会話型AIプラットフォームを選択する際の4つの視点

多くの企業は、顧客エンゲージメントと収益を向上させるための会話型 AI の重要性を急速に認識し始めています。企業にとっての問題は、もはや会話型 AI を導入するかどうかではなく、どのプラットフォームを使用し、その機能をどのように活用するかです。

この記事では、会話型 AI プラットフォームに関する重要な洞察と視点をいくつか紹介します。たとえば、言語サポートとは実際には何を意味するのでしょうか。ローカリゼーションとは何でしょうか。さまざまな展開モデルは総所有コスト (TCO) にどのように影響するのでしょうか。そしておそらく最も重要なのは、会話型 AI プラットフォームが、最初の開発時だけでなく、ボットのライフサイクル全体を通じてどのように企業を支援できるのかということです。

ボット開発者の生産性向上から学んだ教訓

過去 6 か月間、会話型 AI プロバイダー Artificial Solutions の最高イノベーションおよび顧客サービス責任者である Daniel Eriksson 氏は、会話型ボットを構築する企業 (顧客) やシステム インテグレーター (パートナー) と多くの会話を行ってきました。また、会話型ボットの開発者、データ言語学の担当者、統合エンジニア、会話型 AI 設計者、プロジェクト マネージャー、上級関係者、製品オーナーなどとも話をしました。

同時に、彼は既存顧客や潜在顧客とも話をしました。これらの会話には、野心的な計画を立てて成功した人々だけでなく、計画を立てて影響を与えるために取り組んでいる人々も含まれます。

エリクソン氏のこうした議論における目標の 1 つは、疑問に対する答えを見つけることです。 「会話型 AI テクノロジーのプロバイダーとして、私たちはどのようにお客様の生産性向上を支援できるでしょうか」と彼は述べ、ボット開発者の生産性を高める製品を開発するには、ボット開発者コミュニティからの製品に対するフィードバックが不可欠であるため、これは Artificial Solutions にとっての課題であると指摘しました。

しかし、これらの会話の中で、別の議論のトピックが浮上しました。これもこの記事の焦点です。企業は会話型 AI プラットフォームの選択についてどのように考えているのでしょうか。ボット開発用の会話型 AI プラットフォームを選択する際に、どのような側面を考慮しているのでしょうか。

この質問に対する回答は独立した第三者が最も適切であると主張する人もいるだろうし、それは正しい。しかし、これはオープンな議論に値する問題です。なぜなら、Eriksson 氏は、それらの議論から学んだことの一部を共有し、Artificial Solutions で 20 年以上この業界で働いてきた経験と教訓の一部を提供しているからです。

Eriksson 氏は、これらの洞察を、ボット開発のための会話型 AI ツールを検討している企業に役立つ可能性のある 4 つのテーマにまとめました。会話型 AI プラットフォームを選択する際に見逃してはならない 4 つの視点を以下に示します。

（1）開発チームの成長に役立つツールを選択します。

（２）言語サポートとローカライズ

（３）総所有コスト

（４）水平方向と垂直方向の両方の領域に備える。

以下は一つずつの分析と議論です。

1. 開発チームの成長に役立つツールを選択する

人々は「認識」「理解」「自己学習」などのよく使われる用語を知っているかもしれません。 会話型 AI は、まだ探求すべき多くの可能性を秘めた、より魅力的な分野です。しかし、会話型 AI ツールの使用経験を持つ企業のほとんどは、会話型 AI ツールは通常のソフトウェアやプロセス開発と多くの類似点があり、画期的なものではないと述べています。

もちろん、「意図認識」、「エンティティ」、「シナリオ」など、業界特有の便利な用語もいくつかあります。これらの用語は、会話型ボットの自然言語理解 (NLU) 部分に関連しています。

これらは複雑な概念ですが、会話型ボットの開発者は、自分で開発することなくこれらの機能を使用することがよくあります。会話型ボットの開発者にとって、これらのタイプの機能は有効であると考えられており、実際、ほとんどのツールは強力な意図認識をサポートしていますが、これは今日ではより一般的な機能となっています。ツールキットに十分なインテント エンジンがあると想定して、先に進んでも問題ありません。

