Ryan McDonald, ASAPPのチーフサイエンティスト – インタビューシリーズ

Ryan McDonaldは、ASAPPのチーフサイエンティストです。彼は、研究とデータサイエンスグループの方向性を決定する責任があり、ASAPPのビジョンである、AIの進歩を通じて人間の活動を肯定的に支援することを達成するために尽力しています。現在、グループは、顧客ケアなどのリアルワールドシナリオでのタスク指向のダイアログを進歩させることに焦点を当てています。そんなダイナミックな環境には、多くの相互作用する部分があります: 顧客とエージェントの会話、エージェントが使用する環境とツール、成功のさまざまな尺度、幅広い顧客のニーズと状況。顧客、エージェント、企業のために質の高い結果をもたらすために、この環境を最適化するには、検索、言語生成、制約付き最適化、学習、そして、評価において、重大な研究投資が必要です。

Ryanは、20年以上にわたって言語理解と機械学習に取り組んでいます。彼のPh.D.研究は、ペンシルバニア大学で行われ、NLPにおける構造化予測のための新しい機械学習方法、特に情報抽出と構文分析に焦点を当てました。ペンシルバニア大学での彼の研究は、NLPコミュニティにおける依存解析とドメイン適応の分野の成長に貢献しました。Ph.D.を取得した後、RyanはGoogleの研究グループに参加しました。そこで、彼は消費者レビューのための感情分析と要約モデルを研究し、毎日数百万人のユーザーが利用する大規模な消費者要約システムを開発しました。

Ryanの研究は、次に、大規模マルチリンガル言語理解に移りました。初期の研究では、機械翻訳の改善に焦点を当てましたが、情報検索とデジタルアシスタントにおけるマルチリンガルの重要性の増大により、研究はこれらの重要なテクノロジーの国際化に向かっていきました。Ryanのチームは、Googleアシスタントをグローバルテクノロジーとして開発する上で重要な役割を果たしました。この期間中、Ryanはまた、学術的なコラボレーターと共に、Universal Dependenciesコンソーシアムを主導しました。これは、構文言語リソースを目的とした最大のマルチリンガルデータコンソーシアムです。Googleでの10年以上の消費者向け製品での仕事を経て、Ryanはエンタープライズに焦点を当て、Googleのクラウドサービス、包括的なNLP API、コールセンターAI、科学文献からの知識発見のためのソリューションを改善するためのNLPとMLのプロジェクトを数多く率いてきました。RyanのエンタープライズNLPとMLに関する研究は、ASAPPで継続されています。

Ryanは、トップレベルのジャーナルと会議で100を超える研究論文を発表しており、これらの論文は数千回引用されています。彼は、EMNLP、NAACLなどのプレミア国際会議で、多言語構文分析に関する研究で最優秀論文賞を受賞しています。彼の著書「Dependency Parsing」は、構文解析の主要な教育リソースとして10年以上にわたって使用されてきました。NLPとMLのトップ会議でエリアチェアを務めたほか、トップ2つのジャーナル「Transactions of the Association for Computational Linguistics」と「Computational Linguistics」の編集者も務めています。Ryanは、多くのPh.D.学生とインターンを指導し、世界中のトップ会議、ワークショップ、大学で招待講演を行ってきました。

あなたが機械学習、特に自然言語処理に興味を持ったきっかけは何ですか?

私は、コンピューターサイエンスと哲学の二重専攻で学士号を取得しました。私は、AIの哲学だけでなく、AIの実際的な側面にも興味がありました。私は、Gerald Penn氏と共同で、携帯電話向けニュースの要約に関する研究プロジェクトに取り組む機会を得ました。これは20年以上前のことです。当時の方法は現在の基準では原始的なものでしたが、Geraldは優れた指導者で、私に構文と意味の形式的なモデル、つまり言語の構造についての興味を持たせました。私は、人間が毎日自然に解析する言語の複雑さと、それを説明するための数学的フレームワークに魅了されました。当時、検索エンジンは普及しており、NLPとMLの将来の潜在的な利益を感じることができました。

あなたは100を超える研究論文を発表しており、数千回引用されています。どれが最も影響力のある研究論文だったと思いますか?

これは答えるのが難しい質問です。時間が経つにつれて、私の答えも変わります。数年前であれば、依存解析のためのグラフアルゴリズムに関する私の研究を挙げるでしょう。この研究は、Joakim Nivre氏の研究と共に、構文依存解析の分野に大きな影響を与え、テクノロジー企業でのNLPの採用に貢献しました。しかし、最近では、ドメイン適応に関する私の研究を最も影響力のあるものだと考えています。私が使用した方法は現在ではあまり関連性がありませんが、この研究は問題の枠組みとその重要性を明確にしました。現在、エンタープライズに重点を置いている私は、当時提起した問題がまだ解決されていないことを認識しています。

Googleでの経験から得た主な教訓は何ですか?

