Viable

クラウドへの移行に伴いデータ収集は急増しているものの、企業は主にデータが構造化されていないことにより、貴重なインサイトの抽出に課題を抱えています。 

顧客のフィードバックから有用なインサイトを抽出することは、一般的に人間の推論を必要とする、時間と手間のかかるプロセスです。大規模なデータセットを要約する数々のツールの中で、Viable⁠（新しいウィンドウで開く）はGPT‑3、そして現在はGPT‑4の力を活用し、単なる要約を超えて優れた精度で大規模な詳細分析を行うことに成功した、先駆的な企業の一つです。

要約や分析は、さまざまなトレーニングデータとモデルを用いるそれぞれが異なる機械学習タスクであり、要約は情報を圧縮する一方で、分析は理解を深るためにコンテキストを追加します。膨大なデータを正確なレポートに変換する際、要約は実際の顧客感情を把握するために不可欠な重要なニュアンスを見落とし、データを歪め、誤ったビジネス判断を招くことにつながります。オンラインレビューやサポートチケットのようなテキストには、曖昧さや皮肉、否定的表現が頻繁に含まれており、正確に理解するにはさらなるコンテキストが必要です。 

ViableはOpenAIの大規模言語モデル（LLM）をファインチューニング⁠（新しいウィンドウで開く）し、カスタマーサポートのやり取りから記録されたトランスクリプトまで、迅速かつ正確にあらゆるデータのインサイトを提供し、GPT‑4を使用して現行の技術やパフォーマンスを上回るスケールで質的データを分析することで、この課題に取り組んでいます。Viableのプラットフォームは、企業の運用コストを削減すると同時に、NPSスコアを改善し、サポートチケットの量を減少させ、製品ロードマップにより良い情報を提供するための実践的なインサイトを企業に提供します。

Viableは2020年当初、企業のプロダクト・マーケット・フィットの達成支援を目的として設立されました。しかし、データに基づく意思決定を行う組織であっても、質的データを十分に活用できていない現実にいち早く気づいたViableのCEO、Dan Erickson氏は次のように振り返ります。 

「顧客からのフィードバックを通じて生成される膨大なデータに対して、AI技術を活用して企業が理解を深める手助けをすることに大きなチャンスがあると考えました。GPT‑4の高度な自然言語処理能力は私たちのプラットフォーム開発に不可欠であり、これにより、人間が同じ分析を行う場合の数分の1の時間で、より正確かつ詳細なインサイトを提供することができるようになりました。」

OpenAIの大規模言語モデル（LLM）によって、非構造化データの分析におけるファインチューニングが可能となり、顧客はより簡単かつ迅速にデータから多くの情報を得られるようになりました。Viableはこの3年間、OpenAIと密接に連携し、 これまで不可能だった規模のデータ分析が可能なAIモデルを開発してきました。

Viableのプラットフォームでは、シームレスな統合、継続的な同期、自動化された分析により、顧客がZendeskやIntercom、Gongなどのプラットフォーム上の非構造化データから、インサイトを簡単に引き出すことができます。数回クリックするだけでプラットフォーム上でデータがテーマごとに分類され、その背後にあるコンテキストや解約リスク、さらには特定のフィードバックを提供してくれる人たちのプロファイルを理解するのに役立つ週単位の分析を提供します。ユーザーはまた、AIにデータに関するより複雑な質問を投げかけ、関連するデータセットに基づくインサイトを得ることも可能です。

こうしたインサイトの導入以来、Viableの顧客は 年間約1,000時間を節約⁠（新しいウィンドウで開く）し、サポートチケットの量や顧客の解約を減らしています。Sticker Mule⁠（新しいウィンドウで開く）のカスタマーサポート担当VPであるKalie Bishop氏は次のように述べています。「Viableによって、これまで不可能だった規模で非構造化データを分析できるようになりました。以前は質的フィードバックを手作業でレビューし、タグ付けし、分析していたため、貴重なリソースを消耗していました。」

Viableは測定が簡単な質的KPIのみならず、データ全体に基づいたデータ主導の意思決定を行いたい企業にとって不可欠なツールとなっています。ViableはGPT‑4の高度な能力を活かし、正確かつ微細なニュアンスまで捉えた実行可能なインサイトを提供することで、顧客が競争の一歩先を行くための支援を行っています。