※本記事は、AWS re:Invent 2024のセッション「Elevate your contact center performance with AI-powered analytics (BIZ212)」の内容を基に作成されています。セッションの詳細情報は https://www.youtube.com/watch?v=bFput7HPxU8 でご覧いただけます。本記事では、セッションの内容を要約しております。なお、本記事の内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルのセッション動画をご覧いただくことをお勧めいたします。

登壇者：

Kevan Mah氏 Amazon ConnectのDirector of Product Management。Amazon Connectチームの立ち上げから約8年間携わり、当初は唯一のプロダクトマネージャーとして、小規模ながら野心的なチームでサービスを成長させてきた。現在は、AWSの歴史の中で最も急成長しているサービスの一つとなったAmazon Connectを統括している。

Alex Bradley氏 Amazon Connectのプロダクトマネージメントチームのメンバー。デモンストレーションを通じて、Amazon Connectの実践的な活用方法と効果的な実装戦略を紹介。

Bradley White氏 トヨタのブランドエンゲージメントセンターのリーダー。Toyota・Lexusブランドの顧客体験管理を担当し、顧客、ディーラー、アドボケイトの3つの柱を中心とした戦略を推進。

Mitch Aubin氏 トヨタOneTechのテクノロジーリーダー。ブランドエンゲージメントセンターのミッションをサポートする技術プラットフォームの提供を担当。Amazon ConnectとContact Lensの実装を主導し、350以上のルール設定による分析基盤を確立。

1. イントロダクション

1.1 Amazon Connectの歴史と成長

Kevan Mah：私は、Amazon Connectのプロダクトマネジメントディレクターを務めており、Amazon Connectチームの立ち上げから約8年間携わってきました。当初は、私が唯一のプロダクトマネージャーとして、小規模ながら野心的なチームで何か特別なことができると考えていました。現在では、AWSの歴史の中で最も急速に成長しているサービスの1つを担当する大規模なチームへと成長しました。

7年前のre:Inventでは、「Amazon Connectって何？」「コールセンターって何？」という反応が大半でしたが、今や私たちは業界をリードするクラウドプロダクトとなり、多くの方々に認知されています。これは大きな変化です。

Amazon Connectの誕生は、約15年前にさかのぼります。当時、Amazonは自社のニーズを満たすコンタクトセンター技術を見つけることができず、非常にAmazonらしい解決策として、独自の技術を構築することを決定しました。私たちは、Amazonの規模と複雑さ、そしてAmazonが期待する品質に対応できる技術を構築しました。

8年前、私たちは重要な気づきを得ました。Amazonの規模に対応できる技術を構築し、それがAmazonの様々な部門（Zappos、Audible、セラーサポート、Amazonビジネス、そして小売顧客サービス）で数十万人のエージェントに使用されていることを確認できました。そして、「この特別な技術を外部に提供してはどうか」という発想に至りました。これがAmazon Connectが世に出た理由であり、実は、AWSが存在する理由とも同じです。私たちは内部使用のためにスケーラブルなウェブサービスを構築し、それが他の人々にも役立つと考えたのです。

このように、Amazon Connectは、Amazonの実際のニーズから生まれ、実践で証明された技術として進化してきました。コンタクトセンター業界に革新をもたらし、クラウドベースのソリューションとして、多くの企業に新しい可能性を提供し続けています。

1.2 顧客体験の重要性と課題

Kevan Mah：顧客体験の重要性について、私たちの同僚の実体験を例に説明させていただきます。最近、ラスベガスに飛行機で来た同僚の一人が荷物を紛失するという事態に遭遇しました。この同僚は、プレゼンテーションのために舞台に上がる必要があったにもかかわらず、着替える服もない状況でした。航空会社から提供された20ドルの補助金で服を買うように言われましたが、その金額では全く足りないことは明らかでした。

このような体験は、単独でも顧客離れの原因となりますが、さらに深刻なのは、複数の悪い体験が積み重なることです。例えば、荷物紛失に加えて、不快な隣席の乗客に遭遇し、それについて苦情の電話をしたものの適切な対応を受けられないといった具合に、一連の悪い体験が重なっていきます。そして最終的に、顧客は「もうこの会社は利用しない」という決断に至ってしまいます。