私の主な教訓は、NLPとMLモデルを構築する際には、いつものように予期せぬ問題が発生する可能性があるため、データ、エラー分析、メトリクスなどに執着する必要があるということです。痛みの原因を予測することは往々にして無駄なので、エンドツーエンドのモデルをできるだけ早く構築し、適応することが重要です。

NLP/MLの研究者として、私たちはモデルが壊れる可能性のある点に焦点を当て、モデルが破綻する可能性のある仮定について考えています。しかし、多くの場合、データ処理やUXがNLP/ML製品の成功の鍵となります。そうした基盤が固まって初めて、モデルを改善して価値を最大化することができます。

2021年初頭にASAPPのチーフサイエンティストに就任しました。ASAPPは、顧客サービスエージェントを支援するAIツールを提供する会社です。この役職に就くことを決めた理由は何ですか?

詳しくは私のブログ投稿を参照してください。しかし、要約すると、主な理由は以下の通りです：

• 問題は難しいです。顧客サービスエージェントは、顧客の問題を解決するために、多くの情報と経験を活用する必要があります。ドメイン知識を活用して顧客の問題を解決するモデルを構築することは難しいです。特に、シグナルが弱い場合は尚更です。例えば、顧客満足度スコアが低いのは、エージェントが何か間違ったことをしたからか、顧客が単に不機嫌だったからか、判断が難しいからです。
• この分野で働く企業やエージェントは、顧客体験を改善するためのAIの進歩を熱心に歓迎しています。彼らは進歩に抵抗するのではなく、実際的な問題を解決するための重要なツールと見なしています。そうした関心を持ったパートナーと協力することは素晴らしいことです。
• 最後に、消費者向けテクノロジーとは異なり、エンタープライズ環境では、ドメインや問題が非常に多様であるため、適応（私の2番目の質問への回答を参照）が解決すべき問題となります。私たちは、1社や1つの業界向けのサービスを構築するのではなく、すべての企業向けに構築する必要があります。これは、現在のAIのための素晴らしいストレステストです。
• ASAPPは、この問題にのみ焦点を当てています。

ASAPPの、AIの進歩を通じて人間の活動を肯定的に支援するというビジョンについて説明してください。

ASAPPの中核的な仮説は、AIは人間を置き換えるのではなく、人間を肯定的に、生産的に支援すべきであるということです。このビジョンは広範囲にわたるものですが、現在は、顧客体験ドメインに焦点を当てています。

顧客体験ドメインは、人間の活動を支援する上で、すべての課題と報酬を包含しています。エージェントは、複雑な問題解決タスクに従事し、ワークフローに従い、顧客と知識ベースから関連情報を取得し、顧客のニュアンスに応じて適応する必要があります。これにより、AIがプロセスを改善するための多くの機会が生まれます。しかし、私たちは、これを肯定的な方法で行うことが重要であると考えています。つまり、

• 強化は、エージェントの仕事の中で自然な流れの中で行われる必要があります。これは重要です。AIが適切なタイミングで適切な方法で介入しない場合、エージェントの体験は悪化する可能性があります。
• さらに重要なのは、AIがすべての関係者、つまり顧客、エージェント、組織のために、肯定的な結果を達成するようにすることです。顧客は、問題が効率的に有効に解決されることを望みます。エージェントは、顧客のためにそうすることを望みます。さらに、エージェントは、難しい不満を持った顧客と対処することが多く、仕事が難しいです。AIは、エージェントが顧客を幸せにするために必要なツールとトレーニングを提供することで、エージェントの仕事の満足度を高め、疲労と離職率を減らすのに役立ちます。最終的に、企業にとって、顧客満足度、1日あたりに解決できる問題の数、または売上増加などの肯定的なビジネス結果を達成したいと考えています。

  現在のコールセンターのAIの構造について説明してください。

  今日、コールセンターとのあなたのやり取りのほぼすべての段階で、AIが何らかの形で働いています。

  最初のステップは、インタラクティブボイスレスポンス（IVR）またはチャットボットです。これは完全に自動化されており、その主な目的は、顧客がなぜ電話をかけたのかを理解し、適切にルーティングすることです。これらのシステムは、エージェントが問題を迅速に解決できるように、顧客に問題を解決するために必要な情報を可能な限り収集することを目指しています。近代的なボットは、エージェントの介入を必要とせずに、顧客の問題を直接解決することもできます。コンテナ化と呼ばれるこのプロセスでは、電話は人間の介入を必要としません。次に、電話はエージェントに接続されます。エージェントに接続された後、AIの主な役割は、エージェントにガイダンスと提案を提供することです。エージェントは次に何を言ったらよいですか？どのようなフローに従ったらよいですか？どの知識ベース記事が問題を解決するのに役立ちますか？これらのモデルは通常、歴史的なデータでトレーニングされ、ハンドルタイム（問題が解決するまでにかかった時間）や顧客満足度スコアなどの重要なパフォーマンス指標に最適化されています。

