ベルシステム24、複雑な問い合わせに的確に回答するAIチャットナビゲーター「Sherpy(仮称)」を提供開始 ― 「Hybrid RAG」で高精度な自動化を実現
株式会社ベルシステム24は、生成AI自動化ソリューション「Hybrid Operation Loop」の第二弾として、AIチャットナビゲーター「Sherpy(仮称)」を発表しました。独自技術「Hybrid RAG」を活用し、AIが利用者の意図を診断、複雑な問い合わせに対しても蓄積されたナレッジから的確な回答を導き出します。オペレーター支援と顧客自己解決支援の2モデルを展開し、現在、生命保険やエネルギー業界の大手企業で実装に向けた実証実験を進めています。
📋 記事の処理履歴
- 📰 発表: 2026年5月25日 19:00
- 🔍 収集: 2026年5月25日 10:31
- 🤖 AI分析完了: 2026年5月28日 12:46(収集から74時間14分後)
株式会社ベルシステム24(本社:東京都港区、代表取締役 社長執行役員:梶原 浩、以下、当社)は、複雑な問い合わせにも確実に応答するAIチャットナビゲーター「Sherpy(シェルピー)(仮称)」を提供開始します。
「Sherpy(仮称)」は、回答精度を向上させる技術である「Hybrid RAG」を活用し、AIが利用者にチャット形式で自律的に意図を診断し、蓄積されたナレッジから的確な回答を導き出します。コールセンターでの応対を通じてAIが強化され、複雑な問い合わせに対しても応対できるようになり、AI単独では到達できなかった回答精度へと進化します。
当社は、オペレーターの応対を支援する「Sherpy for Operator(仮称)」と、顧客の自己解決を支援する「Sherpy for Customer(仮称)」の2モデルを展開し、コンタクトセンターにおけるオペレーターの業務の効率化と顧客のCX(顧客体験)向上を同時に実現します。
本ソリューションは、コンタクトセンター生成AI自動化ソリューション「Hybrid Operation Loop」の第二弾として提供するものです。現在、大手生命保険会社・大手エネルギー会社などの複数社で実証実験を進めており、順次実装を開始します。
■背景
当社が運営するAIとヒトのハイブリッド型コンタクトセンターの構築を目指すユーザー企業参画型プログラム「生成AI Co-Creation Lab.」の活動を通じて、クライアント企業から「AIチャットボットを導入しても期待した精度が出ず、難しい問い合わせは結局人に頼ってしまう」などの声を数多くいただいてきました。
生成AIで高精度な回答を自動化するには、FAQやマニュアル、オペレーターの暗黙知といったコンタクトセンター内に散在するナレッジの集約が不可欠です。しかし、その集約には膨大なコストと時間がかかり、多くの企業で着手が進んでいないのが実情です。加えて、回答精度向上のためにRAG(検索拡張生成)を導入しても、質問と回答の類似性に基づく検索では、複雑な意図を持つ問い合わせに対応しきれないという課題がありました。
こうした課題を解決するため、当社は「Hybrid Operation Loop」の第一弾ソリューションとして、「Knowledge Generator(ナレッジ・ジェネレーター)」を開発しました。これは、通話音声データからKCS準拠の高品質なナレッジを自動生成し、生成AIが参照するナレッジベースの構築を実現するものです。続く第二弾ソリューションである「Sherpy(仮称)」は、このナレッジベースから複数の情報の関連性まで踏まえて回答を導き出す検索技術「Hybrid RAG」の活用により、複雑な問い合わせの自動化を実現します。
■「Sherpy(仮称)」の特徴
「Sherpy(仮称)」という名称は、険しい山でも登山者を頂上まで安全に導く経験豊富なガイド「シェルパ」に由来します。複雑な問い合わせに対しても、高品質なナレッジベースをもとに、的確な回答という「頂上」へと確実に導くAIチャットナビゲーターです。
オペレーターが業務開始するまでに、教育担当者がオペレーターを研修やOJTを通じて育成するように、Hybrid Operation Loopも「Human-in-the-Loop(人間参加型の機械学習)」の概念のもと、ヒトが協働しAIを育成することで、回答精度の高いAIへ成長します。「Sherpy(仮称)」の開発にあたっては、当社が保険・エネルギー・通信・金融など多岐にわたる業界のコンタクトセンター運用を通じて蓄積した業務知見が活用されています。例えば、「どのような問い合わせが高難度か」「現場のオペレーターがどの場面で判断に迷うか」という実務を熟知しているからこそ、AIの育成ができ、現場で使えるAIチャットナビゲーターを提供できます。今回、以下の2つのモデルを開発しました。
・Sherpy for Operator(仮称)(オペレーター応対支援モデル):応対中のオペレーターがテキストで質問することで、AIが的確な回答を提示します。
