合などでの利用難度は高く、多言語による十分なサポート体制の提供が課題となっています。
バス予約への対応：高速バスなどの予約に伴い、予約や変更手続きに関する問い合わせへの自動化が求められています。予約以外にも対応路線の情報や、忘れ物、解約・返金の問い合わせといったさまざまな問い合わせが寄せられており、多様な利用者ニーズへの円滑な対応やサービス品質の向上が重要です。

■ 交通サービスの利用者の問い合わせに対する期待

日本の公共交通サービスを利用するユーザーのニーズは、社会の変化と技術の進歩に伴い多様化しています。また、モバイル端末やインターネット環境の普及によって、ユーザーは自身で情報を検索し、速やかに問題を解決したいと考えています。

情報の検索性向上（セルフサービス化）

モバイル端末やインターネット環境の普及によって、ユーザーは時間場所を問わずさまざまな情報にアクセスできるようになりました。ユーザーは常にほしい情報を素早く得たいと考えており、問い合わせにおけるセルフサービス化へのニーズが高まっています。任意のタイミングで利用できる、ウェブサイトに最新の情報が集約されている、FAQなど特定のページを使って解決できる、わかりやすく操作しやすいユーザーインターフェースで欲しい情報をすぐに見つけられる、などがユーザーの期待として挙げられます。

問題解決速度の向上

ユーザーからの問い合わせ対応の中で、解決までに情報の照会や調査、他部署との連携が必要となり、問い合わせに対する回答時間が長くなってしまうことがあります。ユーザーは企業の問題解決速度に高い期待を持っており、企業への問い合わせの待ち時間が長いと、ストレスを感じたり不信感を持ったりするなど、ユーザーの購買行動に悪影響を及ぼす可能性があり、注意が必要です。

問い合わせ対応の量・範囲の拡大

サービスの高度化・デジタル化が進んだ結果、問い合わせ内容も複雑化しておりお客様センターの対応量・対応範囲も拡大しています。より多くの問い合わせに対応するために、自動応答やチャットボットを使った問い合わせ対応の自動化を検討する企業も増えていますが、データやシステムが不十分だと、ユーザーの質問に十分に対応できず、解決に導くことができないケースがあります。

■ 生成AIによる交通サービスの問い合わせ業務の効率化

公共交通事業者が生成AIを自社の問い合わせ対応に活用することで、お客様センターの課題を解決しながら、ユーザーの問い合わせに対する期待に応え、顧客サービスの質と効率を大幅に向上させることができます。生成AIは、大量のデータを学習することで、言葉や文脈の曖昧性や揺らぎにも対応し、人間のような自然会話が可能なAIシステムです。また、LLM（大規模言語モデル）とRAG（検索拡張生成）技術を組み合わせて用いることで、従来のAIチャットボットと比べ、より複雑な質問に対して、自社の固有情報を参照し、迅速かつ高精度の回答を提供できます。これにより問い合わせ対応の自動化・省人化はもちろん、対応範囲の拡大、顧客満足度の向上といった従来のチャットボットの課題にも対応できます。

LLMとRAG

LLMは、膨大なテキストデータを学習し、数十億から数兆のパラメータを持つ深層学習モデルで、テキスト生成、質問応答、文章要約など、さまざまな自然言語処理タスクを行うことができる言語モデルです。従来のAIチャットボットは単純なパターンマッチングに基づいた回答出力が中心でしたが、LLMをつかうことで文脈を深く理解し、人間のような自然な対話を行うことができます。

LLMの主な特徴：

大量のデータを学習し、幅広い知識を獲得
文脈を理解し、自然な対話が可能
多様なタスクに適応可能な汎用性

一方で、RAGはLLMの能力をさらに拡張する技術です。これにより、通常LLMの学習データに含まれていないような商品情報や顧客情報など会社固有の知識から、より正確で最新の情報に基づいた回答を生成できます。

生成AIの回答精度を向上させるために、追加学習を用いてモデル自体のパラメーターを調整するファインチューニングと比較して、RAGは追加学習を必要とせず、指定した外部のデータソースからリアルタイムで情報取得を行い回答生成をするため、新しい情報を即座に利用でき、より柔軟な運用が可能です。

RAGの主な特徴：

ユーザーの質問に基づいて、外部の知識ベースやデータベースから関連情報を検索
LLMの知識を補完し、特定のドメインに関する詳細な回答が可能
モデル全体を再トレーニングする必要がなく、初期費用を抑えられる

交通サービスの生成AIの業務活用メリット

LLMとRAGを組みわせた生成AIを活用することで、問い合わせ対応の自動化・省人化の他、より高度で柔軟な質問回答が可能となり、解決速度や解決率の向上、セルフサービス化といった課題に対応できます。