Amazonでは、このような状況に対して"It might not be our fault, but it is our problem"（私たちの過失ではないかもしれないが、それは私たちの問題である）という考え方を持っています。つまり、これらの出来事の多くは直接的にはコントロールできないものかもしれませんが、顧客がそれらを経験したという事実とその認識は、私たちが取り組むべき問題なのです。

現代の顧客は、企業に対して非常に高い期待を持っています。顧客は企業が自分のことや自分のニーズをすべて把握していることを前提とし、パーソナライズされたサービスを求めています。「私の経験や私に起こったことを理解してほしい」、そして「歓迎され、大切にされていると感じたい」と望んでいます。これこそが、Amazonのすべての取り組みの根底にある基本原則であり、顧客を中心に考え、すべての問題解決において顧客を最優先することの重要性を示しています。

1.3 Amazonの顧客中心主義の原則

Kevan Mah：私たちの好きなJeff Bezosの言葉の一つに、「顧客は常に美しく不満である」というものがあります。これは非常に深い意味を持っています。たとえ顧客が満足していると言ってきても、私たちは彼らがさらに多くを求めていることを知っています。

私がこの仕事に長年携わってきた経験から、顧客が「満足している」と言っても、実際には新機能を求めているということを理解しています。昨年200の新機能をリリースしても、次の100の機能を求めてくるのです。私たちには、約8年前から一緒に歩んできた顧客がいます。彼らは400以上の新機能を受け取ってきました。そして、私たちはAmazon Connect V2のような新バージョンの追加料金を請求することなく、これらの機能を提供し続けてきました。それでも、彼らは満足していません。

これこそが、プロダクトマネージャーとして私がバーを上げ続け、イノベーションを続け、より素晴らしい機能を作り続けなければならない理由です。なぜなら、顧客の期待も同様に上がり続けているからです。これは決してネガティブなことではありません。むしろ、この「美しい不満」こそが、私たちを継続的な改善とイノベーションに駆り立てる原動力となっているのです。これは、Amazonのすべての製品開発の根底にある顧客中心主義の原則であり、私たちが常に顧客の声に耳を傾け、その期待を上回る努力を続ける理由なのです。

2. Amazon Connectの特徴と技術革新

2.1 簡単な導入と設定プロセス

Kevan Mah：Amazon Connectの差別化要因の中で、私が最も興奮するのは、「数クリックで完全に機能するコンタクトセンターを構築できる」という私たちの約束です。完全な設定とまではいきませんが、十分に機能する状態まで簡単に到達できます。

この簡単な導入プロセスの価値は、COVID-19パンデミック時に特に顕著になりました。当時、公共セクターの顧客は、「自分のワクチン接種フェーズはいつか」「どのような失業給付が受けられるのか」といった問い合わせの急増に、既存のインフラが対応できない状況に陥っていました。金曜日に危機的状況で私たちに連絡してきた顧客に対して、月曜日には稼働できる環境を提供することができました。

Amazon Connectをご存知の方々は理解されていると思いますが、AWSコンソールに行って数回クリックするだけでコンタクトセンターを立ち上げることができます。そこから、ルーティングルールの調整、エージェントの追加、エージェントインターフェースの最適化など、必要に応じて機能を強化していくことができます。

私のチームの主要な使命の一つは、設定と構築の労力を削減することです。時には顧客が先行して独自の機能を構築することもありますが、私たちはそれらの機能をより簡単に実現できるよう努め、開発の負担を軽減し続けています。これまでの年月をかけて、多くの機能を数クリックで実現できるようになりました。

この取り組みの目的は、顧客が技術的な課題に時間を費やすのではなく、本当に重要な顧客サービス体験の設計に集中できるようにすることです。私は技術的な障壁を取り除き、顧客が自社ならではの体験を提供することに注力できる環境を作ることを目指しています。なぜなら、その体験こそが、各企業の独自性を表現するものだからです。

