このドキュメントは、ビジネス価値に基づく意思決定アプローチに従って AI ビジネスのユースケースを定義するのに役立ちます。
生成 AI ソリューションと従来の AI ソリューションは強力なツールですが、これらは単独で存在するものではなく、ビジネス目標を常にサポートするものでなければなりません。生成 AI または従来の AI ソリューションを成功させるには、まず、ビジネス目標またはニーズを特定し、具体的で測定可能なものにする必要があります。次に、目標とするビジネス成果（従業員の効率の向上、顧客満足度の向上など）から逆算して、ソリューションがビジネス目標に直接貢献するかどうかを検討します。
次の簡略化された意思決定プロセスに従って、ビジネス価値に重点を置いた生成 AI または従来の AI のユースケースを定義します。
- ビジネス目標と成功基準: 測定可能なビジネス目標を特定します。
- 効率性と生産性の向上、コスト削減、カスタマー エクスペリエンスの向上、競争上の優位性など、ビジネス目標と達成すべき価値に焦点を当てます。
- 設定した目標の成功をビジネスプランでどのように測定するかを明確にします。投資収益率（ROI）は AI プロジェクトの成功を測る重要な指標の一つです。ROI は、次のようないくつかの指標で測定できます。
- 直接的な金銭的利益: 収益の増加またはコストの削減。
- 運用効率: 製品化までの時間の短縮や問題解決の迅速化。
- カスタマー エクスペリエンス: 満足度スコアまたはリテンションの向上。
- セキュリティとプライバシーが業界のコンプライアンスや国の規制要件を満たしていることを確認するなど、ビジネス上の潜在的な制約と考慮事項を特定します。
AI / ML の種類: AI / ML がビジネス上の問題の解決や目標達成に適切なアプローチであるかどうかを判断します。
ビジネス目標の実現にどのようなタイプの AI が必要か、あるいは必要でないのかを判断します。詳細については、「ML 問題のフレーミング」の必要な出力を特定するをご覧ください。
ユーザー エクスペリエンスの期待: ユースケースのエンドユーザーを特定し、生成 AI または従来の AI を活用したアプリケーションやサービスをエンドユーザーがどのように操作するかを想定します。ユーザーの期待や好みを考慮する必要があります。
ビジネス主導でユーザー中心の AI ソリューション: 最適な生成 AI または従来の AI テクノロジーのユースケースを測定可能なビジネス要件、経営上の優先事項、ユーザーの期待に関連付けます。次の点を考慮してください。
- 生成 AI または従来の AI によって運用の複雑さと労力（コスト）を軽減し、より多くの成果をより迅速に達成することで、最適化された効率と生産性の推進を実現できるのか。
- 生成 AI または従来の AI を使用して顧客やプロダクト エクスペリエンスを向上させることができるのか。
- 生成 AI や従来の AI を使用して革新的な方法でビジネス価値を生み出すことができるのか。
- 既存のビジネス サービスと機能の分析を行い、生成 AI または従来の AI によって既存のソリューションを改善できる領域、創造性を高められる領域、新しい可能性を探求できる領域を特定します。
- AI がビジネスを際立たせる革新的な機能強化をどのように実現するかを理解します。生成 AI は、差別化された機能と価値を生み出し、差し迫ったビジネス上の課題を解決するだけでなく、既存のサービスを向上させる方法を検討する場合にも役立ちます。
- テクノロジーの使用を優先し、組織の重要目標に合わせてビジネス機能を強化します。
ビジネス プロセスの変更: 生成 AI や従来の AI のユースケースに適応するために、既存のプロセスやワークフローに加える必要がある変更を特定します。
AI ソリューションによって従業員や顧客が会社のシステムまたはワークフローを操作する方法がどのように変化するかを検討します（モバイルアプリやカスタマー サポートの chatbot など）。こうしたインタラクションでは、ワークフローの自動化などの AI 機能を活用して AI のメリットを実現できるように、バックエンド プロセスの変更または再構築が必要になる場合があります。
生成 AI のビジネス ユースケースの例
以降のセクションでは、簡単な例を挙げて、測定可能なビジネスニーズと期待を特定して有効な生成 AI のビジネス ユースケースに関連付ける方法を示します。
ビジネス上の問題提起
このシナリオでは、カスタマー サポート サービス チームを例にします。このチームは、大量の繰り返しの問い合わせ、手作業によるチケット管理、問い合わせメールの対応で過負荷状態になっています。リソースは圧迫され、担当者は長時間労働を強いられ、問題の解決が遅くなっています。その結果、顧客満足度と維持率が低下しています。
測定可能なビジネス価値があり、最適化の余地がある領域
前述のビジネス上の課題に対処するために、生成 AI 機能を活用したテクノロジー ソリューション（chatbot）を使用することで達成できる測定可能なビジネス価値としては、次のようなものが挙げられます。ビジネスモデルと優先事項に基づいて、このような測定可能な目標の一部またはすべてを検討します。
- カスタマー サポートの効率化: サポート費用を削減し、担当者のワークフローを合理化します。測定可能な成功基準としては、次のようなものがあります。
- 所定の期間（四半期など）におけるカスタマー サポートの運用コストの減少率。