24時間対応・省人化

通常のAIチャットボット同様、24時間365日稼働が可能です。自社の予約サイトやアプリケーションに設置することで、深夜や休日の問い合わせにも即座に対応でき、チケットの購入や運行情報の案内などをサポートできます。また、一次対応として単純な問い合わせを AI が処理することで、人的リソースをより緊急度の高い業務に割り当てることができます。

自社データの活用と業務支援

RAG により、事業者がもつ最新データや独自情報にアクセスできます。これにより、製品情報、サービス内容、社内規定、顧客データなど、幅広い分野の問い合わせに正確に回答できるようになります。これは社内向けのチャットボットとして、情報照会業務にも役立てることができます。例えば、「昨日の午後7時頃、丸ノ内線でスマートフォンをなくしました」といった具体的な質問にも、社内データと連携することで、回答に必要な情報の検索および回答案の作成を自動で行うことができます。

多言語対応・検索性向上

LLM の自然言語処理能力により、ユーザーはより自然で使い慣れた言葉で質問できるようになります。また、外国人利用者の多い事業者では、多言語に対応したLLMを選択することで、文化的なニュアンスや文脈の欠如、単語の誤りなどにも応対ができます。さらに、RAGを用いることで、FAQ や運行・チケット情報、過去の問い合わせ履歴や予約情報などから関連情報を抽出し、より的確な回答を提示できます。これにより、ユーザーは必要な情報を素早く見つけられるようになり、セルフサービス化が促進されます。

顧客対応の均質化、オペレーション品質の向上

LLMとRAGを組みわせた生成AIは、データソースに基づき一貫した回答を提供できます。複数の情報源をデータソースとして指定することで、より広範な情報の中から、問い合わせの意図に沿った情報を速やかに見つけ回答を生成できます。これにより、オペレーターの経験による対応のばらつきや情報検索の手間を減らし、回答品質を均一に保つことができます。

生成AIを活用したお客様対応の業務活用の具体的な効果

問い合わせ対応を行うお客様センター（コンタクトセンター）では生成AI活用に対する意識が高まっています。コールセンター白書2023の調査結果では、チャットボットなどの応対自動化ソリューションと並んで生成AIを活用した自動化や効率化を目的としたソリューション検討の優先度が高く、顧客対応の自動化や対応後の処理の自動化や効率化といった分野で注目されています。また、日経新聞が国内のコンタクトセンター大手13社を対象に実施した調査結果では、12社が顧客対応に関わる業務に生成AIを利用しており、平均で約50%の業務時間削減効果を見込んでいます。

参考：日本経済新聞「コールセンターの顧客対応、生成AIで5割短く 13社調査」

参考：月刊コールセンタージャパン『コールセンター白書2023』

交通サービスの生成AIの導入事例の紹介

東京メトロ様では、Allganizeの生成AI・LLMソリューションを導入し、顧客サービスの向上と業務効率化を推進しています。FAQやWebサイト内から回答を生成し、問い合わせへの対応範囲拡大する他、忘れ物への問い合わせ改善、お客様センターへのメール対応支援ソリューションの構築などを目的としています。詳細は、下記の記事からご確認いただけます。

■ 失敗しない生成AIの導入方法

これまで交通サービスでの生成AIの特徴と業務活用のメリットをお伝えしてきましたが、情報収集や目的の定義、サービスの選定が十分でないと、期待していた導入効果が得られない可能性があります。ここでは、生成AIの導入検討の際に注意すべき点を４つお伝えします。

生成AIの導入でよくある失敗4例

利用開始までに時間がかかる

従来のAIチャットボットや生成AIをつかった問い合わせ対応システムを導入する際に、別途シナリオ作成や辞書登録などの準備が必要で、利用開始までに予想以上の時間がかかるケースがあります。これは、AIが適切に機能するために必要なステップですが、社内の負担が大きくなってしまったり、プロジェクトの遅延につながったりする可能性があります。

【対策】：事前学習やシナリオ作成が不要な学習済みのツールがおすすめです。たとえばLLMを使用したチャットボットでは、文脈理解や自然文生成機能を活用することで汎用的な内容であればQAを学習することなく自然会話による自動応答が可能です。また、追加学習の際にデータの成型や加工の手間が不要なツールを選択することで運用の工数を削減できます。

学習コストの課題

多くの企業が自社固有のデータを生成AIに活用したいと考えていますが、専門的な知識や工数、作業費用などの運用コストがかかるケースが一般的です。現在の技術ではファインチューニングの場合、初期費用が非常に高額になるケースが多く、トレーニングコストやデータセットの用意、追加学習の難しさが、生成AIの導入を妨げる要因となっています。

