技術

会話を資産に変える、
4つの軸

2013年から積み重ねてきた会話研究と、
国内外の特許取得 累計160件。
その全体像をご紹介します。

会話解析

特許取得

会話解析

会話を「読める資産」に変換する土台の技術です。言い淀みや語順の乱れといった話し言葉特有のゆらぎを含む会話を、適切な話者分離と共にセンテンス単位で判定します。2013年から積み重ねてきた独自の自然言語処理です。
この会話解析の土台の上に生成AIを載せているため、ビジネスの現場で求められる精度とコンプライアンス遵守を両立できます。

論点抽出

特許取得

論点抽出

資産から論点と質疑応答を取り出す技術です。長時間のセミナー動画や論文からでも、AIが論点を解析し、専門用語を落とさず要点を凝縮した要約文(高密度要約文)を作成します。高密度要約文は、生成AIに学ばせるために最も適したデータです。
質疑応答も同時に自動生成できるため、既存の資産をそのままトレーニング教材へ変換できます。

iRolePlay

特許取得

iRolePlay

資産で練習し、新しい資産を生む場所です。生成AIが学習データに基づき、シナリオフリーで返答します。感情のこもった返答がAIとの対話と思えない臨場感を生み出します。
原稿数ページ分程度のデータ投入から利用可能です。スキマ時間での繰り返し練習で、短期間で説明力・質問力を大幅に強化できます。

詳しく見る

専門用語対応

誤変換補正の特許

専門用語対応

御社の言葉が通じなければ、資産は数字に化けません。業界特化の専門用語辞書と、誤変換を補正する技術を自社で保有しています。汎用的なAIに音声を渡すだけの構成では、金融の商品名、薬剤の一般名、社内だけの略語で必ずつまずきます。
言葉が通じなければ、そもそも練習になりません。お使いいただくほど、御社の言葉が通じる相棒に育っていきます。

この大規模分析には、
2つの技術が欠かせません

  1. 論点抽出

    会話は話し言葉です。言い淀み、語順の乱れ、指示語や省略が当たり前に混ざります。録音を文字にしただけのデータは、そのままでは集計できません。
    「何が論点だったのか」を機械が判定できて初めて、数百人分を横並びで比較し、傾向として読み取れるようになります。

  2. 誤変換補正・専門用語対応

    汎用的な音声認識では、金融の商品名、薬剤の一般名、社内だけの略語が必ず崩れます。1件だけなら人が読み替えられますが、数百人分を集計する場面では、誤変換は「存在しない論点」として数字に化けます
    専門用語が正しく取れて初めて、分析結果を意思決定に使えます。当社が業界特化の辞書と補正の層を自社で持っているのは、このためです。

この2つがそろって、はじめて生成AIによる大規模分析が成立します。多くの製品が「まず生成AIを載せる」ところから始まったのに対し、当社が会話解析の土台を先に築いてきた理由が、ここにあります。

自社技術と基盤モデルの関係

当社は、基盤モデル(大規模言語モデル)そのものを開発する会社ではありません。会話解析、専門用語補正、論点抽出、教材生成、評価、企業専用データ管理という、業務成果を決定するレイヤーを自社で保有しています。基盤モデルは、用途とセキュリティ要件に応じて最適なものを選択し、進化に合わせて入れ替えます。

入力
御社の資料・音声商談・応対記録・セミナー動画・社内資料
自社
専門用語辞書・誤変換補正御社の言葉を正しく認識する(特許取得)
自社
会話解析・論点抽出話し言葉を判定し、論点と質疑応答を取り出す(特許取得)
自社
業務ルール・コンプライアンス制御範囲ロック・逸脱検知・ログで統制する
外部
基盤モデル(交換可能)Amazon Bedrock/Anthropic Claude/Azure OpenAI など、用途とセキュリティ要件で選択
自社
回答検証・評価・教材化・組織分析成果に変える出口のレイヤー

この構成により、基盤モデルの進化を素早く取り込みながら、精度・統制・データ管理は顧客企業各社が独立したレイヤーで担保可能としています。

技術の歩み

私たちは、その時代ごとの最適な手法を選び、実データで検証しながら積み重ねてきました。
その歩みを、①どんな技術の時代を歩んできたか(時代)②お客様に届けてきた機能(機能)
③それを支えた社内研究の記録(記録)——の3つの視点で整理しています。

