生成 AI を使用して公益事業者の顧客エクスペリエンスとフィールド サービスの効率を向上

導入

公益事業者は、私たちの家庭、企業、地域社会に不可欠なサービスを提供しています。世界のデジタル化、電化、資源の制約がますます進む中、彼らは前例のない課題に直面しています。 3 つの主要な課題が浮上しています。

• インフラのモダナイズと拡張: 公益事業者は、グリーンエネルギー源を組み込み、廃棄物を削減し、環境への影響を最小限に抑えながら、増大する需要に応える持続可能なインフラに投資する必要があります。
• 現場業務の最適化: 競争の激しい市場では、リソースを最適化し、コストを管理する必要性が最も重要になっています。これには、高度なテクノロジーを使用してデータ収集、データ分析、計画、自動化を改善し、合理化して効率を向上させるための新しいアプローチが必要です。
• 顧客エクスペリエンスの変革: 公益事業者は、デジタル チャネルを通じてパーソナライズされたサービス、直感的なインターフェイス、リアルタイムのフィードバックを提供し、より応答性と効果を高めることで、進化する顧客の期待に適応する必要があります。

このような変化と複雑さを背景に、公益事業者は業務効率、顧客満足度、規制順守の間の微妙なバランスを管理しながらイノベーションを起こすというプレッシャーが増大しています。

顧客体験とフィールドサービス体験の向上

公益事業者が直面している継続的な課題の 1 つは、リソース計画と現場業務 (これには計画、監督、請負業者のワークフローが含まれます) の効率を向上させながら、優れた顧客サービスを提供することにあります。インフラの老朽化、資産の場所の分散性、異常気象などの環境要因により、従来のワークフローに改善が求められています。その結果、公益事業者はパフォーマンスの期待を満たすのに苦労することがよくあります。これに、一方ではテクノロジーに精通した現代の顧客の期待の高まり、もう一方では熟練した現場労働者の不足が加わり、私たちは厳しい嵐のような状況に直面しています。

公益事業者がどれだけ効率的に顧客サービスを提供できるかを測定する重要な指標は、問題解決または新しいサービス要求に平均して必要な訪問回数 (いわゆるトラックロール数) を分析することです。 First-Time-Fix-Rate (FTFR) は、企業が最初の訪問でジョブを完了する能力を把握するためによく使用される指標です。残念ながら、ほとんどの組織は FTFR を 80% レベルに維持するのに苦労しています。これは、トラックロールの最大 20% が潜在的に回避可能であることを意味します。このような避けるべき訪問は、二酸化炭素排出量の大幅な増加は言うまでもなく、顧客満足度スコアに悪影響を及ぼし、さらなるコストと生産性の損失につながる可能性があります。

非同期ワークフローと生成 AI の使用

革新的な AI を活用したビデオ ワークフロー ソリューションの大手プロバイダーである Vyntelligence (Vyn®) は、最前線の活動の複雑さに取り組むための新しいアプローチを開発しました。この投稿では、Vyntelligence ソリューションが非同期オーディオビジュアル キャプチャ、ガイド付きワークフロー、高度な生成 AI、およびコンピューター ビジョン (CV) テクノロジーをどのように組み合わせて、顧客エクスペリエンスを変革し、現場業務を合理化するかを検討します。

Vyn のアプローチの中心には、重要な洞察があります。公共事業などの物理インフラを管理する組織では、不確実な状況によって最前線の活動が妨げられることがよくあります。こうした組織にとって計画は不可欠ですが、その有効性は、その基礎となるデータと、複雑なワークロードや状況に適応する従業員の能力によって決まります。したがって、これらの課題に対処するための戦略は、人材の有効活用とデータの強化に重点を置く必要があります。

Vyn SmartVideoNotes® テクノロジーは、公益事業者がモバイル ワークフローを簡単に導入できるようにすることで、計画された作業と実際の作業の間のギャップを埋め、顧客、現場担当者、請負業者が作業前、作業中、作業後に詳細なコンテキスト情報を取得できるようにします。非同期のガイド付きビデオ ワークフローにより、関係者は、リアルタイムの同期対話やアクティブなインターネット接続を必要とせず、標準化された直感的な方法で自分のペースでタスクやプロセスに貢献できます。この柔軟なアプローチにより、効率的なコラボレーションが可能になり、情報不足、スケジュールの矛盾、リソースの制約、地理的障壁によって引き起こされるボトルネックが軽減されます。次に、構造化されたビデオ、および関連する音声データとユーザー入力データが Vyn ソリューション上で非同期的に分析および処理され、タイムリーな洞察と状況認識が提供され、より適切な意思決定と所要時間の短縮が促進されます。

