はじめに

本記事では、ビジネスの現場で実際にAIが活用されている事例を、そのビジネスインパクトや課題も含めて紹介します。今回は、人と対話をするAIエンジンの動向と将来展望についてお伝えします。

機械（AI）と人間の対話の難しさ

AIによる自動対話は様々な用途で実装が進んでおり、ロボットやチャットボットと音声やテキストで会話をした経験を持つ方も多いでしょう。しかし、AIと会話をして、「うまく通じない」や「会話が噛み合わない」と感じた方もいるかもしれません。実際のところ、人間と同じように言葉の意味を理解して会話ができるAIは、自然言語処理の分野では『究極の目標』とも言われており、現在はまだ完全には実現していません。

まずは、現在のAIによる自動対話がどのように動作しているのか、その仕組みを簡単にまとめてみます。

機械学習によるAI対話エンジン

代表的な仕組みとして、大量の会話例や質問への回答例を機械学習でAIに学習させる方法があります。AIは言葉の意味を理解することなく、「こう言われたらこう答える」という大量の情報の集積をもとに、会話モデル（人間の言葉を入力として、AIからの返答を生成する関数）に従って返答を行います。

この仕組みの実用例として、主に消費者向けのサービスで、特定の性格を持ったAIキャラクターとの会話や、AIとの雑談を楽しむようなサービスが展開されています。この方式の課題としては、会話の返答は状況によって変化するため、すべての可能性をあらかじめ学習することは現実的に不可能であり、AIが予期しない返答をすることがあります。また、AIの発話内容を思い通りに調整するための追加学習（チューニング）の結果が狙い通りにいかないことも多く、不適切な学習データがあるとAIの返答も不適切になるリスクがあります。

実用性を追求したAI対話エンジン

AIが予期しない返答をしてしまったり、的確な返答を行うためのチューニングに困難があると、実用的なビジネスでの利用には大きなハードルとなります。この課題を解決するために、AIが答えられる範囲を限定するというアプローチがあります。答えられる範囲を明示的に決めておけば、機械学習のバリエーションも少なくなり、人間からの質問内容が不明瞭な場合でも、「この中にご質問したい内容に合う項目はありますか？」といった形で質問の内容を絞り込む対応が可能です。

FAQベースのAI対話エンジン

AIが回答する内容をあらかじめ用意されたFAQ（よくある質問と回答）の中に限定することで、定型的な質問にAIが応答するようにする方法があります。このアプローチでは、類義語の判断も含めて機械学習を用いた質問と回答の適切なマッチングを行うことができます。また、ユーザーからのフィードバックをもとに、AIが答えられなかった質問への回答をFAQに追加していくことで、継続的に精度を向上させることができます。

シナリオフローと連動したAI対話エンジン

上記のようなFAQに対応する一問一答型のAI対話エンジンだけでなく、より複雑な業務処理をAIが代替する対話エンジンも存在します。AIが機械学習によって自由に会話する方式では、決められた業務をAIに行わせるコントロールが難しいため、あらかじめ定められた業務フロー（シナリオ）に基づいてAIが必要な質問や会話を行い、業務を遂行するアプローチがとられています。

このシナリオ型の自動応答は、想定される会話フローをすべて設定しておく「ルールベース方式」で実現されることが多いですが、この方式では、人間がすべてのシナリオを準備する必要があるため、AIによる対話としては柔軟性に欠ける面があります。その代わり、ある特定の目的（例えばホテルの宿泊予約など）のために「必要な情報を順不同で収集し、自動でシステム処理に繋げる」ことが可能な応答方式も存在します。

対話型AIの将来

これまでのシナリオ型のAI自動応答サービスには、人間が行うシナリオメンテナンスの手間と労力がかかるという課題があります。この課題を解決するための取り組みの一つとして、AIがマニュアルやウェブページの内容を自律的に知識化し、その内容に基づいて自動応答を行う「AI知識読解」の研究が進んでいます。

このような技術が進展すれば、AIに対して知識源となるドキュメントをインプットするだけで、その内容に沿った応対を自動的に行う次世代型のAI対話エンジンが実用化されることが期待されます。また、将来的にはAIが広範な情報を自律的に整理・知識化し、汎用的な応対ができるようになることも期待されます。