ただし、選択するツールが「認識」、「理解」、「自己学習」などの機能を説明するために AI のような流行語を多用していないか注意してください。これらは、開発者が構築する会話型ボットを説明するために使用する言葉ではありません（資金に困っている場合を除く）。したがって、これらの流行語を避け、開発者の世界観に近い概念と用語を使用するツールを選択することをお勧めします。

もっと具体的に教えていただけますか？もちろんです。 Eriksson 氏は、ロボットを構築する開発者に馴染みのある用語よりも、ローカル変数やグローバル変数 (変数のスコープ) などの成熟した概念を好みます。

（１）コーディングとノーコードのバランスをとる

ローコードやノーコードという言葉を聞いたことがありますか? 簡単に言うと、これらの概念は、開発者がコードを記述することなくプロセスを構成したりグラフィカルに設計したりできるユーザー インターフェイスを表します。これは、プログラムの実行方法を視覚化するのに最適な方法であり、何かをすばやく構築するための簡単な方法にもなります。しかし、効果的な会話型 AI ソリューションを構築するには、やはりコーディングが必要です。チームは何らかのスクリプト言語を使用してコードを記述する必要があります。そうしないと、ロボットに実行させたいタスクは達成されません。したがって、ボットを優れたものにするためには、スクリプトとコーディングが非常に重要であるという事実を遠慮なく認識してください。したがって、ツールセットを検討するときは、「コーディング部分はどのように機能するか」という観点から評価する必要があります。

一方、コードだけを書いてグラフィカルな表現をまったく使わない場合は、「顧客とどのように連携するのか？ ロボットを正常に実装するために必要な重要な洞察力を持ち、コードを書けるチームメンバーをどのように関与させるのか？」といった別の問題に直面することになります。

したがって、企業はコーディングとノーコードのバランスを取ることを検討する必要があります。ほとんどのエンタープライズ会話型 AI プロジェクトでは、両方のテクノロジが必要になるためです。

（２）起こりうる問題を考慮する

現在、開発者が使用できる会話型 AI ツールが市場に数多く存在します。最初の最小限の実行可能な製品 (MVP) を迅速に構築できるだけでなく、開発するすべての世代のボットに役立つツールを選択することがあなたの仕事です。企業がボットのユーザー エクスペリエンスを向上させる方法について検討する際に、選択したツールが開発を妨げている可能性があることに気付く場合があります。

会話型ロボットの各世代を開発する際には、考慮すべき要素が複数あります。企業がパターン プロセス (およびより意図的なプロセス) を構築すると、いくつかの問題が発生します。プロセスをより高度にしたい場合、ツールセットの機能に対する追加ニーズに遭遇する可能性がありますが、その時点ではツールが仕事に適していないことに気づくには遅すぎる可能性があります。

ロボットがすでにかなり広範囲に導入されているシナリオからツールセットを評価してみてください。これらが整ったら、今実行したいさまざまなタスクについて考えてみましょう。リファクタリングを実行し、小さな改善を並行してリリースするにはどうすればよいでしょうか? すべてのプロセス/意図を整理し、バージョン管理を強化するにはどうすればよいでしょうか? 再利用性を確保するにはどうすればよいでしょうか? どのような技術的特徴を検討する必要があるでしょうか?

（３）創造性を獲得する

もちろん、優れたチームは優れたロボットを作ります。企業は、エンジニアが創造的な開発と反復に使用できるツールを選択する必要があります。優れた Web サイトが継続的に更新される必要があるのと同様に、会話型ボットも、新しい機能がテスト、調査、拡張、または削除されるたびに継続的に改善される必要があります。探索、テスト、リリースの自由は、チームの創造性と野心を解き放つ鍵となります。会話型ロボットのプログラミングも例外ではありません。専門家が何をしたいのかを考え、ツール内で目標を達成できる能力があることを確認します。ツールが邪魔をしない限り、優れたチームは優れたロボットを構築します。