ケーススタディ

顧客が新しいヒートポンプの設置または水漏れの修理を必要とするシナリオを想像してください。従来は、連絡先の電話番号に電話し、状況をよりよく理解するために時間のかかる込み入った質問に案内されることで連絡を開始していました。そして、これらの応答は、場所とタスクに関する十分なコンテキスト情報なしで技術者を派遣することになります。技術者の準備に役立つデータの不足がもたらす、適切な部品の欠如、作業範囲の誤解、サイトへのアクセスの問題などにより、5 ～ 10% の作業で複数回の訪問が必要になります。一部の公益事業者は、見積もりや作業範囲を準備するために複雑なコンテキスト データが必要なサービス リクエストに対して、公益事業者の技術者または営業担当者による作業前/設置前調査の訪問をスケジュールすることで、この問題に対処しています。このアプローチは、技術者が適切に準備され、効率的に作業を完了するために必要な知識を備えていることを確認するのに役立ちますが、訪問回数が多くなります。

　図 1: Vyn を使用した強化されたカスタマー エクスペリエンスとフィールド サービス ワークフロー

Vyn® カスタマー セルフサービス ソリューション は、顧客と現場チームの負担を同様に軽減するように設計されています。顧客は、携帯電話で (ユーティリティのアプリ上で、またはアプリを使用しない Web キャプチャ メカニズムを通じて) ユーティリティから最前線のサービス リクエストを行うことができます。この合理化されたアプローチにより、運用チームと計画チームはダッシュボードでリクエストをリアルタイムに把握できるようになり、当面の問題を包括的に理解できるようになります。これにより、サービス リクエストを 360 度把握できるようになり、派遣前に訪問や次善のアクションを適切にカスタマイズできるようになります。

実際の視覚データに基づいて構築された CV モデルを使用することにより、Vyn ソリューションは、緊急性、複雑さ、問題の種類などの重要な側面に基づいてサービス リクエストにフラグを付け、スコアを付けることができます。さらに、生成 AI により、顧客の要求の口頭説明をすぐに要約することができ、言及された重要な問題、一般的な次のステップ、顧客の緊急性などの有用な洞察を抽出できます。

Vyn® Field Service Proof-of-Work ソリューションを使用すると、現場担当者は、工事前、工事中、工事後の構造化されたビデオ ワークフローをキャプチャして、どのように現場を特定し、作業範囲を設定し、公益事業者の求める品質と安全基準に応じてタスクの完了を証明するかを示すことができます。単一のフレームワーク内で、公益事業者は複数の目的を達成できます。

• 労働者が規制および安全手順に従っていることを確認する
• 品質保証 (QA) プロセスを迅速化および自動化する
• 作業後に再度 QA を訪問する必要がなく、作業が満足に完了したという証拠に基づいて請負業者に迅速に支払う

公益事業者は、経験の浅い現場作業員をリモートで監督し、訓練するために経験豊富な専門家をより適切に活用できるように、従業員を再編成することもできます。最前線での作業中に詳細なビデオ メモや現場のニュアンスを記録できる Vyn ソリューションの機能により、組織は従業員の専門知識を収集し、検索可能なタグ付きビデオの Vyn® データベース上にナレッジ マネジメント機能を構築することが可能になります。

ソリューションアーキテクチャ

Vyn は、信頼性が高く、スケーラブルで安全な Software-as-a-Service (SaaS) ソリューションであり、さまざまなクラウドネイティブでサーバーレスのアマゾン ウェブ サービス (AWS) を使用して、インテリジェントなマルチメディア データのキャプチャ、消費、分析を行います。 Vyn ソリューションは、従来の機械学習 (ML) モデルと新しい大規模言語モデル (LLM) を組み合わせて使用し、正確なフィールド評価と予測を生成します。

ガイド付きビデオプロセス

エンドユーザーは、ウィザードに似たガイド付きビデオ プロセスに取り組み、コンテキスト固有の質問をし、ビデオを録画し、画像をキャプチャし、必要に応じて定性的および定量的データも取得します。このインタラクティブなプロセスにより、ユーザーの応答、ビデオ コンテンツ、音声録音、および関連するメタデータをカプセル化する「SmartVideoNote®」 (SVN) が作成されます。

サーバーレス予測パイプライン

Vyn の人工知能 (AI) 機能の中核は、サーバーレス予測パイプラインです。このパイプラインは SVN を入力として受け入れ、統合分析に基づいて包括的な評価を提供します。次に、個々のコンポーネントとワークフローを詳しく調べます。

