AI活用事例データベース
東京電力エナジーパートナーが、全国複数拠点・数千席規模のコンタクトセンターを Amazon Connect と Amazon Bedrock で刷新した。通話内容からの64分類のコールリーズン自動判定で網羅性95%・正解率85%を達成し、説明漏れの法令チェックも生成 AI で全件自動化した。
電力・ガスの小売事業として全国複数拠点・数千席規模のコンタクトセンターを運営している。デジタルチャネルの比率が上がる中でも電話が約4割を占め、IVR が複雑でオペレーターに繋がるまでの導線がわかりにくいこと、オペレーターのスキルと用件のミスマッチ、応対後の処理負荷の大きさ、拠点ごとに利用システムが異なり会話データを横断的に活用できないことが課題だった。
オンプレミス環境の保守期限を迎えてシステムを刷新するタイミングで、CX 向上と業務効率化を同時に実現するプロジェクト「SEEDS」を立ち上げた。Phase1 では Amazon Connect Customer をベースとした新たな受電環境を構築し、全国の拠点のうち18拠点の切替を完了した。できる限り標準機能を使いスクラッチ開発を最小限にした。生成 AI では、通話内容から問い合わせ理由を自動分類するコールリーズン分析と、オペレーターの説明漏れ等を全件自動チェックする法令チェックを実装した。
要件整理からリリースまで約10か月、拠点切替は約3か月で完了した。コールリーズン分析は64分類での自動判定を実現し、約600件のテストデータで網羅性95%・正解率85%と目標を上回る精度を達成した。基盤モデルはリリース時点の Claude 3.5 Sonnet / Claude 3 Haiku から、2026年には Claude Sonnet 4.5 / Claude Haiku 4.5 に更新している。プロジェクトを通じて実務担当者11名が生成 AI の特性を理解したうえでプロンプトを設計・評価するスキルを身につけた。
システムの保守期限は、CX 向上と業務効率化をまとめて進める好機になる。標準機能中心でスクラッチを最小限にし、生成 AI のチューニングを早期から並行させると短期間で切り替えられる。
気になった事例をリストに集めて、PDFや共有リンクでまとめて共有できます。メールアドレスだけで始められます(パスワード不要)。
登録をもって利用規約・プライバシーポリシーに同意したものとみなします。当社から業務上のご連絡・ご案内をお送りする場合があります(配信停止可)。
メールに届いた6桁のコードを入力してください(5分間有効)。