自然言語処理のAIエンジン「KIBIT」のしくみと活用事例　―FRONTEO取締役CTO 武田秀樹氏インタビュー

【事例紹介】KIBITを使って、特許調査・分析業務を効率化

このページでは、KIBITのユースケースを紹介する。1つ目は「金融」の分野だ。

たとえば、投資信託を販売するときの「違法な勧誘」を調査する際に、KIBITが使われる。投資信託の営業担当は、理屈にもとづかず、「絶対大丈夫です」や「問題ありません」といった言葉で、巧みに消費者を勧誘することがある。また、消費者もなぜ投資する必要があるのか、その動機が曖昧な場合がある。

そこで、営業担当と消費者のやりとりをKIBITで調査することで、違法な勧誘や動機が正しくない勧誘の実態を見つけ出すのだ。これは販売する側としても、営業のスキルを平準化できるというメリットがある。

次は「特許」に関連する事例だ。新たな技術を開発した企業が特許出願を行う。その際には、既に同じような技術が特許として登録されていないか調べる必要がある。その検索の際に、膨大な特許文献のデータベースから、自社の特許を学習したKIBITが、同じような技術の「特徴」を持つ特許を探してきてくれるのだ。

最後に、社員の「離職防止」の事例だ。ある企業には、新入社員2,000名分の面談記録があった。その中から、退職する可能性の高い社員をKIBITが抽出し、その後上司などが追加でフォローをしたグループ、フォロー措置をしなかったグループに分けた比較テストを行った。

すると、追加フォローをしなかったグループの離職率37%に対し、追加フォローをしたグループは16％で、その差は21％だった。この結果から、KIBITが退職リスクの高い社員を抽出でき、同時にそうした社員に適切な対策を打てば、退職を防ぐことができる可能性があることがわかった。

この場合、KIBITの教師データになるのは、既に退職した社員の面談記録だ。たとえば、「迷惑をかけている気がする」や「まだまだ甘いような気がする」といった、一見前向きに見える言葉から、実はかなり不安な心情にあったということが、KIBITによってわかるのだ。

次ページ：新しい技術を使っても、AIエンジンは必ずしもよくならない

尾崎 太一

技術・科学系ライター。修士（応用化学）。石油メーカー勤務を経て、2017年よりライターとして活動。科学雑誌などにも寄稿している。