){kind=small}
開発者のためのAI用語入門
所要時間：1 分
もしあなたが顧客とのコミュニケーション技術に携わっている開発者なら、ほぼ間違いなく、AIがあなたの作っているものをどのように強化できるかを探求し始めたことがあるだろう。そして研究の過程で、CSコースを振り返って、今日人々が話しているAIは、コンピューター科学者が過去数十年間取り組んできたものと同じものなのだろうかと思ったことがあるかもしれない。
ここでは、AIにまつわる様々な用語を定義することで、AIにまつわるマーケティング上の誇大広告を断ち切ろうと思う。カスタマー・エクスペリエンスを向上させ、顧客とのコミュニケーションを効率化するのに役立つ新しいテクノロジーはたくさんある。しかし、そこに到達するためには、何を扱っているのかを明確にする必要がある。ボットから始めよう。
ボットの歴史は長い。検索エンジンのウェブ・クローラー、IRCの自動応答、ビデオゲームのノンプレイヤー・キャラクターなどだ。あなたも1つや2つ、自分で書いたことがあるかもしれない。
その文脈でボットについて考えると、そのほとんどにAIが必要ないことは明らかだ。顧客とのコミュニケーションで見られるボットも同じだ。AIと同列に語られるボットは、たいてい会話型インターフェースだ。
テイク ドムドミノのカスタマーサービスボット。Domは、注文、支払い、配達を通して顧客に "話しかける "が、何もインテリジェントではない。現在使用されているボットについて言えることは、AIというよりむしろ、意思決定ツリーだということだ。もちろん、デシジョンツリーとは、「こうなったら、こうする。
重要なのは、現在運用されているボットは学習しないということだ。どこかの段階で、貴社の幹部の一人が、人間のコンタクトセンター・エージェントの代わりとなるボットを作るよう、チームに興奮気味に依頼するかもしれません。今日のボットが優れているのは、あなたがボットに送り込むデータだけです。例えば、私たちのピザのボットは、顧客の購入履歴を振り返り、その顧客のために「インテリジェントに」特別オファーを作成することはできません。デシジョンツリーが特定の状況をカバーしない場合は、人間にエスカレーションするか、顧客を失望させる必要がある。
しかし、だからといってボットの有用性が低くなるわけではなく、実際、ボットはAIを活用している。AI技術によって、ボットは話し言葉をテキストに変換し、そのテキストを解析して意味を明らかにすることができる。
このような会話型インターフェイスは、顧客がより多くの状況でセルフサービスできるようになることを意味する。現在はウェブかモバイルに限定されているが、ボットによって以下のようなチャネルが広がる。 WhatsAppやSMS、Facebookメッセンジャー、Slackなど、より多くのチャネルを開くことができ、人間のエージェントの助けを借りずに音声で対応することもできる。
では、顧客とのコミュニケーションにおけるAIとは何だろうか？コンピュータ・サイエンスを正式に学んだ人なら、AIといえばチューリング・テストを思い浮かべるだろう。また、強いAIと弱いAIの区別もご存じだろう：
強力なAI例えばスタートレックのデータ）。
弱いAI開発者がプログラムしたものを超えて、知能のような技術を使ったソフトウェア。
顧客とのコミュニケーションにおいて我々が目にするAIは、間違いなく2番目のタイプであり、統計モデルかニューラルネットワークのどちらかである。どちらのアプローチも入力を受け取り、最善の推測である出力を生成する。例えば、AIは音声ファイルを入力として受け取り、そこに含まれる話し言葉をテキストベースで推測する。こうした最良の推測は、膨大な量の機械学習のおかげで、かなり正確になる傾向がある。その結果の文字起こしを決定木に入力することで、ボットに音声インターフェースを提供することができる。
重要なのは、現代のAIは推測するのが得意なアルゴリズムであり、短時間で多くの推測を行うため、自分自身で本当に素早く学習しているように見えるということだ。グーグルのディープマインドでさえ、同じような行動をとる。ディープマインドが囲碁を打つとき、盤面の現在の状態を把握し、過去にうまくいった手を調べ、最善の手になりそうな手を推測する。
開発者としては、今日のAIができること、できないことの期待値を管理することに注意しなければならない。どんなに優れたボット・プラットフォームでも、より優れたボットになる方法を学ぶことはまだできないのだ。
私たちの同僚は、ほぼ自動化されたコンタクト・センターができると期待しているかもしれないが、AIは有用な技術であるが、真にインテリジェントなマシンはまだ先の話であることを示すのが、開発者としての私たちの仕事である。
機械学習はAIと同じくらい頻繁に登場し、AIを可能にする技術のひとつだ。先に、統計モデルとニューラルネットワークについて述べた。どちらのアプローチも、データサイエンティストが学習材料として使用する大量のデータ・コーパスを作成する必要がある。
前者の場合、科学者はデータから最善の推測を行う統計モデルを選び、選択し、微調整しなければならない。後者の場合、データはニューラルネットワークに継続的に供給され、反復するたびにアルゴリズムの性能と精度が向上する。基礎となる推測モデルを発見し、改善するプロセスは、機械学習として知られている。
要するに、MLはAIを訓練するためのプロセスなのだ。
そして今度はアシスタントだ：アレクサ、シリ、コルタナ、グーグル・アシスタントなどだ。
ボットとは異なり、ボットは単一のタスクに集中し、そのタスクを通じて非常に厳格なフローを提供する。例えば、ピザの注文では、ベースから始まり、トッピング、そしてサイドメニューに移る。
そこで、AI技術を使って話し言葉をテキストに書き起こし、それを自然言語理解と呼ばれる別のAIベースの技術で解析する。アシスタントは次に、ピザ注文ボットにインターフェースを提供するなど、与えられたタスクを完了するボットに接続する。同じように、サーモスタットの温度を上げたり、ブリストルからアムステルダムへの最もお得なフライトを探したり、地元の劇場で何が上映されているかを教えてくれたりする。
顧客とのコミュニケーションにおいて、大手のアシスタントを、顧客が当社のサービスにアクセスするための単なるチャネルとして利用することができる。しかし、ここで取り上げたテクニックをすべて使って、自社専用の新しいチャネルを構築することもできる。例えば、モバイル・アプリやカスタマーサービス・ラインから利用できる独自のアシスタントを作ったらどうだろう？
期待と現実は必ずしも一致しないかもしれないが、人工知能、機械学習、ボット、バーチャルアシスタントは、すでに顧客とのコミュニケーション方法を改善しつつある。もちろん、誇大広告もあるが、顧客とのコミュニケーションだけでなく、一般的なコンピューターとの付き合い方においても、このような巨大な変化の端っこにいるのはエキサイティングなことだ。
開発者である私たちの仕事は、同僚がこれらの新しいテクノロジーの現実を理解するのを助けることと、革命的なものを構築するためにそれらをどのように使うことができるかを考えることの間の細い線を踏むことである。そして10年後、もしかしたら5年後、私たちは振り返って、AI技術なしにどうやって顧客とコミュニケーションをとっていたのだろうと思うかもしれない。