2.2 AIの統合と進化

Kevan Mah：AIは、私たちが行ってきたほぼすべての開発の中核にありました。私たちは、Amazon Lexを使用したセルフサービス体験の提供機能を備えた状態でサービスを開始し、音声ベースのチャットボットを実現しました。それ以降リリースした機能のほとんどにAIが組み込まれています。

Contact Lensの誕生には興味深い背景があります。私たちの初期の顧客は、S3バケットに保存された通話録音を取り出し、それを別のAWSサービスであるTranscribeに送って音声をテキストに変換していました。そのテキストを今度はComprehendというサービスに送り、トピックモデリングやセンチメント分析を行って、通話内容に関するインサイトを得ようとしていました。最後に、それらすべてのデータを何らかのデータウェアハウスに送り返していました。

私たちはこのプロセスを見て、「これは難しすぎる。なぜ繰り返し行われる明白なプロセスをこんなに複雑にする必要があるのか？」と考えました。そこで、Contact Lensを開発し、顧客のためにこのプロセスを簡素化することを決めました。より簡単に、より良く、より安価に実現することを目指しました。

現在、Contact Lensの有効化は、権限設定のためのクリックと、コンタクトフロー内での有効化のためのクリック、実質的に2回のクリックで完了します。これは、強力なAIをコンタクトセンターに直接統合する方法です。そして、今日ご覧いただけるように、Contact Lensは大きく進化してきました。

現在のContact Lensは、より多くのインサイトを提供し、コンタクトを自動的に分類し、パフォーマンス管理を行い、異なるアラートをトリガーするルールを作成することができます。これが私たちのAIに対する考え方です。インサイトと機能を容易に取得できるようにすべきであり、生成AIの登場によってそれがさらに加速し、倍増しています。

このように、私たちはAmazon Connectの技術全体にAIを統合し、コンタクトセンターの運営をより効率的で効果的なものにしています。

2.3 最新のre:Inventでの14の新機能発表

Kevan Mah：今回のre:Inventでは14の新機能を発表しました。その多くは日曜日の夜か月曜日の朝にリリースされたばかりです。予想されるように、これらの新機能の多くは生成AIと、コンタクトセンターにおける生成AIの実践的な活用に関するものです。

私たちの戦略の方向性が徐々に明らかになってきています。私たちはすでにコンタクトセンターのパフォーマンス最適化における優れた機能を持っていましたが、そこにさらに新しい側面を追加しています。

左側には、プロアクティブな顧客サービスの機能があります。これまで私たちは、着信する通話の処理、ルーティング、最適化、チューニングに長けていました。しかし、これと同じ技術を使って、顧客に直接アプローチすることもできるのです。

右側には、予測とスケジューリングに関する技術があります。これにより、どのような作業が入ってくるのか、それを処理するためにエージェントをどのようにバランスよく配置すべきかを理解することができます。

これらの要素が連携して機能することで、入ってくる作業量とエージェントの処理能力を把握し、インバウンドのエージェント時間の一部をアウトバウンドの活動に振り向けられる余地を見出すことができます。

この結果、私たちが顧客から見ている興味深い変化は、コンタクトセンターをコストセンターとしてではなく、収益を生み出すセンターとして捉え直し始めていることです。「このセンターをどうすれば自社のビジネスにとって収益性のある部門にできるか？」という会話に変わってきています。これは、コンタクトセンターの役割と価値に関する考え方を完全に変えるものです。

3. コンタクトセンターの未来戦略

3.1 データインサイトの生成と活用

Kevan Mah：私たちは、Amazon Connect の将来戦略を示す新しいスライドを作成しました。これは、Amazonでよく話題に上がる「バーチャルサイクル（仮想的な循環）」の概念を表現しています。

このサイクルの最上部では、インサイトの生成から始まります。私たちはコンタクトセンターで何が起きているのかを把握し、そのデータを収集していますが、これらはより話題性が高く、よりパーソナライズされたものになってきています。

このデータからのインサイト生成は、コンタクトセンター全体の効率と効果を向上させる重要な最初のステップとなります。私たちは単なるデータの収集だけでなく、そのデータを実用的なインサイトに変換し、コンタクトセンターの運営に直接的な価値をもたらすことを目指しています。

