株式会社TENTIALのテクノロジー戦略部のエンジニアの薮野です。 私の所属するテクノロジー戦略部の紹介をすると、ビジョン達成の為に全社の課題に対してテクノロジーを用いてEssentialに効率化していく部署です。
部署を横断して行う開発が多く、小さく多くの開発を行うことが多いです。 そのような部署なのでMVPを作るのに生成AIの技術がとても相性が良く、今年は大半の業務で生成AIの技術を用いた開発を行いました。 本記事では今年のTENTIALの社内での生成AIを用いた開発をまとめていきたいと思います。
活用事例
まず最初に活用事例を紹介します。
- 購入後アンケートやお問い合わせのラベリング
- 収集したTENTIALに関するXのポストの感情分析のスコアリング
- CSのお問い合わせに対する1次回答の作成
- GitHubのPRのタイトルのレビュー
- SlackでのChatGPTを用いたBotの導入
- 音声ファイルからの文字起こし&議事録作成
- 求人募集の文章の1字文面の作成
- ECのサイト内検索の最適化
この中からいくつかピックアップして紹介したいと思います
購入後アンケートやお問い合わせのラベリング
当社ではDBからBigQueryに連携したアンケートのデータをラベリングし、Lookerで分析を行えるようになっています。 これを参照して課題を早期発見し、PDCAをDynamicに行える仕組みを構築しています。
収集したTENTIALに関するXのポストの感情分析のスコアリング
SNSの情報は購入前のお客様の生の声を知るのにとても重要です。 Xから収集したポストの情報に対して感情分析のスコアを判定し、課題改善に活かしています。
SlackでのChatGPTを用いたBotの導入
SlackのチャンネルでBotに対して質問を行えるようにしています。こちらは全社員利用することができて、生成AIに気軽に触れる環境を提供するのと、利用方法を社内のテクノロジーに対する理解を向上させることを目的としています。
ECのサイト内検索の最適化
以前はECのサイト内検索が完全一致しか対応していないという課題があったため、ChatGPTを用いて検索キーワードを作成できるようにしました。
実装後の振り返り
よかったこと
データを振り分けるだけの作業(ラベリング、スコアリングなど)はほとんど自動化することが可能になりました。 これらの作業は単調になりがちであり、仕組みに任せることでVOCの結果を改善に移すこと自体に注力することができ、ラベリングされたVOCから課題を振り返りネクストアクションに効果的に繋げることができるようになりました。
課題点
現状TENTIALの情報を生成AIに対して与える仕組みはできていません。そのためまだ実装に取り組めていない開発がたくさんあります。 来年はNotionやSlackの情報を蓄積し、生成AIに対して与える仕組みを構築したいと考えています。