2. 言語サポートとローカリゼーション

（１）言語サポートとは何ですか？

会話型 AI の世界では、言語サポートは実際には何を意味するのでしょうか? これは、会話型 AI ツールを評価する前に検討すべき重要な質問です。

会話型ボットの出力 (ボットが言っていること) は、ほとんどの場合、実装者によって記述されます。ボットによって生成される出力は、より自然な会話を可能にするために変化させることができますが、ほとんどの顧客は特定のドメインまたは目的のために多数のボットを所有しているため、自由度はかなり制限されています。ボットがユーザーに伝える内容は、主にボット開発チームによって設計されます。したがって、ロボットの出力は非常に制御可能です。したがって、出力に関する限り、言語サポートは何も意味しません。特定の言語の文字が出力で文字化けしないということだけを言うことができます。出力を支援するために、ボット開発ツールには、ソーシャル会話や標準応答などの一般的な出力用のライブラリが用意されている場合があります。

つまり、言語サポートは、ボットがユーザーに「伝える」内容とはほとんど関係がありません。

言語サポートは、ボットが特定の言語での入力をどのようにサポートし、マッピングするかということにほぼ重点を置いています。たとえば、ロボットはエラーメッセージを表示せずにキリル文字を受け入れることができますか？ロボットは日本語の文を分割して、動詞、名詞、形容詞を識別できますか？ロボットはトレーニングなしでスペイン語の文中の単語や句を分類できますか？

ボット開発者にとって、特定の言語用のボットを構築するには言語サポートが重要です。言語固有のボット プラットフォームでは、入力を取得して注釈を付ける (メタデータを追加する) こともできるため、開発者はそれを活用して優れた会話型ボット エクスペリエンスを設計できます。

さまざまな会話型 AI プラットフォームがドイツ語をサポートしていると主張する場合があります。しかし、プラットフォームにとっては「ボットがドイツ語の文字を受け入れる」という意味になるかもしれません。一方、別のプラットフォームでは、ボットには単語、フレーズ、概念、エンティティ、および事前に構築された知識の広範な注釈があります。常に、製品の言語でサポートされている簡単な説明を読むようにしてください。企業はボットを展開するためにどの言語を使用するかを検討する必要があります。

（２）ローカリゼーションとは何か、そしてその価値とは何か？

今日、ほとんどの企業は、複数の言語で成功する会話型ボットを立ち上げたいと考えています。これはさまざまな理由で起こります。企業は、スイスのように複数の公用語がある国で事業を展開したり、海外市場を拡大してロボットを導入したりしたいと考える場合もあります。同じボットを 2 つの異なるチャネル (電話と Facebook メッセンジャーなど) に展開するには、2 つの異なる言語が必要になるとも言えます。

ここで、答えなければならない質問がいくつかあります。ほぼ同じボットを 2 つ以上の言語で開発し、維持するにはどうすればよいでしょうか。単にボットを複製し、2 つ以上の並列ソリューションを維持しようとするのでしょうか。これを試したことがある人なら誰でも、これが失敗の原因であること、または少なくとも非常に非効率的でリソースを大量に消費する作業方法であることを知っています。

この問題の解決策の 1 つは、「ローカリゼーション」と呼ばれます。 ローカリゼーションとは、企業が 1 つのマスター ソリューションを作成し、それを特定の言語/地域ごとにローカライズできることを意味します。ローカライズされたソリューションはマスター ソリューションにリンクされているため、更新と変更は (変更管理の下で) ローカル ソリューションに伝播されます。

ローカリゼーションは言語だけの問題ではありません。同じ会話型ボット フローが 2 つの異なるリージョンの 2 つの異なるバックエンド システムをサポートする必要がある場合は、ローカリゼーションでもその機能をサポートする必要があります。企業は、メイン ソリューションにリンクされていることによるメリットを失うことなく、ローカル実装に変更を加えることができる必要があります。

国際市場を目標とするほとんどの企業にとって、ローカリゼーションをサポートするために会話型 AI 開発プラットフォームを必要とすることのメリットを検討することが重要です。企業は、サポートされている言語と利用可能なバリエーションを考慮し、選択したツールセットが成長の余地を提供することを確認する必要があります。