【対策】：初期費用と運用コストを大幅に削減できるRAG利用が可能なクラウドベースのAIプラットフォームを利用することで、専門知識がなくても自社データを安全に活用できます。たとえばAllganizeの生成AI・LLMソリューションでは、プロンプト不要で企業向けの100以上のAI・LLMアプリが選ぶだけですぐに使用でき、お客様自身でRAGを使ったデータ連携ができ、データ整理やメンテナンスなど、通常かかる運用コストを低く抑えることができます。

回答精度が低い

特定のLLMのみをサポートするAIツールを選択すると、接続性に課題があったり、柔軟性が制限されたりする可能性があります。また、RAGシステムの利用を検討している場合も、ベンダーによってRAGの精度が異なるため、RAGを利用した検索やデータ処理方法が適切でないと、期待通りの出力結果が得られない可能性があります。

【対策】： 複数の言語モデルとRAGをサポートし、定期的にアップデートされるAIソリューションを検討しましょう。また、導入前にPoCや評価テストを実施し、提供ベンダー側と実用的な回答精度を得るためのアプローチを検証しましょう。

日本語サポートの不足：

グローバル展開されている生成AIツールの中には、開発の拠点が海外にあり、日本語でのサポートが不十分なものがあります。これは、技術的な問題が発生した際の解決を困難にし、生成AIの効果的な活用を妨げる可能性があります。

【対策】：日本語サポートが充実しているAIソリューションを選択しましょう。また、国内のAIベンダーやコンサルティング会社と提携することで、言語の壁をこえた専門的なサポートを受けることができます。さらに、社内にAI専門チームを設置し、継続的な学習と問題解決能力を養うことも効果的です。

実際に導入をご検討される際には、これらの注意点に気を付けつつ、しっかりと情報収集と準備をすることで生成AIの導入を成功に導くことができます。

Allganizeの生成AIソリューションの特長と選ばれる理由

Allganizeでは、お客様の本格的な生成AIの業務活用を即座に実現するAlli LLM App Marketと呼ばれる生成AI・LLMソリューションをご用意しています。これまで300社以上の企業向けのAIソリューションの導入実績をもち、ビジネスユーザーの皆様にとって安心で使いやすく、幅広い業務への適用可能性を兼ね備えたソリューションを目指しています。

セキュリティと柔軟な導入オプション

クラウドサービスで、導入のための開発や事前学習が不要で、最短1日で利用開始できます。また、セキュリティポリシーに応じてプライベートクラウドやオンプレミスでの利用も可能です。これにより、企業の要件に合わせた柔軟な導入が可能となっています。さらに、データの暗号化やアクセス制御など、厳格なセキュリティ対策を施しており、機密性の高い情報を扱う企業でも安心して利用できます。

高品質なRAG技術を標準実装

ドキュメントなどから質問の意図を踏まえ、関連性の高い情報を特定し、回答を自動生成するためには、RAGの検索AI（Retriever）の精度が重要です。Alli LLM App Marketでは、Allganizeが培った先端AI技術をRAGに実装しており、図表の読み込みなど複雑なドキュメントからも高精度な回答を生成します。また、AllganizeではユーザーごとにRetrieverの最適化ができるようになっており、フィードバック機能をはじめとしたしくみを利用して個別のユースケースにもご対応いただけます。

AllganizeではRAG性能を客観的に評価できる日本語RAG Leaderboard（性能表）を公開しており、お客様のモデル選択をサポートしています。

-日本語RAG Leaderboardはこちら：https://blog-ja.allganize.ai/rag_leaderboard/

業務データとの連携の容易さ

アップロードするだけでRAGのデータベースとして利用ができる社内ファイルはもちろん、Webサイトやグループウェア、顧客管理ツールなどAPIで100をこえるさまざまなデータソースから、LLMを活用したアプリケーションにデータをシームレスに連携が可能です。

複数のLLMからお客様にあったモデルを自由に選択

Alli LLM App Marketでは、OpenAI GPT-4o、Azure GPT-4o、Gemini 1.5 Pro、Claude 3.5シリーズなど（2025年1月時点）、多様なLLMモデルから選択可能です。今後より優れた先端LLMモデルが登場した際にも、最新かつ最適なモデルをすぐに利用できます。また、お客様がプライベート環境で利用されているLLMを接続して選択することも可能となっており、既存の環境を無駄にすることなく柔軟な生成AI・LLMの業務活用を実現します。

継続的な改善と高いコストパフォーマンス：

AllganizeのAlli LLM App Marketは導入運用の容易さやコストパフォーマンスの高さを追求しています。ドキュメントから生成した回答結果にフィードバックを与えることで、検索精度の向上が可能となっています。また、登録されているドキュメントに沿ってRAGのRetrieverを調整でき、お客様の事業に適した検索精度の向上が可能です。