生成されたインサイトは、サイクルの次のステップである異常検知や、その後の推奨事項の生成、さらには自動最適化へと繋がっていきます。この循環的なプロセスにより、コンタクトセンターは継続的に学習し、改善していくことができます。

特に、生成AIの導入により、このプロセスはより効果的になっています。生成AIは異なるデータポイントを横断的に分析することに長けており、より深い洞察を提供することができます。これにより、より正確で実用的なインサイトを得ることができ、コンタクトセンターの運営をより効果的に改善することが可能になっています。

3.2 異常検知と推奨事項の自動化

Kevan Mah：サイクルを進めていくと、データに基づいた異常検知の段階に入ります。ここでは「これは通常とは異なるパターンなのか？」「何か普通ではない事象が発生しているのか？」といった分析を行います。

この段階で異常が検出されると、サイクルの次のステップでは「こういったパターンが見られたため、これらの対策を推奨します」という具体的な推奨事項を生成します。私たちのシステムでは、推奨事項の実装もワンクリックで可能です。

これが実現できる理由は、設定情報もデータもすべてがAmazon Connect内にあり、必要なツールがすべて一か所に集約されているからです。この統合された環境があるからこそ、強力な自動化が可能になっています。

サイクルを通じて、AIがこれらのタスクを効果的に実行していると信頼できるようになれば、コンタクトセンター自体の最適化を自動化することも可能になります。このような自動化された対応プロセスにより、コンタクトセンターはより効率的に運営され、人的リソースを戦略的な業務に集中させることができます。

人が行う作業を自動化するのではなく、人の判断をサポートし、より良い意思決定を可能にすることで、コンタクトセンター全体のパフォーマンスを向上させることが私たちの目指す方向性です。

3.3 ビジネス目標に基づく自己最適化

Kevan Mah：このサイクルをさらに発展させることで、AIに対する信頼が築かれ、効果的に機能していることが確認できれば、次のステップとしてコンタクトセンター自体の自己最適化が可能になります。

私が特に期待している将来的な展開は、企業が自社のビジネス目標を直接システムに伝えることができるようになることです。「この種の収益を増やしたい」「この種の顧客維持率を向上させたい」「このタイプの解約率を減らしたい」といったビジネス目標を設定すると、生成AIが広範なデータを分析し、目標達成のための方法を提案します。

生成AIは異なるデータポイントを横断的に分析することに優れており、この能力を活かして「これらが変更を実現する方法です」という具体的な提案を行うことができます。さらに進んで、「私に任せてください。最適化を実行します」というレベルまで自動化することも可能です。

このように、コンタクトセンターをコストセンターから収益を生み出すセンターへと転換させることで、ビジネスにおける位置づけを根本的に変えることができます。これは単なる効率化だけでなく、ビジネス価値の創出という観点から、コンタクトセンターの役割を再定義することになります。

4. デモンストレーション：AnyCompany Retailのケーススタディ

4.1 ビジネスアナリストJaneの業務フロー

Alex Bradley：今日は、架空の企業であるAnyCompany Retailのコンタクトセンターにおける、データ主導の意思決定と継続的な改善を可能にする強力なツールについてご紹介します。

ビジネスアナリストのJaneは、データを活用してトレンドを特定し、改善領域を見つけることが主な責務です。Janeは、Amazon Connect Contact Lensによって既に分析された連絡記録に関する2週間ごとのレポートを作成することから始めます。このレポートを基に、テーマ検出機能を使用してテーマレポートを生成し、AnyCompany Retailのコンタクトセンターにおける数千件の顧客とのやり取りの中から、これまで認識されていなかった、あるいは新たに浮上してきたコンタクトのテーマを発見します。

この分析の中で、Janeは相当数のコンタクトが製品返品に関するものであることに気づきます。この新たなトレンドに警戒を感じたJaneは、これらの通話をより詳しく追跡し、時間とともに変化する状況を監視することを決定します。Contact Lensを使用することで、Janeは事前に定義した基準に基づいて、コンタクトを自動的に分類し、アラートを受け取り、タスクを生成するルールを作成できます。

