なぜ会話型AIが今、プライムタイムに準備が整ったのか
3つの企業がNVIDIAのユーザー会議で会話型AIに関する経験を共有しました。
会話型人工知能は、人とコンピュータの間のインターフェースとして機能し、組織が魅力的な双方向の対話を実現できるようにします。この技術は通常、コールセンターやバーチャルアシスタント・チャットボットに関連付けられていますが、実際にはほぼすべての業界に適用可能です。ここ数年の機械学習とAIのブレークスルーのおかげで、会話型AIはチャットボットを超えてさまざまなユースケースを含むように成長しました。
会話型AIは数年前から存在していますが、その技術は実験室以外では使用できる状態ではありませんでした。しかし、AI技術の進歩、加速されたコンピューティング、機械学習モデルのおかげで、会話型AIは特に顧客体験の分野で主流技術としてビジネスの世界に進出する準備が整いました。
今月初め、T-Mobile、RingCentral、Hugging Faceの専門家パネルがNVIDIA 2021 GTCカンファレンスに集まり、会話型AIがどのように彼らのビジネスを向上させたかを議論し、この新興技術の未来を形作るトレンドを共有しました。カンファレンスでは、NVIDIAがRiva Custom Voiceという新しいツールキットを発表し、わずか30分の音声録音データでカスタムボイスを作成できることを示しました。
音声合成と音声データに関する革新は、「バーチャルアシスタントやチャットボットが接続し、応答する方法を変革する」とNVIDIAのAI/HPC（高性能コンピューティング）ソフトウェア製品管理副社長であるカリ・ブリスキは述べました。人々のアクセントや騒がしいコーヒーショップや屋外のスポーツイベントなどの特異な音響環境を考慮に入れた新しい会話型AIモデルを構築するためにデータを使用する大きな機会があります。
AIは自らを教える立場にあります
「将来的には、AIが自らのデータを定義するようになるでしょう」と、RingCentralの会話型AIのアシスタントバイスプレジデントであるプラシャント・ククデ氏は述べました。ククデ氏は、背景フィルターが散らかった部屋をぼかすように、AIが非ネイティブスピーカーが話す際にアクセントを排除するリアルタイムの背景フィルターとして機能する可能性があると語りました。同時に、相手側の人は彼らが慣れ親しんだアクセントを聞くことになります。この双方向会話型AIの概念は、この分野における革新の一例に過ぎないとククデ氏は言いました。
現在に立ち返ると、RingCentralの現在の焦点は、仮想会議で一般的に見られる自発的な会話にAIを適用することです。統合コミュニケーションサービス（UCaaS）プロバイダーは、会話型AIを既存の製品ポートフォリオに統合しています。最近、出席者により良い体験を提供し、生産性を向上させるために、音声からテキストへの会議要約を生成する新しい自動要約機能を発表しました。
なぜそれがすべてのコールセンターに必要なのか
T-Mobileの会話型AIの展開は、T-Mobileの従業員から外部の顧客まで幅広くサポートしています。T-Mobileは、チャットボットやセルフサービスを通じて、顧客とカスタマーサービスエージェントの間の会話を文書化するために、コンタクトセンターでAIを使用しています。このワイヤレスキャリアは、コールセンターで働くエージェントを支援するために、音声からテキストへの会話の文字起こしにもAIを使用しています。
COVID-19が発生したとき、T-Mobileのコールセンターはパンデミックによる経済的困難のために支払いプランを求める顧客からのリクエストで inundated しました。T-Mobileは、顧客が支払いの手配をするのを助けるチャットボットを導入することで、この簡単な作業を自動化することができました。T-Mobileが予想していなかったのは、小さなサイドプロジェクトを立ち上げたことで、非常に高い投資収益率（ROI）を得ることができたことです。
「チャットボットはコロナウイルスの季節だけ生きると思っていました。しかし、その寿命の最初の 18 か月で、このチャットボットの ROI は 750% でした」と、T-Mobile のプリンシパル機械学習エンジニアである Heather Nolis 氏は述べています。「私たちのコールセンターでは、人間が不要な多くの日常的なタスクが発生します。実際、お客様の約30%が人と話すことを望まず、会話アシスタントを好むことがわかりました。
会話型AIは急速に進化し続けています。
過去3年間で、会話型AIは、テキストを要約し分類するためのより良い予測を提供し、感情を理解し、音声と視覚の両方で新しいことを行う新しいタイプのモデルを含むように進化しました。今後、会話型AIは、モデル、チェックポイント、実装を通じたオープンなコラボレーションによって推進されるでしょう。これは、組織が解決策ではなくビジネスの問題に取り組むより実用的なAIを受け入れる必要があることを意味しますと、トランスフォーマーのオープンソース自然言語処理（NLP）ライブラリの作成者であるHugging Faceのプロダクトディレクター、ジェフ・ブーディエが述べました。
「過去3年間の主な課題の1つは、科学を実践者の手に委ねることでした」とブディエ氏は述べました。「実用的なAIは、可能な限りオープンソース技術を使用することを要求します。それが機械学習の定義的な特徴の1つです。それは人々が構築している生きたシステムです。」
Hugging FaceのTransformersライブラリは、さまざまな業界の多くの人々からの貢献を奨励しています。約200の言語で1,600以上の公開データセットが利用可能です。誰でも1,000人の貢献者（増加中）によって提供される70,000の無料トランスフォーマーモデルにアクセスできます。データセットには、テキストの分類から音声の文字起こし、写真やビデオのオブジェクト認識まで、さまざまなものが含まれています。
オープンで協力的な未来は、会話型AIの究極の目標です。しかし、組織がそこに到達する前に、彼らはなぜチャットボットやその他のAIベースのサービスを最初に構築しているのかを理解する必要があります。RingCentralのククデ氏は、組織は会話型AIを徐々に導入し、人々が自分の仕事を奪われていると感じないように位置付けるべきだと考えています。AIが段階的に導入されると、組織はより多くのデータでフィードバックを収集し、より良いトレーニングを行い、未来に向けて構築を続ける時間が得られると彼は述べました。
ノリスは、組織にとって良い戦略は、ユーザーに既に知っている提案をするのではなく、良い体験を提供するチャットボットを作成することだと考えています。チャットボットが使用されるべき場所とそうでない場所を理解することが重要です。したがって、人々は実際にはチャットボットと話すことを好み、最終的に本物の人にたどり着くことを期待して我慢するのではありません。
「チャットボットを構築する人は、ソーシャルメディアのやり取り、苦情、カスタマーサービスエージェントとの会話から得たデータを見て、ユーザーの声に耳を傾けるべきです」とノリスは結論付けました。「私たちが構築しているAIエージェントが人間ができることをできないのであれば、人間に任せます。なぜなら、私たちは顧客サービスの質を本当に大切にしているからです。」