リコー、AI活用で機器の保守サポート業務効率化とダウンタイム最小化へ

株式会社リコーは、機器の保守サポート業務におけるプロセスDXに、独自の大規模言語モデル（LLM）などのAIを活用し、業務効率化と機器のダウンタイムの最小化を目指すことを発表した。

国内市場において販売・サポートを担うリコージャパン株式会社は、リコー製品の安定稼働を支えるために全国に約4,500名のカスタマーエンジニア（CE）を配置し、障害発生時にはCEが顧客先に訪問して機器を修復する。難易度の高い障害が発生した場合は、技術支援部門のテクニカルサポートエンジニア（TSE）と連携して解決を図る。

リコージャパンは、CEとTSEの連携を一層効率化し、機器のダウンタイムを最小化するため保守サポート業務のプロセスDXに取り組んでおり、今回発表されたAI活用はその一環となっている。

今回の取り組みの一つ目は、独自の解析AIの活用だ。顧客先で修復作業を行うCEが、サービスマニュアルや過去の修復事例などのデータから、適切な情報を検索する業務を効率化するための情報検索型AIボットを開発し、東日本地区での運用を始めている。

また、CEとTSEが効率的に連携するため、問い合わせ手段を電話からMicrosoft TeamsやMicrosoft Power Platformを活用した方法に移行した。

さらに、現場CEが問い合わせ内容をシステムに入力すると、情報検索型AIボットがサービスマニュアルや過去の修復事例などの情報を検索し、メンテナンス事例等を一次回答として現場CEに自動返信する仕組みを構築した。

今後は、効果検証を続けながら、展開地域を全国に拡大する予定だ。

二つ目の取り組みは、リコーが独自開発した大規模言語モデル（LLM）をベースに、リコーグループに蓄積された修復事例やサービスマニュアルを学習させた「保守ドメイン適応モデル」を適用した、質問応答型AIチャットボットの検証だ。

専門用語などのドメイン知識を適切に学習させるための工夫や、自動生成した回答文が確かな情報に基づいた内容かを確認する検疫機能の付加などにより、回答文の信頼性向上と業務での実効性向上に取り組む。

また、学習データの品質がモデル性能に寄与するため、不要タグの削除や文字数フィルタの適用などのデータクレンジングを工夫し、学習させることで性能改善を実現した。

そして、ハルシネーションへの対応として「検疫」機能を付加する予定だ。「言い回しがもっともらしい回答」ではなく、「確かな情報源からの回答」であることを独自のアルゴリズムで判定し、より信頼性の高い回答を実現することで、実際の業務活用での実効性を向上させるとしている。

IoTNEWS編集部

IoTに関する様々な情報を取材し、皆様にお届けいたします。