Janeは、製品に不満を持って返品する顧客を追跡するためのルールを、自然言語による簡単な文で作成します。これにより、製品返品に関連する対応のパフォーマンス指標を、他のカテゴリーと比較することが可能になります。この生成AI駆動の分類オプションにより、Janeはこの種の製品返品に関連するすべてのコンタクトを容易にフラグ付けし、処理時間、顧客満足度スコア、解決率などの指標を、コンタクトセンターで発生する他のタイプのコンタクトと比較することができます。

Janeは、Contact Lensを活用したアナリティクスダッシュボードを作成し、コンタクトセンター内のさまざまな問い合わせ要因におけるトレンドやパターンを明らかにしています。このダッシュボードは、すべてのコンタクトタイプにわたる集計指標と、Contact Lensが提供する特定のインサイトを含め、これまで即座には把握できなかった重要な発見を明らかにしています。

4.2 品質管理アナリストCarlosの評価プロセス

Alex Bradley：製品返品を改善分野として特定したJaneは、AnyCompany Retailの品質保証アナリストであるCarlosに連絡を取りました。Carlosの役割は、顧客とのやり取りがAnyCompany Retailの品質基準とカスタマーサービス基準を満たしているかを確認することです。

Carlosは最初に、AnyCompany Retailのコンタクトセンターの通話の最大100%まで自動的に評価を実行し、提出する評価フォームを作成します。これは、Contact Lensのルールが製品返品に関する通話を識別するたびに実行されます。

もし製品返品の自動評価結果で、エージェントが製品の状態確認を怠っていたことが判明した場合、それはエージェントの問題解決能力をさらに分析する機会となります。このようなシナリオでは、QAアナリストチームに通話を手動で再評価するタスクが自動的に割り当てられます。

Carlosは自身のコンタクトコントロールパネルで着信タスク通知を確認することができます。Contact Lensルールの特に強力な使用方法の一つは、このようなタスクを生成するルールを構築することです。これにより、コンタクトセンターの問題を特定し、担当者を明確にした追跡可能なアクションを作成することができます。

Carlosはコンタクト記録内から、通話後のサマリー、通話録音、トランスクリプト、評価フォームに簡単にアクセスできます。また、コンタクト記録内で完了した評価結果も確認できます。自動評価により、エージェントが製品返品の状態確認を行わなかったと判断された場合、Carlosがこの通話を再評価します。

生成AIを活用した新しい評価フォームでは、エージェント評価の質問に対する回答の推奨事項が提供され、QAアナリストはより速く、より正確に評価を実施することができます。生成AI駆動の評価は、回答に対する文脈と根拠を補足することで、エージェントの行動についての追加のインサイトを提供します。また、推奨回答の根拠として使用されたトランスクリプトの参照ポイントも表示されます。

評価スコアが50%未満の場合、Carlosはこれをコーチングの機会と考え、スーパーバイザーが評価で見つかった改善可能なインサイトに基づいてエージェントのフォローアップを確実に行えるようにします。このために、QAチームは評価結果に基づいてスーパーバイザーに自動的にメールやタスクを送信するルールを作成しています。これにより、スーパーバイザーと品質アナリストが評価結果を徹底的にレビューできる品質保証監査が促進されます。

4.3 品質管理アナリストShirleyのキャリブレーション

Alex Bradley：キャリブレーションは、エージェントのパフォーマンス評価プロセスにおいて極めて重要な要素です。これは、評価の一貫性と正確性を確保し、顧客とのやり取りが評価者全体で公平に評価されることを保証します。

品質保証チームのメンバーであるShirleyは、AnyCompany Retailのコンタクトセンターにおける製品返品に関する懸念を認識しています。そこで、パフォーマンスのフィードバックが公平で正確であることを確実にするため、前述のQAアナリストCarlosをキャリブレーションセッションに招待することを決定しました。

Shirleyは、先ほど見たコンタクト記録を開き、評価内のキャリブレーションセッションを選択します。そこで、セッションをセットアップするためのオプションを選択できます。キャリブレーションセッションフォームには、セッション中に使用されるコンプライアンスフォーム、セッションのタイトル、このセッションに招待されたQAアナリスト、設定する必要のある期限などが含まれます。