3. 総所有コスト

（1）モデル導入の隠れたコストを特定する

展開モデルとは何ですか? ほとんどの会話型 AI プラットフォームは、SaaS、オンプレミス、ホスト型、オープンソースなど、さまざまな方法で利用できます。企業とそのセキュリティ チームがすべての導入モデルの中から選択すると仮定した場合、コストの面で重要な考慮事項は何でしょうか。

プリペイド モデルは隠れたコストをカバーしますか? プリペイド モデルは、通常、展開モデルに関連付けられているビジネス モデルであり、顧客は特定のリソース消費またはターゲットにコミットする必要があります。プリペイドモデルは通常、「特定のサービスに対して固定料金を支払う」ものです。より多くのサービスを利用する場合は、より多くの料金を支払う必要があります。消費量が少なくても、固定料金を支払います。企業が考慮すべき点の 1 つは、会話型 AI プロジェクトは見積もりが難しいことが多く、予想よりも進行が遅くなったり早くなったりする可能性があるということです。意図したターゲット ユーザー層だけでなく、はるかに広いユーザー層にリーチすることができます。振り返ってみると、プリペイドモデルは簡単に非常に高価になる可能性がありました。

もう 1 つの隠れたコストは、企業がインストールを実行および維持するための IT 管理コストです。オンプレミス バージョンのライセンスとサポートの料金を支払ったとしても、ハードウェア、継続的な管理、監視ツール、オンコール サポートの料金を支払う必要があります。また、チームが何に時間を費やすかを検討してください。構築を担当するチームが特定されたが、そのチームがほとんどの時間をインフラストラクチャの問題に費やした場合、高いコストが発生します。

企業は、総所有コストを見積もるために、各モデルの隠れたコストを考慮する必要があります。初期導入からメンテナンス、テストなどライフサイクル全体にわたって、どれくらいのコストがかかるかを検討します。会話型 AI プラットフォームは導入後のすべての段階もサポートする必要があるという事実を見逃さないでください。ここで、バージョン管理、リリース フラグ、リファクタリング、回帰テスト、分析、パフォーマンス ダッシュボード、改善ダッシュボードなどが役立ちます。最初に構築するだけに役立つツールを選択した場合、後で効率性を高めるためにより多くの費用を支払うことになります。プログラムのライフサイクル全体と、さまざまな段階で何が必要かを常に考慮してください。したがって、作業に適したツールを選択する必要があります。

（２）リソースは適切なことに時間を費やされているか？

これは上でも述べましたが、もう一度思い出す価値があります。企業は、チームメンバーが得意分野、つまり成功する会話型ボットの構築に集中できるようにする必要があります。 AI業界では、企業の開発チームがロボットの設計、構築、改良ではなく、技術サポート、インフラストラクチャ、接続に時間の40％～60％を費やすことは珍しくありません。なぜなら、チームがサポートツールの構築やソリューションの稼働に多くの時間を必要とする場合、UX の観点から開発したいことのほとんどが忘れられてしまうからです。したがって、会話型 AI を選択する際には、優れたボットを構築するためのリソースと従業員の効率を最大化することに特別な注意を払う必要があります。

（３）プログラムライフサイクル全体を通じてリソースは効率的ですか？

あらゆる分野や業界で誰もが生産性を高めたいと望んでおり、これは会話型 AI 開発者にも当てはまります。多くの開発者は会話型 AI テクノロジーの構築と展開を好み、自分の分野で生産性を高めたいと考えています。

そこで、このツールによってチームの生産性が向上するかどうかを自問してください。導入後の最初の 1 ～ 2 か月だけでなく、ツールが拡張され、より包括的になった 2 年後も生産性が向上します。企業が会話型 AI ツールを選択する場合、その役割は、プログラムのライフサイクル全体を通じてチームが可能な限り効率的になるよう支援することです。

4. 水平方向と垂直方向の拡大に備える

多くの企業は複数のユースケースを検討しており、ツールが特定の分野に限定されないようにする必要があります。各企業には会話型ボットがいくつ導入されているでしょうか? 企業には通常、複数のボットが導入されていることに驚かれるかもしれません。ほとんどの企業は、社内（従業員向け）と社外（顧客やサプライヤー向け）の両方のユースケースに会話型 AI を採用しています。したがって、会話型 AI プラットフォームを選択する際には、事前にいくつかの質問を検討することが重要です。たとえば、どの領域に導入したいですか? 本当に 1 つのソリューションだけを構築したいですか?

