TRUSTBANK bruker KI-agenter til å velge Furusato Nozei-gaver

Japans donasjonsprogram for hjemstedsskatt, kalt Furusato Nozei, gjør det mulig for skattebetalere å støtte kommuner de bryr seg om, ved å gi dem en donasjon. Etter hvert som folk flytter til store byer som Tokyo, reduseres skattegrunnlaget i landsbyene, så programmet ble laget for å la skattebetalere omdirigere en del av skatten sin til lokalsamfunnene de vil støtte. I praksis fungerer det gjennom et skattefradragssystem: Opptil et inntektsbasert tak blir mesteparten av det donerte beløpet trukket fra inntekts- og kommuneskatten for det påfølgende året. Til gjengjeld sender kommuner takkegaver, vanligvis lokale spesialprodukter. Dermed kan giveren nyte regionale produkter og samtidig støtte lokalsamfunn.

Mange givere synes imidlertid at programmet er vanskelig å finne frem i, med tanke på det store antallet kommuner og den enorme katalogen med takkegaver. For å forenkle prosessen og hjelpe givere med å sammenligne alternativer etter region eller tema har det vokst frem egne plattformer til dette formålet. Furusato Choice, drevet av TRUSTBANK, er en av Japans største Furusato Nozei-plattformer, der rundt 760 000 takkegaver er oppført. Det intuitive grensesnittet har hjulpet kommuner med å komme i kontakt med givere, og det er også nyttig for mange plattformbrukere, særlig for dem som deltar for første gang.

For å forbedre opplevelsen ytterligere tok TRUSTBANK i bruk KI, fordi de så at teknologien kan hjelpe brukere med å ta beslutninger når valgmulighetene føles overveldende. Ved hjelp av OpenAI-API-et utviklet selskapet funksjonen Choice AI, som hjelper brukere med å finne takkegaver som passer til preferansene deres.

Over 15 år etter at Furusato Nozei ble innført, er det fremdeles mange skattebetalere som har problemer med å få mest mulig ut av ordningen. Produktsjef Yuki Tateyama i Choice Business HQ forklarer: Mange synes donasjonssystemet for hjemstedsskatt er komplisert eller overveldende. For å løse dette la vi til KI-drevne funksjoner i Furusato Choice-appen vår for å gjøre prosessen enklere å finne frem i. TRUSTBANKs første skritt var å introdusere KI-drevet søk for å hjelpe brukere med å utforske takkegaver.

Tateyama legger til: I Furusato Nozei-systemet kjøper ikke folk bare produkter de trenger umiddelbart, slik de kanskje ville gjort på vanlige e-handelsplattformer. I stedet prøver de å få mest mulig ut av donasjonsgrensen sin. Med en takkegavekatalog på størrelse med store nettbaserte markedsplasser har det alltid vært utfordrende å finne det rette alternativet.

Personlige anbefalinger for takkegaver, basert på hver brukers informasjon og intensjon, er et område der KI kan være spesielt effektiv. TRUSTBANK hadde imidlertid ikke interne utviklere som spesialiserte seg på KI, så ekstern støtte var avgjørende. For å løse dette inngikk TRUSTBANK samarbeid med Recursive, som nå er en offisiell OpenAI-tjenestepartner.

Leder for plattformpromotering Issei Hirano i produktdivisjonen forklarer beslutningen: Vi valgte Recursive som partner på grunn av deres avanserte KI-kompetanse og globale erfaring.

Han beskriver hvordan teamene samarbeidet. Recursive bisto med teknisk støtte fra planleggingsfasen, utformet og implementerte den samtalebaserte KI-agenten, og bygde RAG-systemet. Vi utarbeidet databasen for takkegaver, definerte hvilke funksjoner løsningen skulle ha, og integrerte disse funksjonene i appen vår. Dette samarbeidet muliggjorde en smidig utvikling og lansering av Choice AI, slik at brukere kunne oppdage anbefalte produkter gjennom interaktive samtaler i Furusato Choice-appen.