Shirleyがセットアップを選択すると、セッションの詳細とコンタクト記録へのリンクを含むメール通知が、すべての参加者に送信されます。Shirleyは、自身が作成したセッションのリストにアクセスでき、セッションのステータスとすべての参加者の進捗状況を監視することができます。すべての参加者が評価を提出すると、Shirleyはセッションを完了とし、レポートをダウンロードして、コンタクト記録内から直接結果にアクセスすることができます。

このキャリブレーションプロセスにより、評価の一貫性が保たれ、品質基準が組織全体で統一して適用されることが保証されます。これは、コンタクトセンターの品質管理における重要な要素となっています。

5. Toyotaのケーススタディ

5.1 ブランドエンゲージメントセンターの役割

Bradley White：私たちが直面していた課題は、大量のデータの取り扱いでした。よく「良いものは多すぎることはない」と言われますが、必ずしもそうとは限りません。通話の文字起こしを始めると、すぐに大量のデータが蓄積され、時には多すぎるほどになりました。このデータをどのように扱い、ステークホルダーとどのように共有するか、それが私たちの課題でした。顧客に関する豊富なインサイトがデータの中に隠れていることは分かっていましたが、それを経営陣や他の部門にどのように伝えるかが課題でした。品質、顧客満足度、トレンド、最新の問題など、すべての情報を求められていましたが、これらの要求にどう応えるかが重要な課題でした。

この課題に対する私たちの解決策は、会話要約機能を備えたContact Lensでした。これにより、データを深く掘り下げ、トレンドを特定し、インサイトを引き出すことが可能になりました。

私たちのブランドエンゲージメントセンターは、トヨタとレクサスブランドの間に位置し、両ブランドのビジョンと価値観を、プロアクティブで、シームレスで、正確で、魅力的で、パーソナライズされた体験を通じてゲストとチームメンバーに提供する役割を担っています。

私たちは3つの重要な柱に基づいて活動しています。すべては私たちのゲスト（顧客）から始まり、そこで終わります。ゲストに対する期待レベルとして、彼らを知り、パーソナライズされた体験を提供し、ニーズを予測して解決策を提供することが求められています。次に、私たちはディーラーと協力して、多くの問い合わせは最初にディーラーとの接触があることから、シームレスなプロセスを作り、効率的なインタラクションとより迅速な解決を実現しています。最後に、これらをまとめるのが私たちのアドボケイト（支援者）です。彼らをエンパワーし、成長させることで、最終的にはゲストに対する摩擦のない体験を提供することができます。

5.2 Contact Lensの導入と350のルール設定

Mitch Aubin：私たちはAmazon Connectを2023年6月に導入し、すでにContact Lensを使用してリアルタイムの文字起こしなどを行っていました。トヨタの評判として、私たちは車両と顧客体験の品質に非常にこだわっています。そのため、企業全体のさまざまな部門の幹部が頻繁にコンタクトセンターに連絡を取り、「顧客は何について電話してきているのか？」「どのような問題を抱えているのか？」といった質問をしてきます。彼らは、これらの情報を基に品質向上の対応を行いたいと考えています。

そこで私たちはContact Lensを活用し、「昨夜ニュースで取り上げられた問題について顧客から問い合わせがあるか」といった事態にも、アドボケイトに問い合わせたり会議を開いたりすることなく、データから直接把握できるようにしました。

現在、私たちは350のContact Lensルールを設定して顧客体験を分析しています。これらのルールによって収集されたインサイトを理解し、データをフィルタリングして分析し、トレンド分析とレポートを作成しています。私たちは大規模な企業であり、AWSのデータレイクとその上にTableauを構築しているため、これらの標準的な要求に対応できるだけでなく、経営陣からの臨時の要求にも迅速に対応できるよう、動的なTableauダッシュボードを構築しました。

例えば、トヨタが最近発売したランドクルーザーについて、新製品に対する関心が高まっているため、顧客の反応や問題点を素早く把握し対応したいというニーズがあります。私たちのルールは、製品品質に関する新たな懸念事項を顧客が提起した際に、それを即座に検出することができます。

