［製品紹介］ COTOHA Voice Insight / NTTコミュニケーションズ

• 製品紹介

会話の“見える化”で絶大な効果！
コンタクトセンターの業務変革

コンタクトセンター向け音声テキスト化サービス「COTOHA Voice Insight^®」

NTTコミュニケーションズ

「音声認識システム」は、2019年秋現在、最も“旬”なITといえる。スマートフォン向けのあらゆるアプリ、自動車、AIスピーカーなど、さまざまな製品／サービスに組み込まれている。コンタクトセンターにおいてもニーズは急拡大。契約確認、オペレーターの評価・教育のためのモニタリングなど、さまざまな活用シーンで導入が進んでいる。NTTコミュニケーションズ株式会社（以下、NTT Com）が展開する「COTOHA Voice Insight^®」は、NTTの研究所で培った日本語解析の技術を安価かつ手軽に利用できるクラウドサービスとして耳目を集めつつある。

　コールセンターにおける音声認識システムの歴史は、かなり長い。2000年代初頭にはすでに英語圏で利用開始され、日本にも上陸した。しかし、“世界一難しい”と言われる日本語の認識はやはり困難で、かつ一定水準の認識率を達成するには膨大な手間とコストを要するため、「ROI（費用対効果）が見出だせない」として、なかなか普及に至らなかった。

　その様相に変化が生じたのは、ここ数年、IT市場を活性化させたAI（人工知能）とクラウドサービスの普及だ。

　AIを適用することで、認識精度が飛躍的に向上しただけでなく、さまざまな関連ソリューションとの組み合わせで活用シーンが拡大。さらにクラウドサービス化によって、それまで“数千万〜億単位”と言われていた導入費が低下し、一気に導入機運が高まっている。

　図１は、コールセンタージャパン編集部が実施した「コールセンター実態調査」における「導入／導入予定のITソリューション」に対する回答をまとめたものだ。音声認識システムの導入率は12.3％だが、「導入予定」は23.2％で、ブーム化しつつあるチャットボットに次ぐ導入意向となっている。

図1　導入／導入予定のITソリューション（n=220、複数回答あり）

活用シーンが拡大する音声認識システム
「VOC」「モニタリング」へのニーズ高まる

　音声認識システムのコールセンターにおける活用は、（１）顧客の発声を認識し、IVRと組み合わせてプッシュトーンの代わりに用件を入力する、（２）顧客の発声を認識し、用件に応じたFAQなどのナレッジベースをオペレーターのデスクトップに表示する、（３）顧客とオペレーターのやり取りをすべてテキスト化し、VOC分析やモニタリングの自動化を図る、（４）顧客の発声を認識し、合成音声でやり取りする音声ボット（コミュニケーションの自動化）──などがある。（４）の音声ボットの事例はまだ極めて少ないが、（１）〜（３）はすべて、先進的なコールセンターでの採用が始まっている。

　近年、最もコールセンター運営企業が注目している用途は（３）だ。従来、VOCとは「オペレーターがCRMデータベースに入力したテキスト情報」が基盤だったが、これはオペレーターの要約スキルに依存し、かつ繁忙期にはACW（後処理業務）の短縮のため、詳細な記録が難しいといった課題がある。全文テキスト化し、マイニングすることで、この課題はある程度解消できるはずだ。

　さらに大きな効果が見込まれるのがモニタリング業務だ。コールセンターのマネジメントにおいて、最も大きな労力と時間を割いている業務なだけに、効率化に対する期待値は大きい。特にオペレーター評価では、評価サンプル通話数が増加し、公平性が増すことでモチベーションの向上につながるという。

セキュリティも万全！
クラウド上にファイルを残さない仕様で提供

　NTT Comは2019年春、コンタクトセンター向け音声テキスト化サービス「COTOHA Voice Insight」をリリース。高度な音声認識機能をクラウドサービスとして提供している。

　アプリケーション＆コンテンツサービス部 テクノロジー部門 第四グループの朝倉浩志課長は、「コールリーズン分析、クレームの抽出、成果をあげたアウトバウンドコールの分析、コンプライアンスチェックなど、さまざまな用途で手軽に活用できるサービスです。人手不足に苦しんでいるコールセンターの業務変革を推進したい」と説明する。

　サービス概要は図２の通り。クラウドといっても、パブリック型ではなく閉域網で行うプライベート型なので、情報セキュリティに関しても備えは万全だ。実際に、金融各社に代表されるように、音声ログの取り扱いには細心の注意を払うセンター運営企業が多い。「COTOHA Voice Insight」は、テキスト化した音声ファイルは自動的に消去される。また、生成されたファイルも７日間経過すると自動消去され、クラウド上にはファイルを残さない配慮がされている。

図2　COTOHA Voice Insightのサービス概要

高い操作性、高精度の認識率──
安価で短期間に最先端の技術を利用

　現場における操作もかなり容易で、優れたインターフェイスを搭載している。コンタクトセンターの担当者が管理画面から音声ファイルをアップロード（API経由での自動アップロードも可能）すると、即座にテキスト化が施され、ダウンロードできる。いわば準リアルタイム型のスピーチ・トゥ・テキストで、タイムラグも少ない。

　最大の特徴は日本語の処理に長けている点で、NTTの研究所で蓄積された長年の研究成果が最大限に発揮されている。汎用辞書の性能が高いため、「チューニングレスでも十分に活用でき、稼働開始までの時間も大幅に短縮できます」（朝倉課長）という。それに企業ごとの専用辞書を組み合わせることで、音声認識システムにおける“永遠の課題”ともいえる認識精度も飛躍的に高めることが可能だ。顧客の発声は多少認識率が落ちる場合もあるが、「専用辞書のチューニング次第ではオペレーター・顧客の発声の認識率を平均で90％程度まで引き上げることができる」と自信を見せる。なお、同社では専用辞書の作成支援メニューも提供する方針だ。

　導入費用に関しては、運用するボリュームによるが「ミニマム構成（300時間）で月額25万円から」（朝倉課長）。申込金、初期の設定費用等は別途必要だが、数千万〜億単位と言われていたオンプレミス型とは比べるまでもない。もちろん、大規模センター向けにボリュームディスカウントも可能だ。

　高機能な日本語認識エンジンを安価かつ短期間で導入できるだけに、盛り上がりつつある音声認識市場へのニーズに応えられるサービスといえる。朝倉課長は、「契約確認、コンプライアンスチェックなど、録音データを聞き起こす必要のあるセンターは数多い。さまざまな用途で提案し、音声認識市場のすそ野を拡大したい」と意気込む。さらに、契約の獲得や顧客からの感謝の言葉をもらった「優秀な対応」の抽出も容易となるため、同社ではそれをベースとしたトークスクリプトの作成も提案する方針だ。

　実際に、後述する事例企業の１社、通信事業者の株式会社東名では、４名がかりで契約に関わる全通話内容を確認していたが、その負荷は大幅に軽減されている。人手不足は、オペレーターだけでなくこうしたリーダークラスの管理者にもおよんでいる。金融、通信、通信販売など、同じような課題を抱えているセンターには極めて親和性の高いソリューションといえそうだ。