Česká spořitelna：GenAIが金融サービス業界のコールセンターをどのように変革しているか

チェコの貯蓄銀行、Česká spořitelnaは、オーストリアのErste Groupの一部門であり、最近AIソリューションビルダーのDataSenticsと協力して、コールセンターでのGenAIの使用を検討しました。Českáは、年間約200万件の電話を受けるインバウンドコールセンター業務の品質管理を改善し、コストを最適化したいと考えていました。彼らは、内部と外部のAIモデルの両方を試すために、Databricks Data Intelligence Platformを選びました。これにより、コールセンターエージェントの効果を評価することができました。

 

顧客サポートの品質管理システムの検討

 

Česká spořitelnaのコールセンターチームは、エージェントが顧客との対話中にスクリプトに基づいたガイドラインを遵守することを確認するGenAIによる品質管理システムをテストしたいと考えていました。Ceskaにとっての重要な課題は、日常的な顧客の問い合わせに対するエージェントのコミュニケーションの一貫性が確実に確保されることでした。顧客が口座残高について問い合わせるとき、エージェントは彼らをオンラインバンキングソリューションに誘導する必要があります。これは、デジタル採用と運用効率を向上させるための重要なビジネス要件です。サポートチームは、エージェントのコンプライアンスを確認し、何千もの顧客との対話全体でコミュニケーションの基準を維持するためのスケーラブルな方法が必要でした。これを達成するために、チームはまずWhisperというOpenAIの音声からテキストへのモデルを使用して、会話を正確に書き起こしました。課題は、コールセンターエージェントが使用する話し言葉をその意味を歪めることなく正確に表現した人間が読めるテキストを生成することでした。書き起こしは、論理的な意味を持ち、さらなる分析のために会話の意図を正確に反映する必要がありました。

 

転写に続き、チームは内部のGPTモデルとMixtralのようなオープンソースモデルを統合して効果を評価することを検討しました。GenAIモデルは、シミュレートされたQAの役割でテストされ、「エージェントは顧客をオンラインバンキングにリダイレクトしましたか？」などの特定の質問に答える任務が与えられました。この演習の目的は、これらのモデルが確立されたガイドラインの遵守を確認する際に、人間の理解と意思決定をどれだけ模倣できるかを評価することでした。内部のGPTモデルとオープンソースモデルのパフォーマンスを比較することで、チームはAIによる自動品質管理を通じてカスタマーサービスを改善するための最も効果的な解決策を見つけることを目指しました。

 

GenAIのためのDatabricksデータインテリジェンスプラットフォームの利点

 

DataSenticsチームはこのソリューションのためのいくつかのオプションを評価し、最終的にはいくつかの理由から、Databricks Data Intelligence PlatformとMosaic AIツールをČeská spořitelnaでデプロイすることを選択しました：

• データ管理とガバナンスの利点：Unity Catalogは、様々なモデルに対してデータを容易にアクセス可能にしながら、機密データを制限されたアクセス下に保持します。
• 包括的なデータ処理能力： Databricksプラットフォームは、コールセンターデータの前処理全体のワークフローをサポートし、トランスクリプションから品質管理までを行います。これにより、マーケティング、リスク評価、規制遵守、詐欺検出などの他のモデルやプロジェクトに活用できる中間結果を生成することが可能になります。
• モデルの訓練とサポート: Databricksは、モデルのアーキテクチャと訓練機能を含むGenAIに対する強力なサポートと専門知識を提供します。これにより、オープンソースモデルを迅速にテストし、デプロイするための理想的なプラットフォームとなりました。これにより、効率的に実験し、反復することが可能になりました。
• クラスタ作成の容易さ： Databricksを使用すると、クラスタを作成し、オープンソースモデルをデプロイするのが簡単です。これにより、実験プロセスが合理化され、モデルのパフォーマンスにより集中し、インフラストラクチャ管理にかかる時間を減らすことができます。
   

洞察と結果

 

プロジェクト全体で、さまざまなセグメンテーション技術を試し、いくつかの貴重な洞察を得ました：

• 入力データの品質が重要：オーディオ録音の品質はクライアントごとに異なり、一部のクライアントは静かにまたは遠くから話すため、後でトランスクリプションの精度に影響を与える可能性があります。Whisperや同様のシステムはこの問題を解決するのに役立ちます。
• カテゴリーの定義は必須：人間が簡単に定義できないカテゴリーは、LLMにとっても理解するのが同様に難しいことがわかりました。これは、モデルを効果的に訓練するためには、明確で正確なカテゴリーの定義が必要であることを再確認しました。
• オープンソースモデルが結果をもたらす: オープンソースモデルは、ChatGPTのような独自のモデルと効果的に競争できることを示しました。この結果は、高品質の結果を達成しながらもコストを最適化しようとするビジネスにとって重要です。

 

次のステップ

 

Databricks Mosaic AIによって強化されたGenAIツールを使用することで、Česká spořitelnaの従業員は、「スマートサーチ」機能を通じてさまざまなドキュメントで見つけた回答にアクセスすることができるようになりました。例えば、購買チームは、異なる国への支払いを制御し承認する方法についてのプロセス文書の何百ページもを参照する必要があるかもしれません。Databricksを活用する前は、従業員が必要な情報を見つけるのに何時間もかかっていました。しかし今では、RAGパワードの検索は、引用とソースドキュメントへのリンクを含む回答を従業員に数秒で提供します。

 

今後、Česká spořitelnaでさらに多くのGenAIワークロードを探求する機会がたくさんあります。私たちは、Databricksとチェスカ・スポリテルナの内部データベースコールセンター録音との間に堅牢な統合を作り出すことを目指しています。これにより、Databricksがストリーミングデータの主要なプラットフォームであるため、離反検出、感情分析、販売シグナル検出などの新たなユースケースが解放されます。これらの日次レポートにより、チェスカ・スポリテルナはリアルタイムで変化に対応し、コールセンターの品質保証を改善しながらコスト削減を達成することができます。

 

このブログ記事は共同で執筆されました ペトラ・スターマノヴァ (Česká spořitelna)、 テレザ・モクレノヴァ (DataSentics)、 ダリボル・カラセク (DataSentics) そして ヨアニス・パウル・シュヴェレス (Databricks)。