  電話やチャットが終了した後も、AIはまだ働いています。ほとんどのコールセンターでは、エージェントは電話やチャットの間に何が起こったかについて構造化された情報とノートを残します。これは、分析のためだけでなく、問題が解決されていない場合は将来のエージェントが問題を引き継ぐために行われます。AIは、これらのすべてのステップで役立ちます。

  最後に、コールセンターには、エージェントを支援し、スキルを向上させるために、監督者がいます。AIはここでも重要です。数百人のエージェントが1日あたり数千の電話を処理するコールセンターでは、監督者は、エージェントが直面する問題を特定する方法、1日の間に何が起こったかを理解する方法、エージェントのスキルを向上させるための改善のための領域を見つける方法が必要です。

  ASAPPは、コールセンターの従業員の離職率をどのように減らすのですか?

  大手企業は、顧客にサービスを提供するコールセンターに毎年数百万ドル、時には数十億ドルを費やしています。労働コストは総コストの80〜90%を占めます。これは、従業員の離職率が年間40%、時には100%以上になるという大きな問題です。

  エージェントが顧客の問題に無関心である、または問題を解決するのを妨げているというイメージは、実際とは遠いものです。エージェントは、顧客の問題を解決することから満足感を得ています。どうしてあなたは、顧客に感謝の言葉を聞かせたいでしょうか。顧客に問題を解決するのを助けるために必要なツールとトレーニングを提供することで、AIはエージェントの仕事の満足度を高め、疲労と離職率を減らすのに役立ちます。ASAPPは、リアルタイムのダイナミックガイダンスに加えて、構造化されたトレーニング、コーチング、フィードバックに重点を置いています。多くのエージェントは、新しい問題や手順について「ライブ」でトレーニングを受けます。つまり、説明を受けた後、実際の顧客と電話で会話するのです。パイロットが飛行機のマニュアルを受け取った後、300人の乗客をデンバーに飛ばすように言われたと想像してください。ASAPPは、エージェントが実際の顧客と接触する前に、手順を練習し、難しい状況に対処するためのツールを構築することに重点を置いています。目標は、エージェントの離職率を減らすことです。

  コールセンターでAIを導入することで得られる結果の例をいくつか示してください。

  上記のように、AIは生産性を大幅に向上させることができます。ASAPPと協力している米国の航空会社では、エージェントの生産性が86%向上し、組織のスループット（顧客サービスチャネル全体での総インタラクション数を労働時間で割ったもの）が127%向上しました。ASAPPのサービスを利用している世界的ネットワークオペレーターの場合、ネットプロモータースコア（顧客が会社の製品やサービスを他者に推薦する意欲）が45%向上しました。ASAPPを利用しているトップ3のケーブル会社では、1インタラクションあたりのコストが52%削減されました。これらの例は、AIが生産性を向上させ、顧客サービスを改善し、ビジネスコストを削減する方法を示しています。

  あなたの個人的なビジョンは、職場におけるAIの将来については何ですか?

  AIはすでに職場ではかなり普及しています。私がこの文章を書いているとき、スペルチェッカーとテキストの自動補完が私を支援しています。私は、メール/メッセージツールにスパムフィルターやメッセージ分類器を使用しています。私は、関連する情報を見つけるためにAI駆動の検索を使用しています。この使用は、AI駆動機能の数とその品質が向上するにつれてさらに増加するでしょう。

  しかし、私のビジョンは、職場全体でエンドツーエンドのAIを採用することです。私が意味するのは、機械学習モデリングの意味でのエンドツーエンドではありません。AIが大きな複雑なタスクを全体的に最適化し、プロセスの中でただ一点でのみではなく、全体の目標に向けて最適化されることを意味します。ASAPPはすでにコールセンターでこれを実現しています。例えば、エージェントが次に何を言ったらよいのかを、会話の段階や最終目標の全体像に基づいて最適化します。しかし、これを超えて、私は、将来、科学者が重要なトピックについて体系的なレビューを書いたり、ソフトウェアエンジニアがプラットフォームを構築したり、法律家が法的文書を書いたりする際に、AIに頼ることを想像しています。こうした専門家は、AIに頼ることで、これらのタスクを迅速に効果的に実行し、望ましい結果を最適化することができます。

  ASAPPについてさらに何か共有したいことがありますか?

  ASAPPの研究チームは、エンタープライズ向けのリアルワールドの問題を解決するために、AIを通じて人間の活動を支援することを目的としています。ASAPPの研究者は、NLPとMLの科学を進歩させるために働き、研究の進歩を製品に適用しています。彼らは、製品によって生成される大量のデータと、AI機能をリアルワールドで使用して新しい方法で基本的な研究の質問を提起し、解決する能力を活用しています。

  最近の研究論文は、https://www.asapp.com/ai-research/で見ることができます。

  詳細な回答ありがとうございます。さらに学びたい読者は、ASAPPを訪れてください。