- chatbot で対応した顧客からの問い合わせの量の増加率。
- 繰り返し行われる作業に対する担当者の業務時間の平均短縮率。
- チケット解決の最適化: 解決速度を改善し、chatbot で解決される問題の割合を増やします。測定可能な成功基準としては、次のようなものがあります。
- chatbot が処理した問い合わせの解決までの時間の平均短縮率。
- 人手を介さずに解決されたチケットの割合。
- 複雑なためにテクニカル サポートチームにエスカレーションが必要なチケット数の減少率。
- 最初のコンタクトでの解決率（一度のやり取りで解決された問題）の増加。
- chatbot で解決した顧客からの問い合わせの増加率。
- カスタマー エクスペリエンスの向上: 迅速かつパーソナライズされたサポートを 24 時間提供することで、顧客満足度を高めることができます。測定可能な成功基準としては、次のようなものがあります。
- chatbot の使用に関連するアンケートの顧客満足度（CSAT）スコアの向上。
- 最初のやり取りまでの平均待ち時間の短縮。
- 一度のやり取りで解決された問題の増加。
- chatbot との会話やフィードバック アンケートでの肯定的な感情の割合。
- 顧客維持率の向上。
- ビジネス オペレーションの成長をサポート: 費用の増加や、顧客との最初のやり取りの待ち時間の増加を伴うことなく、顧客の需要増加に対応します。測定可能な成功基準としては、次のようなものがあります。
- 人間の介入なしに、指定した割合のサポート リクエストの増加に対応できる。
- 需要の多い期間でも、CSAT スコアが低下せず、解決までの時間が維持される。
- 最初のやり取りでのお客様の待ち時間を一定に保つ。
生成 AI を活用したソリューション
会話型 chatbot: 生成 AI を搭載した chatbot または仮想エージェントにより、パーソナライズされた自然な会話を実現します。これは、言語が持つ複雑なコンテキスト、感情、関係を理解する生成 AI の能力によるものです。この機能により、より自然なやり取りが可能になり、関連性の高い質問をすることができます。また、カスタマイズされた推奨事項を提示し、ユーザー エクスペリエンスを向上させることもできます。
生成 AI の機能は、組織における業務効率と生産性の向上にも役立ちます。一方、従来のルールベースの chatbot は、事前に定義されたキーワードとインテント パターンに限定されます。このため、会話パターンが進化したり、新しい質問が発生すると、ルールベースの chatbot では、ルールの更新と絞り込み、インテントのトレーニングのために追加の作業が必要になります。このユースケースでは、従来のルールベースの chatbot と比べて、生成 AI の chatbot には次のようなメリットがあります。
- AI を搭載した chatbot の回答はよくある質問（FAQ）に限定されません。chatbot は、サポートケースの履歴データ、ウェブサイト、プロダクト ドキュメント、在庫、メール、以前のチャットの履歴など、さまざまなソースの大規模なデータセットから回答を見つけることができます。また、会話型クエリを理解し、複雑な情報を要約することもできます。
- 生成 AI 仮想エージェントは、すべてのデータソースからの情報を合成します。このため、提供されたデータに基づいて、ビジネス上の期待に沿った、具体的かつ合理的で実行可能なレスポンスを返すことができます。
- 生成 AI は、チケット内の複雑な表現やニュアンスを解釈します。顧客の問題のコンテキスト全体を理解できます。従来の AI の chatbot の場合は、範囲が特定のキーワードに限定されます。
- 生成 AI の chatbot の場合、ユーザーは任意の方法（テキスト、音声、画像）で質問することができますが、chatbot はすべての入力を活用して問題解決を改善します。たとえば、チャットの会話中に顧客が壊れた商品の写真を送信し、生成 AI は顧客の説明とその写真を組み合わせることで診断とトラブルシューティングの精度を高めることができます。
ケース管理と分析情報生成ワークフロー: 生成 AI を搭載した chatbot は、すべてのやり取りからチケットを自動的に生成できます。chatbot は、生成 AI 機能を使用して問題の緊急性、感情分析、複雑さを把握します。こうした機能により、チケットの優先順位付けが効果的に行われます。chatbot は、次の方法でチケット発行システムと連携します。
- 生成 AI の chatbot は、サポート チケット システムに直接アクセスし、サポート チケットを作成して次のような必須情報を入力します。
- 顧客の詳細
- 技術的な問題の分類と優先度
- 会話の完全な文字起こし（状況把握のため）
- 主な問題の要約
- 新しい複雑な問題の場合、chatbot は問題の概要や会話などのサポート コンテキストとともにチケットを適切なチームに割り当てることができます。
次のステップ
- 生成 AI の例で、生成 AI がユースケースにどのように適用されるかを確認する。
- Google Cloud で生成 AI アプリケーションを構築するで、生成 AI アプリケーションの開発の各段階の詳細を確認し、ユースケースに最適なプロダクトとツールを選択する。
- AI 対応準備のワークショップで AI 機能を評価し、その可能性を活用するためのロードマップを作成する。