選択するツールセットが水平か垂直か、つまり、ユースケースまたは業界向けに最適化されているか（垂直）、業界やユースケース全体にわたって俊敏性に合わせて最適化されているか（水平）を検討することをお勧めします。

なぜなら、同じ業界内でも、内部と外部のユースケースは実際には大きく異なるからです。ここでは、どのモデルの利点が欠点を上回るかを考慮することが重要です。水平ソリューションにはいくつかの利点があります。1 つは、同じ開発プラットフォームをさまざまなユースケースで使用できることです。これにより、競合他社が使用している業界固有のソリューションを探すよりも、より大規模なテクノロジー コミュニティからのサポートを得ることができます。会話型 AI の分野では構築がすべてであり、企業は開発プロセス中に最大の利点をもたらすツールを見つける必要があることを覚えておくことが重要です。

この問題について別の角度から考えることができます。特定のユースケースに対する事前トレーニング済みソリューションの利点は何ですか? 多くの場合、企業はトレーニング データの取得にかかる時間を節約でき、再利用できる知識が事前に構築されている場合もあります。これは有益ではありますが、限界もあります。変更を加えたい場合、またはビジネスに固有の特定のトレーニング データを追加する必要がある場合、それを行うことができますか? ユース ケース固有のパッケージは、別のユース ケースにも役立ちますか?

いくつか例外はあるかもしれませんが、会話型 AI プラットフォームは、事前に構築されているもののカスタマイズに制限があるか、柔軟性は高いもののさらに構築が必要である、というのが単純なルールであると考えられます。これはビルダーの世界であり、水平ソリューションを選択することによる長期的なメリットを考慮することをお勧めします。

重要なのは構築なので、特定のユースケースに特化したパッケージよりも、さまざまな分野で再利用できるパッケージの方が価値がある場合がよくあります。

事前に構築された知識により時間を節約できます。技術コミュニティが優れた技術を開発し、誰もが他者の貢献から恩恵を受けるのには理由があります。したがって、事前に構築されたパッケージが優れていることに疑いの余地はありません。しかし驚くべきことに、会話型 AI では、事前に構築されたパッケージが有用であるためには、かなり小さくなければなりません。 Salesforce の統合パックには、Salesforce の API に接続するための基本的な構成要素のみが含まれている場合、簡単に再利用できます。このため、社内販売サポート、社内レポート、外部顧客サポートなど、さまざまなユースケースに簡単に組み込むことができます。しかし、事前にトレーニングされた外部の顧客サポート パッケージでは、さまざまなユース ケースに適応するのにさらに時間がかかる可能性があります。パッケージのすべてのコンポーネントを見直して調整する必要があるため、最終的に再構築が必要な場合は、最初からやり直すのが最善です。したがって、事前に構築されたパッケージについてベンダーに相談してください。ただし、モジュール化されており、適度に小さいことを確認してください。また、企業は構築したモジュールをコミュニティと共有できることにも留意してください。これは、作業を共有して改善点を見つけるための優れた方法となることがよくあります。

Eriksson 氏の提案の 1 つは、ボットを企業の価値を反映したものに構築し、ブランド構築に役立つアプローチを選択することです。外部から本当に多くの援助が得られるか分からないため、これは容易ではないかもしれません。企業は文化やブランドのプロモーターと関わる必要があります。

エリクソン氏は、顧客が享受すべき体験を正確に設計できるよう、企業のさまざまな部門が協力して管理することを推奨しています。顧客はボットとやり取りすることになりますが、これは顧客ベースとの双方向のやり取りの 1 つなので、時間を無駄にせず、ブランドの構築に取り組んでください。