運用を容易にするユーザビリティ：

Alli LLM App Marketは、特別なスキルや知識がなくても、誰でも簡単に運用・メンテナンスできるプラットフォームを提供します。特別なスキルや知識がなくても回答自動生成（RAG）のドキュメントやFAQの追加・更新が直感的に行え、チャットボットに寄せられたお問い合わせからお客様が知りたい内容を分析する機能も備えています。これにより、運用コストを抑えつつ、常に最新かつ適切な情報をお客様に提供し続けることを可能にします。

幅広い業務への適用：

Alli LLM App Marketは企業固有のデータを活用できるため、社内外問わずさまざまな業務に活用できます。例えば、人事部門での社内規定の問い合わせ対応や、回答ドラフトの作成などのオペレーター支援、技術部門での製品仕様の照会など、部門を横断した知識共有と業務効率化を実現できます。また、すぐに利用できる100以上の業務用生成AI・LLMアプリを用意しており、議事録作成、文書要約・翻訳、メール作成、文章校正、画像分析などさまざまな日常業務でも利用が可能です。その他にもお客様自身で、さまざまな用途でご利用いただける、生成AIをつかった業務支援アプリケーションを直感的なUIを通じてノーコードで開発できます。

■ まとめ

公共交通事業者にとって、生成AIの活用は顧客満足度の向上と業務効率化の両立を可能にする重要な戦略です。Allganizeの生成AI・LLMソリューションAlli LLM App Marketは、お客様の課題解決とサービス価値向上を支援する強力なプラットフォームです。また、日本語に特化したAllganizeのRAG技術をLLMと利用することで、問い合わせ対応の自動化・省人化の他、より高度で柔軟な質問回答が可能となり、解決速度や解決率の向上、セルフサービス化といった課公共交通事業者の業務課題の解決をお手伝いします。お客様センターの業務推進・効率化をご検討されている公共交通事業者の皆様は、ぜひAlli LLM App Marketの2週間無料トライアルをご利用ください。貴社の業務効率化と顧客満足度向上の可能性を、実際に体験いただけます。

-お問い合わせ：https://www.allganize.ai/ja/contact/form

オールインワン生成AI・LLMアプリケーションプラットフォーム「Alli LLM App Market」について

Alli LLM App Marketは、生成AI・LLMの企業活用に必要な「100個以上のプロンプト不要の生成AI・LLMアプリ」「ノーコードアプリビルダー」「高精度の企業向け独自RAGシステム」「データ連携」「セキュリティ」「プロンプト管理」などの要素をオールインワンで提供するLLMアプリプラットフォームです。

生成AI・LLMアプリの業務活用が期待される中、「どのような業務に活用すべきかわからない」「プロンプトを上手に作れず、使いこなせない」「自社業務・データに特化したアプリでないと効果が出ない」などの課題も増えています。Alli LLM App Marketは企業の生成AI・LLM活用における課題を包括的に解決します。

生成AI・LLMアプリはプロンプト不要で利用でき、「ドキュメントから回答自動生成」「契約書の条項チェック」「顧客対応メールの作成」「報告書作成」など、すぐに業務に活用できる各種生成AI・LLMアプリを実装しています。複数の社内データやTeams、Salesforceなどの業務システムと連携でき、局所的なタスク処理ではなく、一連の業務フローを生成AI・LLMで効率化・高度化します。

LLMモデルもOpenAI社のGPTシリーズ、Microsoft社のAzure OpenAI 各モデル、Google社のGeminiシリーズ、Anthropic社のClaudeシリーズなど、用途に応じたモデルをお選びいただけます。新たなアプリの作成やカスタマイズ、データ連携もノーコードで簡単に実施でき、LLMに関する特別な知識がなくても利用できます。お客様のセキュリティポリシーに応じて、オンプレミス環境へのご提供や日本語LLMのご提供も可能です。

- Alli LLM App Market 詳細はこちら：https://www.allganize.ai/ja/alli-llmapp-market

Allganizeについて

Allganizeは、「AIによって全てのビジネスのワークフローを自動化・最適化する」というビジョンのもと、日本、米国、韓国を中心に、グローバルで企業向けのオールインワン生成AI・LLMソリューションを提供しています。グローバルマーケットでの事業経験豊富なメンバーによって創業したAllganizeは、国内外の投資家に支えられ、東京（日本）、ヒューストン（米国）、ソウル（韓国）に拠点を構え事業を展開しています。

会社名：Allganize Japan株式会社（オルガナイズジャパン）
代表者：代表取締役CEO　佐藤康雄
所在地：東京都渋谷区設立：2019年1月URL：https://allganize.ai