情報通信業界で進むai開発や導入にはどのような動きがあるのでしょうか？ここでは、実際に情報通信企業で導入されているaiの成功事例を取り上げて紹介しています。
ネットワークサービスの販売において、注文受付から開通までの業務プロセスが自動でおこなわれていましたが、サービスの利用申込書においては手作業のまま。担当者による振り分け業務がおこなわれていたので、ニューラルネットワークによる自然言語処理技術を活用し自動化しました。
入力者によって書き方にパターンがあるため、ニュートラルネットワークによる文書分類アルゴリズムを採用。振り分け先を自動判定するカスタムAIを開発しました。申込書を分類に適切な単位にテキストを分割し、分割されたテキストの伝達必要度をスコア化。伝達が必要なテキストは、テキストごとに振り分け先を出力判定します。
このカスタムAIの導入によりテキストの振り分けと、情報の伝達漏れを予防しつつ不要な情報を減らせるようになりました。
| 対応内容 | 自然言語処理 |
|---|---|
| 開発企業 | 株式会社 Laboro.AI |
株式会社 NTT ドコモのソリューションである、人のパーソナリティを理解できるAI「HRL-AI (Human Representation Learning AI)」の開発を支援。
「HRL-AI」は、NTTドコモのAI関連技術群を活用した取り組み「corevo（コレボ）」を構成するソリューション。「HRL-AI」の開発支援の他、オンラインチャットツールから得たコミュニケーションデータを活用した分析手法の検討もサポートしています。
今回の取り組みでは、チャット上でのやり取りから人同士の繋がりをグラフに表し、データに対して深層学習をおこなったAIモデルを実装。また、AIモデルの精度を上げるなどの開発支援を提供しています。
| 対応内容 | マッチング |
|---|---|
| 開発企業 | Accenture（旧Albert） |
住いの時間帯別エネルギー消費予測結果と外部因子（HEMS機器の特性、電力単価、ガス単価など）に基づいた、最適なHEMS機器制御の算出とコストカットのためのアルゴリズムを構築。クライアントが提供しているHEMS機器は、電力と熱を必要に応じて適切に制御しているので、予測と最低化ロジックによる制御アルゴリズムの開発が不可欠でした。
住まいで使用されるあらゆる電気エネルギーの消費パターンから、時間帯別エネルギー消費量を予測するモデルを構築。太陽光発電の設置では、その電力供給量を。電気自動車があれば使用電力量も予測モデルも構築。これらのモデルから、最適なトータルコストでの運用計画を算出するアルゴリズムを構築。最適化機能から、予測値と制御計画を数値で見える化するシステムを作りました。
| 対応内容 | 需要予測 |
|---|---|
| 開発企業 | 株式会社ブレインパッド |
数百名とある7,000件の手書き文字データの収集と加工に対応するべく、画像、自然言語、音声等、様々なアノテーションに対応している「TASUKI アノテーション」を導入。TASUKIサービスは、ソフトバンクのAI開発を支援するアノテーション代行事業です。
TASUKIのオリジナルチャット機能で手書きデータを見ながら、ユーザー一人一人のこだわりを抽出。
改行やクセの強い文字の抽出など、要件定義時にはなかった隠れた要件もあぶりだすことで、精密なデータ収集と加工を可能にしています。
| 対応内容 | 情報通信業界・自然言語処理 |
|---|---|
| 開発企業 | ソフトバンク株式会社 |
パソコンサイトはユーザビリティに配慮したサイト構築ができているものの、スマートフォンではまだ配慮が不十分な状態。スマートフォンサイトのコンテンツの見せ方やユーザビリティの向上のため、テキストでの会話をサポートするチャットボット「FirstContact」を導入。シナリオ作成などの機械学習については株式会社バイタリフィがサポートし、導入・運営とスムーズに進行しました。
「FirstContact」によるチャット形式の1to1の仕組みを導入することで、ユーザー一人一人にあった商品やサービスの情報提供が可能になり、スマートフォンサイトでのユーザビリティが改善されました。回遊率が向上し、商品の申し込み件数も大幅アップしました。
| 対応内容 | 自然言語処理 |
|---|---|
| 開発企業 | 株式会社バイタリフィ |
トランスコスモス株式会社では、企業と顧客接点のCX最適化を実現するDXプラットフォーム「TCI-DX for Support」を展開しています。同社ではこちらのDXプラットフォームに対して、生成AIを活用したチャットBot「T-GPT（現在はtrans-AI Chatに名称変更）」を独自開発し、「TCI-DX For Support」への搭載を行っています。
