CX テキスト分析から得た教訓を生成 AI に適用する
生成 AI は、テキストベースの人工知能の力を急速に民主化しました。基本的に、インターネットにアクセスできる人は誰でも質問可能で、超高性能ボットから回答を得ることができるようになりました。
AI ツール、特に大規模言語モデル (LLM) は、多くの実用的なテキスト分析のユースケースに活用できます。私たちは新しい環境にいますが、テキスト分析の過去から学ぶことで、間違いを繰り返さず、これらの新しいツールを最大限に活用できるようになります。
10 年以上前にはニッチなサービスであったテキスト分析が、現在ではほとんどの大規模または継続的なカスタマー エクスペリエンス (CX) プログラムにおいて標準となりました。これは、アスキング型（オープンエンドの質問など）やリスニング型（ソーシャルメディアなど）のフィードバックにおける主要なトピックとセンチメントの特定と定量化が可能になっています。
私たちは新しい環境にいますが、テキスト分析の過去から学ぶことで、間違いを繰り返さず、これらの新しいツールを最大限に活用できるようになります。
このペーパーでは、当社の CX 専門家が、過去 15 年間のテキスト分析の経験をもとに、 真実、美、正義の AI フレームワークを使用して、 LLM を活用した生成AIツールを適用する際にチームが留意すべき 5 つの重要な教訓について解説します：
- 透明性を求める。 LLM の機能、モデルのトレーニングに使用されるデータの性質、新しいデータを経験する際に LLM が学習し適応できるかどうかを明確にすること。透明性とは、機密データや情報のプライバシーとセキュリティを保護するための契約、ガバナンス、インフラを整備することも意味する。
- データを忘れない。関係するデータがビジネス上の質問を代表するものではなく、関連性がない場合、またはその質問に答えるのに十分な詳細が含まれていない場合、結果は目的に反したものになる。
- 正式な評価は依然として重要。テキスト分析から最大限の価値を得るには、特定のユースケースの品質を体系的に評価する必要がある。 LLM を従来のテキスト分析と同じ厳密さに保つことで、最大限の価値を確実に得ることができる。
- 期待に応える。これまでのテキスト分析と同様に、LLM が提供するコメントに対するエンドユーザーの期待に応える必要がある。LLMが提供するアウトプットは、確認されるべきものである。
- ビジネス ニーズに合ったレポート/使用メカニズムを確立する。 LLM と 生成 AI は、テキスト分析がすでにあるところ、つまりライブインタラクションのための既存の設定可能なインターフェイスでその役割を果たす。これらのインターフェイスは、適切な機能をサポートするモデルとともに、適切なユーザーの手に渡る必要がある。
LLM にふさわしい敬意を持って接し、過去から学び、未来を受け入れることができれば、間違いなく、より良い、より忠実で、より収益性の高い顧客関係を築くことができるでしょう。
イプソスの幅広い視点について、詳細は最新の Ipsos CX thinking をご覧ください。
イプソスのお客様の声、カスタマー エクスペリエンス分析、カスタマー エクスペリエンス アドバイザリーの詳細をご覧ください。イプソスがあなたの企業をどのようにサポートできるかについては、Ipsos CXローカル 担当者、またはイプソスのグローバル エキスパートにお問い合わせください。
