【レポート】 CUS-114：[Startup Talks] Voice x AI で、With コロナ時代に急拡大する音声解析 AI 電話「 MiiTel 」 #AWSSummit

2020年9月8日から30日まで開催されるAWS Summit Onlineのレポートです。

本記事で取り上げるセッションは下記となります。

• CUS-114：[Startup Talks] Voice x AI で、With コロナ時代に急拡大する音声解析 AI 電話「 MiiTel 」

セッション情報

スピーカー

株式会社RevComm　CTO　平村 健勝 氏

動画はこちら

セッションレポート

従来の電話営業の情報共有プロセス

• 取引先との通話は、営業担当しか分からないブラックボックス
  • 案件の担当者にニュアンスまで含めて伝わらない
  • 上司が指導しようにも、どう指導したら良いか分からない
  • 製品開発の担当者にお客様の声が届かない

MiiTelを活用した新しい電話営業の情報共有プロセス

• クラウドPBXと音声解析と分析結果ダッシュボードを備える

• MiiTelは、Salesforceに組み込んで利用できる
• PCから電話発着信ができる
• 通話終了すると、どのようなコミュニケーションだったのかを記録できる
• 通話はダッシュボード画面で可視化できる
  • 通話時間帯のヒートマップ
  • 通話種別の分類
  • ユーザ別の分析結果の参照
  • など
• 個々の通話の可視化もできる
  • 通話音声の再生
  • 沈黙回数
  • 被りの回数
  • ラリーの回数
  • 声の高さ、周波数、抑揚の強さ
  • 話すスピード
  • 事前登録したキーワードが何分何秒で登場したか
  • など
• 通話内容の音声認識結果を表示（文字起こし）
  • フィラー（えー、あのー、等）を除いて表示もできる

MiiTelを支えるコアテクノロジー

• Cloud PBX
• ダッシュボード（Webアプリケーション）
• 音声認識

システムアーキテクト全体像

音声通信（PBX）サーバー群

• 設計上の考慮事項
  • 瞬間的なシステム停止が許されない、ミッションクリティカルシステム
  • 通信や録音最適化のため、OSレベルでのチューニングが求められる
• 運用方針
  • Amazon EC2を採用
    • OSレベルのチューニングが可能
• Well-Architectedなポイント
  • あえてマネージドサービスを使わず、枯れた技術を活用
  • 信頼性向上のため、Datadog＋Slackによる監視と通知を徹底

Webアプリケーション

• 設計上の考慮事項
  • ビジネスの成長にあわせて、ユーザ増加に対応できるようにしたい
  • お客様からの機能追加要望が最も多いため、高頻度アップデートを実現したい
• 運用方針
  • オートスケーリングが容易なFargateを採用
  • CodeDeployを用いてGitHubと連動した自動デプロイ
• Well-Architectedなポイント
  • サイジング・デプロイの自動化による効率化
  • マネージドサービスの活用により、セキュリティリスクを回避

音声認識クラスタ

• 設計上の考慮事項
  • 最大数分間の処理遅延なら許容できる（最もSLAが低い）
  • 営業電話の活発な時間にリクエストが急激に増加する
  • 音声認識モデルが数百GBかつ音声データ特有の複数モデルを使ったパイプラインが存在
• 運用方針
  • SQSとスポットインスタンスを活用し、待機キュー数に応じて伸縮可能なクラスタ管理を独自開発
• Well-Architectedなポイント
  • コストを大幅に抑えながらも、高性能なサーバーを必要な文だけ調達

全文検索エンジン

• 設計上の考慮事項
  • 1日あたり数万件の音声通話の音声認識結果を全文検索する
• 運用方針
  • Amazon Elasticsearchを活用し、構築・運用を効率化できる構成を採用
• Well-Architectedなポイント
  • マネージドサービスを活用し、最小の工数でサービスイン
  • API開発やテスト、データ移行含め、わずか2名（兼任）で開発した

Well Architected Frameworkの導入によって得られた効果

• 運用性
  • マイクロサービスアーキテクチャを導入し、適切にオーナーを定めて権限移譲することで、ミーティングは週1だった
• セキュリティ
  • マネージドサービスを活用してリクス回避するとともに、毎日平均5-10件の高頻度リリースを実現
• パフォーマンス
  • 各サービスに求められるSLAを考慮して、コストを掛けるべき箇所、掛ける必要のない箇所それぞれに対し、適切な設計を実現
• 信頼性
  • 安定稼働を実現し、1年半強で10000ユーザが利用
  • これまでに1400万件以上のコールがMiiTel経由で発着信
• コスト最適化
  • 音声認識クラスタは、対オンデマンドインスタンス比で70％以上のコストを節約

感想

インサイドセールスの課題を解決するために、これでもかと技術を投入されていてすごいです。 瞬間的なシステム停止が許されないため、OSレベルでのチューニングをしている点は、「そこまでするのか」と同時に「そこまでしないと駄目なのか」と驚きを覚えました。