AIで顧客サービスと現場業務を強化
Challenge
ノーリツでは、メンテナンス製品の多さや、現場エンジニアの専門知識レベルのばらつきという課題に直面していました。熟練エンジニアと経験の浅いエンジニアとの間で知識やノウハウに差があり、それが原因で問題解決に時間がかかったり、顧客満足度に影響を与える可能性がありました。経験の浅いエンジニアでも、ベテランの知識を活用できるような解決策が必要でした。
Solution
従来は、現場エンジニアが個々の経験に頼って問題を解決しており、非効率的でした。そこで、ノーリツはまずDataRobotの予測AIを用いてサービスレポートを分析し、故障内容の分類と処理方法の推奨を行いました。しかし、現場エンジニアの入力にはばらつきがあり、ベテランエンジニアによる手作業での修正が必要でした。また、情報はExcelで共有されていたため、アクセス性とリアルタイム性にも課題がありました。
DataRobotのAIプラットフォームを活用し、ノーリツは生成AIを搭載したAI 故障診断支援アプリを開発しました。このアプリは、現場での入力情報から故障内容を自動的に分類し、故障パターンに対応する処理方法を予測します。これにより、現場エンジニアはより迅速かつ的確に意思決定できるようになりました。
Result
AIの導入により、ノーリツは顧客の問題を診断し、解決する時間を大幅に短縮しました。また、AIを活用した洞察により、初回訪問での問題解決率が向上すること考えられます。
その結果、あらゆる経験レベルのエンジニアが最高のパフォーマンスを発揮できるようになり、顧客満足度とロイヤルティの向上が期待されます。
予測AIと生成AIのための包括的なプラットフォーム
日本の大手住宅設備メーカーであるノーリツは、DataRobotのAIプラットフォームを活用し、カスタマーサポートの解決時間の大幅な短縮と現場エンジニアの効率向上を実現しました。予測AIと生成AIを活用することで、ノーリツは現場エンジニアに、顧客の問題をより効果的に解決するためのアプリケーション、AI 故障診断支援アプリを提供しました。
専門知識の格差を解消し、現場エンジニアを支援
ノーリツは、現場サービス要員を抱える多くの企業が直面する課題、すなわちエンジニアの専門知識レベルのばらつきに直面していました。この知識格差は、問題の診断と解決に一貫性を欠く原因となり、顧客満足度に影響を与える可能性がありました。この課題に対処するため、ノーリツは知識の共有化を図り、経験の浅いエンジニアがベテランの知識を習得できるよう支援することを目指しました。
事後対応から事前対応へ:サービス業務の変革
AIを導入する前は、各現場エンジニアは、問題の診断と解決に個々の経験に大きく依存していました。このアプローチは、特に、なじみのない問題や新しい機器モデルに遭遇した場合に非効率的でした。
ノーリツは当初、予測AIを活用してサービスレポートを分析し、品質保証エンジニアが故障内容を分類し、処理方法を推奨できるようにしました。これは貴重な洞察を提供しましたが、情報はExcelスプレッドシートで共有されていたため、アクセス性とリアルタイムでの活用が制限されていました。DataRobotのAIプラットフォームにより、ノーリツは、現場のサービス担当者が入力した情報に基づき、故障内容を自動的に分類し、故障パターンに対応する処理方法を予測する生成AIを活用したAI 故障診断支援アプリを開発しました。これにより、現場エンジニアはより迅速かつ的確に意思決定を行うことができ、より迅速な問題解決と顧客満足度の向上につながります。
効率性と顧客満足度の向上
- 解決時間の短縮: エンジニアに関連情報と予測的な洞察を即座に提供することで、ノーリツは顧客の問題を診断し、解決するために必要な時間を大幅に短縮しました。
- 顧客体験の向上: 解決時間の短縮とサービス品質の向上は、顧客満足度とロイヤルティの向上に貢献します。
- 現場エンジニアの効率向上: AI 故障診断支援アプリは、あらゆる経験レベルのエンジニアが最高のパフォーマンスを発揮できるようにすることで、より自信を持った熟練した労働力を育成します。
今後の展開とグローバルな影響
ノーリツは、このAI搭載AI 故障診断支援アプリの利用をより幅広い製品カテゴリーに拡大し、米国などサービスエリアの広い国での可能性を探る予定です。故障と必要な交換部品を事前に予測することで、現場エンジニアはサービス訪問を最適化し、移動時間とコストを削減することができます。
DataRobotでAIをビジョンから価値へ
DataRobotの予測AIと生成AIのための包括的なプラットフォームは、ノーリツのような組織が業務を変革し、効率を向上させ、顧客満足度を高めることを可能にします。専門知識の格差を解消し、実用的な洞察を提供することで、DataRobotは企業が従業員の潜在能力を最大限に引き出し、有意義な価値を創造するのに役立ちます。
Related posts
See other posts in インダストリー事例
複雑化する意思決定プロセスにおいて、適切なインサイトを迅速に得ることは、ビジネスリーダーにとって不可欠です。しかし、従来のアナリティクス手法や多忙を極めるデータチームの存在が、このプロセスを遅延させています。また、AI導入の現場では、長期にわたる実装サイクルやシステム統合の課題が、進捗を妨げています。 実際、AI導入の責任者の66%が、企業目標に沿ったAIソリューションを展開するための適切なツールが不足していると回答しています。特に、7ヶ月以上に及ぶ導入期間やシステム統合の困難さは、経営層の期待に応える上での大きな障壁となっています。 生成AIとAIエージェントは、これらの課題を解決する可能性を秘めていますが、導入は依然として容易ではありません。ビジネスリーダーの77%が、競争における後れを懸念し、チームに導入の加速を強く求めています。 この状況を打開するためには、より複雑なツールへの投資ではなく、即戦力となる構成済みのAIエージェントアプリケーションの導入が最も効果的です。


こんにちは、DataRobotデータサイエンティストの長野です。普段はDataRobotでデータサイエンティストとして製造業・ヘルスケア業界のお客様を担当しています。技術面では生成AIプロジェクトのリードを担当しています。本記事では、DataRobotのBYOLLM(Bring Your Own LLM)と呼ばれる仕組みを用いて、Hugging Face Hubから取得したLLMをDataRobot環境にホスティングする方法をご紹介します。