① 時代の流れ ──3つの技術世代

2013〜
音声認識・音声インターフェースの時代 音声認識と会話の研究を開始。音声アシスタント連携など、現場で使われる端末・音声インターフェースの実装を積み重ねました。 この時代の機能:AI音声辞書作成/AI音声センテンス判定/AI音声レコメンド検索/会話からのキーワード判定
2010年代後半〜
機械学習による会話解析の時代 トピック抽出(LDA)や文脈・時系列解析(LSTM)などの機械学習手法を実際の会話データに適用し、会話解析・論点抽出の基盤を構築しました。 この時代の機能:話題グループ センテンス・キーワード(教育edition/キーワード判定)/対話のトピック(論点や話題)抽出/AI対話型ロールプレイ開発
2023〜現在
生成AI統合の時代 築いてきた会話解析の土台の上に生成AIを統合。LoRAなどの効率的な追加学習を活用し、専門領域への最適化と最新モデルへの追随を続けています。 この時代の機能:生成AIとの会話(会話解析・論点抽出/高密度要約)/人の理解の順番からのコンテンツ表示(リアルタイムレコメンド)/ベストプラクティス生成

※ 記載の技術名は各時代の代表例です。基盤モデルは自社開発せず、時代ごとの最適な外部モデルを選択し、自社の応用技術(辞書・補正・解析・評価)で現場に適合させる方針を一貫しています。

② 機能の積み上げ ──6つの段階

機能は段階的に積み上がってきました。
古い段階の機能も置き換えではなく、次の段階の土台として現役で動いています。

2013年 AI研究開始
第1段階・2018年〜

話題グループ センテンス・キーワード

教育editionキーワード判定
第2段階・2019年〜

対話のトピック(論点や話題、話のテーマ)を抽出

AI音声辞書作成AI音声センテンス判定AI音声レコメンド検索会話からキーワードを判定
第3段階・2020年〜

対話プログラムを開発

AI対話型ロールプレイ開発

企業のナレッジデータを活用し論点解析

第4段階・2021年〜

生成AIとの会話を実現

会話解析・論点抽出高密度要約

AI用データを短時間で作成

第5段階・2022年〜

人の理解の順番からコンテンツ表示

会話解析・論点抽出リアルタイムレコメンド
第6段階・2023年〜

よりリアルな会話の実現

ベストプラクティス生成

③ 研究の記録

上の時代・機能を支えてきた研究の一次記録です。
社内の研究記録アーカイブから、各技術に着手した年を暦年で整理しています。

研究テーマ取り組んだ技術
2013年
会話研究の開始
機械学習
2015年
深層学習と言語処理への着手
深層学習(ディープラーニング)自然言語処理トピックモデル(LDA)
2016年
単語の意味表現
単語分散表現(Word2Vec)
2017–2019年
対面プレゼンテーションを支援するAI技術の研究開発
音声認識エンジンの精度検証独自の音声辞書・キーワード認識方式形態素解析による文書の自動分類・キーワード自動付与レコメンド機能LSTM
2020年
文脈・時系列の解析
Seq2Seq・AttentionTransformer・BERT(転移学習)
2021年
事前学習モデルの応用
ファインチューニングGPT
2022年
生成モデルの検証
GANChatGPT(公開5日後の12月5日に検証開始)
2023年
大規模言語モデルの実装
LLMLLaMALangChainRAGStable Diffusion
2024年
軽量化と自律化
ローカルLLMLoRA(PEFT)GGUFAIエージェント

ChatGPTの一般公開(2022年11月30日)から5日後には、社内で検証を開始した記録が残っています。新しい技術を待たずに試す——この姿勢を、2013年から続けています。

※ 社内の研究記録アーカイブにおけるAI関連技術に取り組みだした時期を整理したものです。対外発表や製品搭載の時期とは異なります。

関連ニュース

この技術を、安心してお使いいただくために。
データの取り扱い・第三者評価・導入審査のご支援をまとめています。

セキュリティ・信頼のページへ

お問い合わせ

こちらからお気軽にお問合せください。

お問い合わせフォーム