コールセンターにおける「文字起こし機能」の価値【前編】

コールセンター関連会社がコスト半額で「文字起こし精度」を高められた理由

コールセンター向けクラウドサービスを手掛けるSharpen Technologiesは、自社サービスの自動文字起こし機能の精度向上を目指して音声認識システムを刷新した。システム移行の背景は。

公開 2021年04月22日 05時01分

[TechTarget]

印刷する連載新着通知を受け取る

　Sharpen Technologiesが提供するコールセンター向けクラウドサービスは、通話音声の自動文字起こし機能を含む。同社はこの機能を無料で提供しており、ユーザー企業からも好評を博していた。だが同社は数年前「文字起こしが不正確だ」という苦情をあるユーザー企業から受け取った。

　「確かに、当時は文字起こしの精度が優れているとは言えなかった」。Sharpen Technologiesで製品担当のバイスプレジデントを務めるアダム・セトル氏はそう語る。同社が採用していた文字起こし機能がどこのベンダーのものかについて、セトル氏は明らかにしていない。

併せて読みたいお薦め記事

進化を遂げている音声認識技術

コールセンターのIT活用術

　セトル氏によると、苦情を伝えたユーザー企業は、自動文字起こし機能をキーワード検索に利用することを想定していた。「文字起こしが誤っていれば、キーワードを検索しても該当する文章が出てこないので、意味がない」と同氏は述べる。

　この苦情をきっかけに、Sharpen Technologiesは新しく自動文字起こしツールのベンダーを探し始めた。そして2015年設立の音声認識分野のスタートアップ（創業間もない企業）であるDeepgramに着目した。

「深層学習」で精度向上　コストも半分に

　Sharpen TechnologiesがDeepgramを知ったのは、あるカンファレンスでDeepgramの音声認識技術のデモを見たのがきっかけだったという。Deepgramのシステムは、AI（人工知能）技術の一種である深層学習をベースに構築されている。ユーザー企業はコールセンターの通話に関する基本的なデータセットを使って、事前に深層学習モデルをトレーニングできる。学習用の音声ファイルを追加でアップロードして深層学習モデルをトレーニングすることによって、音声認識の精度を高められる。

　Deepgramのシステムはクラウドサービスでもオンプレミスのインフラでも稼働する。ユーザー企業はAPI（アプリケーションプログラミングインタフェース）経由で音声認識機能を利用することも可能だ。

　Sharpen Technologiesは、Deepgramの採用を決める前に、複数のスタートアップや大手ITベンダーの音声認識製品を検討した。しかし、どれも一長一短だった。頻繁に文字起こしのミスが生じる製品もあれば、価格が高額過ぎる製品もあった。「以前利用していたシステムの8倍のコストがかかっても、品質は8倍にならない」とセトル氏は話す。

　自社サービスのユーザー企業に自動文字起こし機能を無料で提供しているため、Sharpen Technologiesは音声認識製品の価格に敏感になる必要があった。最終的に選定したDeepgramのシステムの利用料金は1時間当たり23セント（約21円）だ。Sharpen Technologiesが以前利用していたシステムと比べてコストを約半分に抑えられる。

　後編は、ユーザー企業がSharpen Technologiesの新しい自動文字起こし機能を実際にどう活用しているかに焦点を当てる。