PolyAI、対話システム向けコーディングエージェント「Wren」を発表

PolyAIは、エージェント型音声AIをこれまで以上に人間らしくすることを目指しています。写真提供：Getty

PolyAIの研究担当副社長であるマット・ヘンダーソン氏は、自律型コーディングエージェント「Wren」が、より良い顧客サービスを実現するために企業の対話型エージェントを最適化する仕組みについて解説する

長年にわたり、企業のコンタクトセンターは従来の音声自動応答（IVR）システムに依存してきました。

これらのプラットフォームでは、顧客は硬直的で階層的なメニューを強制的にたどらされるが、それが実際の顧客の意図と合致しないことが頻繁にあり、その結果、高い離脱率と深刻な顧客の不満を招いている。

AIの初期の波は、テキストベースのチャットボットやカスケード型音声モデルを通じてわずかな改善をもたらしましたが、これらのソリューションには、割り込み、ためらい、背景ノイズなど、人間の会話の自然な流れを処理するための音響的認識能力が根本的に欠けていました。

その解決策となるのが、2017年にケンブリッジ大学のマシン・インテリジェンス・ラボから誕生したAI企業「PolyAI」です。

大手投資家から1億2,000万米ドル以上の資金調達を受けた同社は、複雑で重要な企業間やり取りを処理するように設計された、音声ネイティブな対話システムの先駆者となっています。

しかし、同社の野心はそれだけにとどまらない。多くの企業がエージェント型AIの改善を人間に委ねることを想定する中、PolyAIは既成概念にとらわれない発想で、「Wren」というコーディングエージェントを開発した。Wrenはエージェントによるすべての会話を分析し、能動的に改善を行うことで、企業に莫大な利益をもたらしている。

PolyAI：数値で見る成長

• 推定企業価値：5億米ドル
• 総調達額2億米ドル以上
• 2017年にロンドンで設立
• シリーズDラウンドで8,600万米ドルを調達

会話を聞き取る：オーディオネイティブへのシフト

AIがカスタマーサービスプラットフォームを自律的に改善できるようになるには、まず、通話者を実際に理解できる能力を備えている必要があります。

音声AIの業界標準は、従来、カスケード型アーキテクチャでした。つまり、自動音声認識（ASR）エンジンが音声をテキストに変換し、LLMがテキストによる応答を生成し、テキスト読み上げ（TTS）エンジンが音声を合成するという仕組みです。

しかし、この方法では通話から感情的・音響的な文脈が切り離され、LLMが入力を処理する前に重要な手がかりが失われてしまう。

この「魂のない」合成音声を克服するため、PolyAIは、生の音声入力を直接認識・推論する最先端の対話モデル「Dialog-RSN-1」を開発しました。

Dialog-RSN-1は、ターン取り、音声認識、応答生成を単一の音声認識対応LLMに統合しており、人間のオペレーターと同様に、通話者のためらいを察知し、苛立ちを検知し、会話の割り込みに対処することができます。

PolyAIの研究担当副社長であるマット・ヘンダーソン氏はブログの中で次のように述べています。「PolyAIを活用する企業にとって、これは優れた人間のオペレーターと同じように通話を聞き取り、対応する対話エージェントを実現することを意味します。つまり、ためらいを察知し、苛立ちがエスカレートする前にそれを察知し、いつ話すべきかを正確に把握するのです。」

このモデルの特徴は、音声認識機能を入力側に限定している点にあります。その代わりに、応答生成には別のTTS（テキスト読み上げ）システムを使用することで、企業はブランドの声やコンプライアンスのガイドラインを厳格に管理しつつ、300ミリ秒未満の応答遅延を実現できます。

PolyAIのリサーチ担当副社長であるマット・ヘンダーソン氏は、対話エージェントが優秀な人間のオペレーターと同じように通話を聞き取り、対応すると述べています。クレジット：matthen.com

レン：エージェントを支えるエージェント

高性能で音声ネイティブなボイスエージェントを導入することで、顧客とのやり取りにおける当面の課題は解決されますが、エージェントを導入しただけで放置しておくことはできません。実際、企業にとっての長期的な課題は、メンテナンスと最適化にあります。

従来、AIエージェントの改良には、専任のエンジニアリングチームが少数の通話ログを手作業で検証し、エッジケースを特定して、新しい会話経路をコーディングする必要がありました。しかし、これは現代の企業にとって時間とコストがかかる作業です。

そこで登場するのが、PolyAIの「Agentic Dialog Platform」にネイティブに組み込まれたコーディングエージェント「Wren」です。PolyAIが「エージェントの背後にあるエージェント」と表現するように、Wrenは顧客対応ダイアログエージェントを自律的かつ継続的に監視、改良、最適化します。

高レベルの要約や少数のサンプルセットに依存する従来の分析ツールとは異なり、Wrenはすべてのチャネルにわたるリアルタイムの顧客インタラクションを100％分析します。

Wrenは、主に「自己修復」と「自己改善」という2つの並行した最適化プロセスを通じて動作します。

PolyAIのAgent OS責任者であるアルカディウシュ・クワピシェフスキ氏が、自己修復と自己改善について解説しています。出典：LinkedIn

PolyAIのAgent OS責任者であるアルカディウシュ・クワピシェフスキ氏は次のように説明しています。「『自己修復』はエージェントの不具合を検知して修復し、『自己改善』は、すでに機能しているものの、さらに改善の余地がある箇所を、お客様にとって最も重要な指標に基づいて特定します。」

「指標はユーザーが決定し、Wrenはその指標を向上させる機会を探し出します。そして、その効果はAgentic Dialog PlatformのA/Bテスト機能を通じて検証可能です。

「まず、『自己修復』機能により、バグや統合の不具合、顧客の不満を自動的に特定し、それらを修復するために必要なコードを生成します。

「次に、KPI主導の『自己改善』を追求します。Wrenは、顧客満足度（CSAT）、コールコンテインメント率、予約コンバージョン率といった『ノーススター』となるビジネス指標に基づいて、インタラクションを最適化する機会を積極的に探し出します。」

「自己修復」はエージェントの不具合を検知して修復し、「自己改善」はすでに機能しているものの、さらに改善の余地がある箇所を見つけ出します。

アーカディウシュ・クワピシェフスキ（PolyAI エージェントOS責任者）

PolyAIの主要な資金提供者

• NVIDIA：NVIDIAは単なる資金支援にとどまらず、PolyAIが音声認識、意図理解、テキスト読み上げ生成をわずか数ミリ秒で処理できるようにする、不可欠なハードウェアインフラも提供しています。
• Khosla Ventures：このベンチャーキャピタル企業は、初期の資金調達ラウンドから一貫してPolyAIを支援してきました。Khosla Venturesは、社会や経済に多大な影響を与える可能性を秘めた、初期段階のテクノロジー企業に焦点を当てています。
• Hedosophia：グローバルな投資会社として活動するHedosophiaは、PolyAIの5,000万米ドルのシリーズC資金調達ラウンドを主導し、その後の8,600万米ドルのシリーズDラウンドを共同主導しました。Hedosophiaによる継続的な資金支援により、PolyAIはホスピタリティ、小売、金融サービス各セクターへの展開を拡大することができました。