Kjernen i Choice AI er fleragent-arkitekturen. En rutingmodell analyserer brukerinndata for å fastslå hensikt og delegerer oppgaver til de riktige agentene. Under dette rutinglaget opererer spesialiserte agenter som søkeagenten, anbefalingsagenten og hilseagenten. Hver agent kan kalle flere underagenter og verktøy, noe som muliggjør smidig orkestrering og nøyaktige, intensjonsbaserte resultater.

Personlig tilpasning er også bygget inn i promptene. Matthew Whalley, en programvareingeniør hos Recursive som ledet agentutviklingen, forklarer: Vi kombinerer agenter dynamisk basert på brukerspesifikk informasjon. For eksempel følger eksisterende brukere én interaksjonsbane, mens førstegangsbrukere følger en annen. Vi genererer prompter dynamisk for å håndtere disse interaksjonsbanene.

Choice AI kjører på GPT‑4.1‑serien. Whalley forklarer: Som standard bruker vi GPT‑4.1 mini, men vi eksperimenterer med å bytte dynamisk til enten nano-versjonen eller større modeller basert på latens og nøyaktighet under testing.

Whalley påpeker også at analyse av faktisk brukeratferd førte til ny innsikt: Analysen viste at mange bruker appen på en lignende måte som på en søkemotor. De gir omfattende produktinformasjon til LLM-en og forventer umiddelbare anbefalinger. Vi fant også at korte, innebygde prompter designet for å starte samtaler, ofte ble brukt. Basert på disse funnene har teamet lagt til en rekke forbedringer i Choice AI. For eksempel ble anbefalingsflyten justert for å vise forslag tidligere, og utvalget av anbefalte produkter ble utvidet for å gi mer variasjon.

Choice AI tar opp to utfordringer i Furusato Nozei-opplevelsen:

• Redusere forvirring blant brukere på grunn av det store antallet takkegaver ved å tilby personlig tilpassede anbefalinger gjennom interaktive samtaler.
• Unngå konsentrering rundt et lite utvalg kommuner eller populære produkter ved å hjelpe brukere med å oppdage et bredere utvalg regioner og takkegaver gjennom skreddersydde forslag.

Med fleragentarkitekturen i Choice AI kan brukere finne relevante takkegaver selv uten søkeferdigheter eller detaljert produktkunnskap. Naturlige samtaler, eller til og med vage forespørsler som «en gave til foreldrene mine», kan være nok til å få frem passende anbefalinger.

Choice AI reduserer skjevhet overfor bestemte kommuner eller produkter ved å legge til kontrollert tilfeldighet i søkeresultatene. Whalley forklarer: Vi introduserer tilfeldighet og varierer anbefalingene til flere prefekturer basert på donasjonsdata for å fremme rettferdighet og regionalt mangfold, med mindre brukerne tydelig angir preferansene sine. Dette hjelper brukere med å oppdage mindre kommuner og nisjeprodukter, og skaper en mer variert og engasjerende opplevelse.

Resultatet var at brukere som brukte Choice AI, hadde høyere konverteringsrater enn de som stolte på standard søk på nettstedet. Hirano forklarer årsaken og sier: Fordi KI kunne avdekke uklare behov, som preferanser og budsjett, som brukerne selv ofte hadde problemer med å sette ord på, og kunne til og med anbefale konkrete takkegaver.

I dag bruker Furusato Choice KI hovedsakelig til å forbedre opplevelsen av å søke etter takkegaver, og hjelper brukerne med raskt å finne alternativer som passer behovene deres. I fremtiden planlegger selskapet å utvide KI til flere områder og ytterligere forbedre den samlede verdien av tjenesten.

Tateyama ser for seg at Furusato Choice blir en plattform som knytter brukere og kommuner sammen gjennom ekte velvilje, snarere enn å bare fokusere på økonomisk gevinst. For å støtte denne visjonen har selskapet som mål å forbedre kvaliteten på KI-drevne anbefalinger og tilpasse den helhetlige brukeropplevelsen, og dermed skape en concierge-lignende tjeneste som er nøye tilpasset hver enkelt bruker.