機械学習

解説

機械学習は、人がルールを書くのではなく、コンピューターに大量のデータを読み込ませ、データの背景にある規則性を学ばせる技術です。カスタマーサポートでは、問い合わせの内容分類、呼量の予測、解約の兆候検知などに使われています。条件分岐を人が書き切れないほど例外が多い処理ほど、機械学習に向いた対象といえます。

種類

機械学習は、学習の方法によって主に次の3つに分かれます。

• 教師あり学習：正解のラベルが付いたデータを学習させる。たとえば、過去の問い合わせと分類ラベルの組から、新しい問い合わせの分類を予測する
• 教師なし学習：正解を与えず、データの構造や法則をアルゴリズムが自動的に抽出する。たとえば、似た内容の問い合わせをグループに分ける
• 強化学習：正解を与えず、システム自身が試行錯誤しながら精度を高める

実務での使われ方

学習データの質が、そのまま精度に表れます。過去の問い合わせにどのようなラベルが付いているかで、分類の精度は大きく左右されます。たとえば、分類の定義が担当者ごとにぶれていれば、学習させたモデルも同じようにぶれます。さらに、特定の期間やチャネルのデータだけで学習させた場合も、データの偏りが予測に表れます。したがって、導入時には、モデルの選定だけでなく、データの整備にも十分な工数を見込む必要があります。

注意点

判断を誤ったときの影響が大きい処理は、機械学習の出力だけで決めないようにします。たとえば、返金の可否やアカウントの停止などが該当します。具体的には、確信度スコアが低い場合は有人に回す、該当キーワードを含む問い合わせは必ず人が確認するといった形で、ルールによる制御と併用します。機械学習は確率に基づいて答えを返す仕組みのため、一定の割合で誤る前提で業務に組み込みます。