Vol.62 コールセンター最新システム事情 ～音声認識システムの活用法
冒頭の図に音声認識で実現できる領域・課題・対策（例）を整理していますが、案外多いのが、通話音声をテキストできたら便利だなぁとか、音声認識からNGワード検出できたらいいなぁ・・とか漠然とした思いがあって導入検討が開始され、その過程で認識精度がちょっと低い・悪いという事で断念してしまうケース。
システムベンダーさんからすると、最近の音声認識精度は非常に高いという自信がありますが、誤認識・精度が悪い通話ログを聞いてみると、そもそも会話内容が不明瞭で聞き取りにくいというケースが多いようです。会話で聞き取り難い通話内容を音声認識で聞き取れるはずもなく、こんなケースをきちんとチェックせずに、表面の認識率とか誤字変換率だけに目がいくようだと導入したとしても、きちんと効果を出せるのかは疑問です。
やはり、まずは音声認識の導入には、現状の課題をきちんと整理して、明確な目的を定義する事から始めるのが第一です。用途によって採用すべき音声認識の処理方法も異なります。
リックテレコム社の月間コールセンタージャパン誌11月号（以下CJ誌）にも、音声認識の処理方法は「リアルタイム型」と「バッチ型」、全文テキスト化を行う「ディクテーション」、キーワードを抽出する「ワードスポッテキング」に分類できると書かれています。リアルタイム型かつ全文テキスト化ができれば全ての用途をカバーできると考えがちですが、費用対効果を鑑みるとコスト過剰になってしまうケースもあるようなので注意が必要です。（この辺りの詳しい説明はCJ誌2019年11月号をご覧下さい）
この導入目的フェーズが固まれば、次に費用対効果の算出が可能になりますので、PoC（概念実証）に移行する事になります。PoCという言葉は昨年あたりのコールセンター流行語大賞にノミネートされるぐらいに急に頻出キーワードとして使われてきた感があります。どこの会社も、PoC、PoC・・と実証を続けてきたコールセンターさんも多いと思います。
また、実務運用でも、音声認識システムを導入したら一気に業務改善が達成できた！というセンターはほとんど無いと思います。ある意味、どのシステムも同じですが、システムは導入して終わりでは無く、導入が本当の意味でスタートラインです。例えば、音声認識率を高めるためには、トークスクリプトが整備されてないセンターより整備されているセンターの認識率が高いですし、専門用語の辞書登録のメンテの格差も大きいです、なにより音声認識システムを導入する事で、お客様との会話の終話直前に、オペレーターが「この通話の要約・お客様の言葉の復唱」を明瞭な声で行う事で、その通話の会話内容の音声認識精度も格段に高まり、テキスト化しても誤字変換率が低い運用ができるはずです。導入各社で運用に成功しているコールセンターはこのような当たり前の事から、独自運用手法で音声認識システムの高度な運用法を日々改善しているようです。
コールセンターでの標準装備の世の中に
ここもCJ誌の引用ですが、一般的には音声認識の導入には現場の手間と労力がかかりますが、技術革新によって大きな変化が訪れるそうです。具体的にはエンドツーエンドモデルを採用した音声認識システムがカギを握るようです。従来の音声認識は、辞書・音響モデル・言語モデルが別々に処理するため学習も個別に必要でした。エンドツーエンドモデルではこれらを一つの処理として実行するため、学習に要するコストを大きく抑えられるそうです。これにより、今後は小規模センターでも活用が広がり、近い将来はコールセンターにおいての標準装備となる日も近いと思います。私も、音声認識-活用の可能性は非常に多岐に渡りかつ、今のコールセンターの課題解消には効果的なシステムなので、今から将来に向けた検討を開始しても遅くないと思います。
2020年03月07日 16:35