注目すべき点は、顧客が一つの主要な問題（例：最初のオイル交換の時期）について電話してきても、会話の中で別の内容（カップホルダーの使い便利さなど）についてもコメントする可能性があることです。アドボケイトは主要な問題を「製品知識に関する問い合わせ」として分類するかもしれませんが、私たちは会話の中の付随的なコメントもすべてキャプチャーし、カテゴライズし、顧客の感情を把握することができます。これらのデータをデータレイクに取り込み、Tableauダッシュボードで表示することで、企業全体の幹部がこれらの洞察に基づいて行動を起こすことができます。

5.3 データ分析とステークホルダー対応

Mitch Aubin：私たちはステークホルダーからの懸念事項とその対応について、いくつかの重要な課題に直面しました。まず、「なぜこの分析にContact Lensを使用するのか？」という質問がありました。すでに私たちはContact Lensをリアルタイムの文字起こしに使用し、そこから得られる価値を実感していましたが、トヨタには豊富なデータレイクがあり、すべてのデータがそこに送られ、Tableauで分析されているという状況でした。「なぜTableauだけでこの分析ができないのか？」という疑問が提起されました。

さらに、無制限のルールを持っているわけではないため、これらのリクエストをどのように管理するか、そしてルールが正しいデータを正確に特定しているかを評価・検証する必要がありました。

実験を重ねた結果、私たちはContact Lensがデータにタグ付けを行うことで、データを豊かにしていることを発見しました。このタグ付けはデータレイクに送られたデータと一緒に保持され、分析チームがTableauでより意味のある方法で、そしてこれまでよりもはるかに迅速にデータを表示することを可能にしました。

また、トヨタのカイゼン文化の核心である「計画・実行・確認・改善」のアプローチを活用して、反復的な改善プロセスを追求しています。つまり、ルールを作成し、何が起こっているかを検査し、期待する結果が得られているかを確認し、そうでない場合はルールを調整して改善を続けるというプロセスです。この方法で、私たちは確実に改善を重ねることができています。

次に、これらのルールが正しく機能していることを確認するためのガバナンスフレームワークを確立しました。ルールを変更する場合、その日から異なるデータが生成されることになるため、そのルールを使用していたステークホルダーに、その日以降のデータが少し異なる、あるいは大きく異なる結果を生成する可能性があることを通知する必要があります。

最後に、CEOから突然の要請があった場合など、アドホックな要求にも対応できるよう、分析チームと協力して動的なTableauダッシュボードを作成しました。このダッシュボードにより、今日必要なデータを提供することができます。そして、そのアドホックな要求が定期的な日次、週次、月次、四半期ごとの要求になる場合は、ルールとしてそれを強化し、標準的なレポートとして作成できるようになっています。

6. Toyotaの実証結果と今後の展開

6.1 具体的な改善指標

Mitch Aubin：Amazon ConnectとSalesforce Service Cloud Voiceの実装以降、私たちは複数の重要指標で顕著な改善を達成しました。

まず、顧客認証が40%向上しました。これにより、顧客の本人確認プロセスがよりスムーズになり、サービス提供の効率が大幅に改善されました。

次に、顧客セルフサービスにおいて4%の向上を達成しました。これは、顧客が自分で問題を解決できる割合が増加したことを意味し、特に営業時間外でも顧客が自身で解決できるようになったことは大きな進歩です。

IVR（自動音声応答システム）における所要時間は83%削減されました。これは顧客がより迅速に必要なサービスにアクセスできるようになったことを示しています。

通話処理時間に関しては20%の削減を実現しました。また、転送率（最初の担当者から別の担当者への転送が必要となるケース）も10%削減することができました。

これらの改善は単に労働コストの削減だけでなく、より重要なこととして、顧客の時間を節約し、満足度の向上につながっています。特に注目すべき点は、これらの改善が相互に関連し合い、全体としての顧客体験の質を向上させていることです。

私たちの分析では、処理時間の短縮と転送率の低下は、より適切な担当者への最初のルーティングが改善されたことを示しており、これはContact Lensによる高度な分析と、それに基づくルーティングルールの最適化の成果だと考えています。