1. ガイド付きプロセスを使用して新しい SVN が記録されると、業界をリードするスケーラビリティ、データ可用性、セキュリティ、パフォーマンスを備えた AWS オブジェクト ストレージ サービスを使用して、組織固有の Amazon S3 バケットに保存されます。 S3 バケットでは暗号化がデフォルトで有効に設定されており、アップロードされたオブジェクトは AWS Key Management Service (AWS KMS) を使用して保存時に自動的に暗号化されます。 Vyn は、Bring Your Own Bucket (BYOB) 統合パターンを使用します。顧客ごとに、予測パイプラインによるさらなる処理のために SVN およびその他の関連データを保存する S3 バケットが登録されます。
2. 新しい SVN が登録された S3 バケットの 1 つに到着すると、Configurator Lambda 関数がトリガーされ、Vyn 設定に基づいて入力 SVN を処理するワークフローが決定されます。これにより、実行時のコンテキストとワークフローに基づいて、受信 SVN に関連するモデルと構成を選択する際の高いレベルの柔軟性が提供されます。

図 2: Vyn サーバーレス予測パイプライン

Vyn は AWS Step Functions を使用して、ML パイプラインのステートマシンとして知られる高度なワークフローを定義して実行します。特定のステートマシンが開始されると、AWS Lambda関数と Amazon Elastic Container Service ( Amazon ECS ) タスクの両方を含む一連のステップが順次または並列で実行されます。

ML モデル推論

これらの Vyn ワークフローには、次の ML 機能が含まれています。

• LLM 推論: Lambda 関数を使用して、 Amazon Bedrock API を通じて LLM を呼び出し、主要な AI スタートアップ企業や AWS による高性能基盤モデルにアクセスします。これにより、堅牢なセキュリティ、コンプライアンス、プライバシー、責任ある AI 実践を備えた最先端の生成 AI 機能に確実にアクセスできるようになります。 Amazon Bedrock は、ISO、SOC、GDPR などの一般的なコンプライアンス標準の対象にもなっています。
• 従来の ML 推論: Amazon ECS タスクは、コンピューター ビジョン用の ResNet-50/YOLO や他の自然言語処理タスク用の BERT/Sentence Transformers などの従来の ML モデルを呼び出すために使用されます。

モデル推論がどのように機能するかを説明するために、消費者が自宅または敷地からの水漏れを報告するシナリオを考えてみましょう。従来の CV モデルは、現場で水溜まりの兆候を自動的に検出し、漏水の原因が敷地内の水道メーターなのか、それとも別の水源なのかを特定できました。これらのモデルは、水漏れが敷地内で発生しているか、敷地外で発生しているかを識別することもできます。これを補完するものとして、Amazon Bedrock API を通じてアクセスされる生成 AI モデルでレポートをさらに分析し、問題の重大度と緊急性を評価することができます。次に、これらのモデルは、消費者のレポートで提供された特定の詳細とコンテキストを考慮して、修理ジョブに適切な優先レベルを推奨できます。 Amazon ECS タスクと Lambda 関数は、その出力 (証拠フレームなど) を「生成データ」と呼ばれる専用の S3 バケットに保存します。このバケットは、SVN 識別子によって一意に識別されます。

出力処理とバックエンド処理

ワークフロー内のステップが完了すると、実行中のステートマシンはさまざまなモデル出力を結合し、単一のメッセージとして Amazon Simple Queue Service (Amazon SQS) キューに入れます。 Vyn AI 予測パイプラインは、バックエンド パイプラインによってサポートされています。このバックエンド パイプラインは、これらの SQS メッセージを処理し、Vyn 製品によって提供されるマルチメディア アーティファクト、ワークフローの詳細、コラボレーション、およびダッシュボード機能の側面を処理する役割を果たします。

結論

公益事業部門は、リソース計画と現場運営の効率を高めながら、優れた顧客サービスを提供するという重大な課題に直面しています。従来のワークフローは、老朽化したインフラストラクチャ、分散した資産の場所、環境要因によってストレスを受けており、遅延、誤解、フラストレーションを引き起こしています。

これらのハードルを克服するために、Vyntelligence は AWS の堅牢な基盤上で生成 AI および CV テクノロジーを使用した探索的アプローチを開発しました。

Vyn® ソリューションは、従来の ML モデルと最先端の LLM を組み合わせることで、正確で状況に応じた洞察を提供し、組織が顧客満足度、現場の生産性、そして最終的にはエンドツーエンドのエクスペリエンスを向上できるようにします。

行動喚起

Vyntelligence SmartVideoNotes® テクノロジーとソリューションについて詳しく知りたい場合は、そのサイトにアクセスしてください。AWS がエネルギーおよび公益事業の変革にどのように役立つかについて詳しく知りたい場合は、エネルギーおよび公益事業の AWS についてお読みください。