この対応により、T-GPTを活用したハイブリッドチャット対応が可能となり、エンドユーザーはいつも問い合わせに対して自然な文章で回答を得られるようになりました。さらに、チャットBot対応と有人対応のシームレスな連携によって高品質な顧客体験を受けられるようになるというメリットもあります。
| 対応内容 | 顧客対応 |
|---|---|
| 開発企業 | トランスコスモス株式会社 |
KDDIは、グループ全体におけるAI導入やデータ利活用を推進する部署であるData＆AIセンターによって、社内での生成AI活用プロジェクトが2024年4月より進められています。同社では、「KDDI AI-Chat」という万全のセキュリティを施したChat GPTの社内版を開発し、グループ全体の社員が自由に使えるようにし、さらにプロンプトエンジニアリングを学ぶための研修も実施しています。
その結果、部門や担当の異なる社員が日常業務に当てはめつつ試行錯誤を行うことで、さまざまな生成AIの活用例が生まれています。さらに、この生成AIの社内利活用プロジェクトにて得られた知見とノウハウを、法人顧客にソリューションとして提供することを目指しています。
| 対応内容 | 生成AIの利活用 |
|---|---|
| 開発企業 | KDDI株式会社 |
AIはなんでもできるわけではなく、機械学習の本質を理解していないと結局は何もできずに終わってしまいます。AIで何ができるのかを把握できていない企業は意外と多く、具体的な方策がないまま導入を検討し、最終的に「何をしようとしていたんだっけ？」となる事も。また、適用範囲を広げすぎたり、短期間で成果を求めたり、現場の業務を把握しないで単に「便利そうだから」と言った理由で導入したりすると失敗を招きやすいと言えます。
AIをうまく活用するには、AIは万能のシステムではなく、学習を繰り返しながら「育てる」ソリューションであることを意識する必要があります。
通信業界では、AIは主に予測分析による高度な意思決定支援を中心として用いられています。AIの計算能力を活かし、膨大なデータの分析を実施します。具体的な活用方法としては、顧客の行動データや利用パターンを分析することによって、マーケティング施策に活かせます。さらに、ネットワークにおけるトラフィックデータをAIモデルに学習させ、障害の予兆を事前に検知するといった活用も行われています。
通信業界では多くの企業において生成AIの利用が行われています。現在は、社内コミュニケーションの効率化を目指したものが挙げられますが、今後は顧客サービスの向上などを想定し、Web上のチャットボットやコールセンターへAIを導入することによって、顧客満足度の向上につながっていくことが期待されています。
また、各通信企業は多くの顧客を有しており、それぞれの顧客に適したサービスを提案することが非常に重要なポイントといえます。この点から、今後はパーソナライズしたターゲティングの効率化のために、生成AIが活用されていくと予想されています。
複雑さや技術的な制約から、AI技術の実装は非常に難しい問題となっています。この点から、AIを実装し続けるためには、データサイエンティストなどの専門的な人材が必要です。しかし、国内ではこのような人材が慢性的に不足している状況となっているため、社内の人材育成を行うことはもちろん、外国人材の受け入れを行うなど、さまざまな施策に取り組む必要があります。また、社内のAIリテラシー向上を目的として、あらゆる階層において教育を実施していくことも必要です。
情報通信業界においてAIを活用するには、導入目的とKPIを明確にした上で導入を進めていくことが必要になってきます。また、新たに導入を行う場合には、段階的な導入と効果の検証を行っていくのも重要なポイント。小規模に導入して実証実験により効果を検証し、現場からの声と成功事例をもとにして展開していくことで、スムーズな導入につなげられます。
まずは「AIで何をしたいのか」という点を明確にすることが必要になります。これは、経営層だけで決めるのではなく、現場と経営層で情報を共有しながら検討していくことが大切です。その上で、段階的な導入と効果検証を行っていきます。
また、AIを活用する上で需要なのがAI人材の確保です。この部分については、社内教育や外部パートナーとの連携を行い、AIに関するノウハウを蓄積していくことで、AIをより効果的に活用できるようになっていくと考えられます。
通信情報業界では、5G(第5世代移動通信システム)を利用したサービスも定着したことで、大きなデータ通信や処理を必要とするAI関連のサービス開発も進んでいます。AI導入を成功させるには、なんのために導入するのか明確な目的を持つことがポイントになります。また、学習を繰り返すことでできることが増えていく、成長するシステムであることを念頭に置いた導入計画を立てるといいです。
AI受託開発を成功させるには、ベンダーとの密なコミュニケーションが必須となります。TOPページでは企業の課題解決に向き合う人材やサポート体制に力を入れているベンダーをピックアップしていますので、是非比較・検討の参考にされてみてください。