6.2 生成AI活用の実証実験と効果

Mitch Aubin：私たちは現在、Contact Lensの生成AI駆動の会話サマリー機能の導入を進めています。最初に会議室でのパイロットテストを実施し、機能の検証を行いました。この検証は非常に重要でした。なぜなら、私たちはConnectを使用してリアルタイムの文字起こしを行い、それをSalesforce Service Cloudコンソール内に記録していましたが、そのデータ量が膨大で、チームがアクセスするのに苦労していたからです。

また、エージェントに各通話のサマリーを作成させていましたが、エージェントは社内の略語や専門用語を使用する傾向がありました。これは組織内のブランドエンゲージメントセンターの関係者以外には理解が難しい状況を生んでいました。

会話サマリー機能を使用することで、以下の改善が実現できました：

• サマリーの品質が向上し、専門用語ではなく平易な言葉で記述されるようになりました
• 生成AIが通話やテキストを要約し、「顧客がこの問題について電話してきた」「エージェントはこのように対応した」「顧客は結果に満足した/しなかった」「次のアクションはこれ」というような、自然な言語で記述されるようになりました
• 後処理時間が短縮されました
• 一回で解決したケースなのか、追加対応が必要なケースなのかが明確になりました

しかし、私たちはここで立ち止まることなく、さらなる改善を進めています。サマリーがService Cloud Voiceコンソールに表示される際、エージェントが追記や編集できるようにしました。また、エージェントは生成されたサマリーに対して「いいね」や「よくない」という評価を付けることができます。

さらに、エージェントがどの程度の頻度で変更を加えているかを追跡できるよう、システムを構築しました。これにより、将来的な調整の必要性を把握し、コーチングの機会を特定することができます。例えば、AIを信頼せずに常に自分で書き直すエージェントや、逆にすべてを受け入れるだけのエージェントを特定し、適切な指導を行うことができます。

特筆すべき点として、エージェントたちはこの機能を非常に高く評価しています。「通話の要点を正確に捉えており、少し調整するだけで済む」という声が多く聞かれます。また、法務チームからも好評です。以前は略語や専門用語の対照表が必要でしたが、今では一般の人にも理解できる自然な言葉で記述されているため、法的な問い合わせや調停、訴訟などの場面でも、トヨタに関係のない人々にも容易に理解してもらえるようになりました。

6.3 今後の改善計画とKaizen文化の継続

Mitch Aubin：私たちは、トヨタのカイゼン文化と考え方に基づいて、計画・実行・確認・改善のサイクルを継続的に実施していく予定です。具体的には、ルールの改善と拡張を続け、変化する状況に適応させていきます。

Amazonが継続的にリリースする生成AI機能についても、積極的に採用を検討していきます。ただし、新機能の導入に際しては、ガバナンスプロセスを完全に確立し、ルールの管理を適切に行っていく必要があります。これにより、インサイトに基づいた自動化をブランドエンゲージメントセンターの運営効率の向上に活用したり、組織の他の部分に展開したりすることが可能になります。

観客の皆さんへのアドバイスとしては、Amazon Connectをお持ちの方は、すでにContact Lensが利用可能な状態にあるはずですので、まずは使い始めることをお勧めします。最初のルールを設定し、実験してみてください。何が起こっているのか観察し、楽しんでください。そして2つ目のルールを設定してみましょう。ルール同士が相互に作用し、サポートし合うようにしてください。

これは実際に非常に楽しいツールです。ぜひ試していただき、私たちと同じようにカイゼンの旅を始めていただければと思います。

Kevan Mah：最後に、カイゼンの精神に則って、このセッションについてのアンケートへのご協力をお願いします。このような Amazon Connect のコンテンツをご希望の場合は、ぜひ5つ星の評価をお願いします。また、改善できる点についても、カイゼンの精神で私たちにフィードバックをいただければ幸いです。より多くの顧客事例や、デモ、製品戦略についての情報など、ご要望をお聞かせください。それにより、今後のセッションをより良いものにしていくことができます。