人×AIで進化するコンタクトセンター 　「xobot」開発の裏側

　xobotのインフラ基盤およびデータ基盤には「databricks」を利用し、データを統合的に管理・運用します。
　databricksは、データの収集・加工・分析・機械学習・可視化を一つの環境で完結できるため、複数のツールを使い分ける必要がなくなり、運用がシンプルになり、さらに、大量データの高速処理、セキュリティ対応、BIツールとの連携なども可能です。必要なデータ加工も同プラットフォーム上で開発し、問い合わせから回答までの一連の処理は、オープンソースの「Dify」を用いたワークフローとして実装しています。

xobotのコンセプト

• 目的は「必要な情報を正確に取り出す」ことにある
  　XOC過去18年分のナレッジから正確に範囲を絞り込み、ログやConfigから障害判定を行い、解決策の選択肢を提供します。

• 生成AIは「作って終わり」ではなく「作ってからが始まり」
  　回答精度やLLM（大規模言語モデル）側の検索技術の向上に合わせ、リリース後も生成精度や検索精度の改善を継続して行い、利用率・定着率、情報の正確さの向上につなげています。

• 開発は企画段階から運用者と協働し、運用保守モデルのボットとして設計
  　扱うデータは構造化と非構造化に絞り、インデックス作成前の前処理を最重視します。

• 不要情報を出さない
  　技術的な焦点は「不要情報を出さないこと」です。生データの検索では他機種の情報が混入するため、投入前に必要情報を構造化し、問い合わせ時に対象機種などを先に絞り込む方式へ転換し、関連データのみから回答を生成できるようにして精度を大幅に向上させました。

実はそんなに簡単ではなかった

　18年分のナレッジや過去の問い合わせメールなど、膨大なデータをインフラ基盤に取り込もうとすると、処理に数ヶ月から1年を要することがわかりました。
単に「データを取り込んでいれば生成AIが自動的に回答してくれる」というのは誤解であり、次の3点を明確にした上で適切な前処理を行う必要があります。

• どのようなデータが必要か。

• どうすればきれいなデータにできるか。

• 加工したデータのどの部分を利用するのか。

　前処理として重複排除、不要データの削除、整形などのデータ整備を行った上で取り込むことで、約400万レコードを1週間程度で処理できるようになりました。
これらのプロセスを踏むことで、はじめて生成AIが有効に回答し、「必要な情報を正確に取り出す」ことができます。

　また、生成AIは開発後もデータの検索方法の向上など、日々登場する新しい技術を取り入れながらアップデートし続ける必要があります。取り込んだデータも定期的に更新し、継続学習によって回答精度の向上やレスポンスタイムの短縮といった効果が得られます。
　日々更新される情報や技術の進歩に対応し、使い続けるためには「作ってからが始まり」という認識が重要です。

　xobotでは主に2種類のデータを取り扱っています。
　一つは「構造化されたデータ」です。これはExcelやCSVなど、分類され様式が整ったデータです。もう一つは「非構造化データ」で、分類されていないメールやテキストデータ、問い合わせフォームのスレッドなどです。
　

　この2種類のデータは形式が大きく異なるため、同じ処理方法ではデータベースに取り込めず、まずは「手作業」でこれらのデータを分類・整理する必要がありました。
　開発の過程では、Databricksのようなプラットフォームにデータをアップロードし、自動的にデータベースに登録する機能もありますが、前処理を行わずに取り込むと必要ではない機種情報や無関係な内容が回答に混入し、利用しづらい状態でした。

　前述のデータ整備を時間をかけて実施することで、処理時間の短縮と想定した回答の増加を実現できました。
　こうした「手作業」による前処理は非常に地道で工数がかかり、一般的なソフトウェア開発より高負荷の場合はありますが、生成AIの開発において乗り越えるべき重要なハードルだと考えています。

実際の画面をご紹介

実際のxobotの画面を紹介します。