「Sherpy(仮称)」は、回答精度を向上させる技術である「Hybrid RAG」を活用し、AIが利用者にチャット形式で自律的に意図を診断し、蓄積されたナレッジから的確な回答を導き出します。コールセンターでの応対を通じてAIが強化され、複雑な問い合わせに対しても応対できるようになり、AI単独では到達できなかった回答精度へと進化します。
当社は、オペレーターの応対を支援する「Sherpy for Operator(仮称)」と、顧客の自己解決を支援する「Sherpy for Customer(仮称)」の2モデルを展開し、コンタクトセンターにおけるオペレーターの業務の効率化と顧客のCX(顧客体験)向上を同時に実現します。
本ソリューションは、コンタクトセンター生成AI自動化ソリューション「Hybrid Operation Loop」の第二弾として提供するものです。現在、大手生命保険会社・大手エネルギー会社などの複数社で実証実験を進めており、順次実装を開始します。
■背景
当社が運営するAIとヒトのハイブリッド型コンタクトセンターの構築を目指すユーザー企業参画型プログラム「生成AI Co-Creation Lab.」の活動を通じて、クライアント企業から「AIチャットボットを導入しても期待した精度が出ず、難しい問い合わせは結局人に頼ってしまう」などの声を数多くいただいてきました。
生成AIで高精度な回答を自動化するには、FAQやマニュアル、オペレーターの暗黙知といったコンタクトセンター内に散在するナレッジの集約が不可欠です。しかし、その集約には膨大なコストと時間がかかり、多くの企業で着手が進んでいないのが実情です。加えて、回答精度向上のためにRAG(検索拡張生成)を導入しても、質問と回答の類似性に基づく検索では、複雑な意図を持つ問い合わせに対応しきれないという課題がありました。
こうした課題を解決するため、当社は「Hybrid Operation Loop」の第一弾ソリューションとして、「Knowledge Generator(ナレッジ・ジェネレーター)」を開発しました。これは、通話音声データからKCS準拠の高品質なナレッジを自動生成し、生成AIが参照するナレッジベースの構築を実現するものです。続く第二弾ソリューションである「Sherpy(仮称)」は、このナレッジベースから複数の情報の関連性まで踏まえて回答を導き出す検索技術「Hybrid RAG」の活用により、複雑な問い合わせの自動化を実現します。
■「Sherpy(仮称)」の特徴
「Sherpy(仮称)」という名称は、険しい山でも登山者を頂上まで安全に導く経験豊富なガイド「シェルパ」に由来します。複雑な問い合わせに対しても、高品質なナレッジベースをもとに、的確な回答という「頂上」へと確実に導くAIチャットナビゲーターです。
オペレーターが業務開始するまでに、教育担当者がオペレーターを研修やOJTを通じて育成するように、Hybrid Operation Loopも「Human-in-the-Loop(人間参加型の機械学習)」の概念のもと、ヒトが協働しAIを育成することで、回答精度の高いAIへ成長します。「Sherpy(仮称)」の開発にあたっては、当社が保険・エネルギー・通信・金融など多岐にわたる業界のコンタクトセンター運用を通じて蓄積した業務知見が活用されています。例えば、「どのような問い合わせが高難度か」「現場のオペレーターがどの場面で判断に迷うか」という実務を熟知しているからこそ、AIの育成ができ、現場で使えるAIチャットナビゲーターを提供できます。今回、以下の2つのモデルを開発しました。
・Sherpy for Operator(仮称)(オペレーター応対支援モデル):応対中のオペレーターがテキストで質問することで、AIが的確な回答を提示します。
よくある質問
「Sherpy(仮称)」の主な特徴は何ですか?
「Hybrid RAG」技術を活用し、AIがチャット形式で自律的に利用者の意図を診断し、蓄積されたナレッジから複雑な問い合わせに対しても的確な回答を導き出す点です。
どのようなモデルが提供されていますか?
オペレーターの業務効率化を支援する「Sherpy for Operator」と、顧客の自己解決を促進する「Sherpy for Customer」の2モデルが展開されています。
「Hybrid RAG」とはどのような技術ですか?
従来の類似性に基づく検索では対応困難だった複雑な意図を持つ問い合わせに対し、複数の情報の関連性まで踏まえて回答を導き出す検索技術です。
このソリューションの開発背景を教えてください。
AIチャボットの精度不足やナレッジ集約のコストといった課題を解決するため、第一弾のナレッジ自動生成「Knowledge Generator」に続き、高度な検索回答を実現する第二弾として開発されました。
現在の導入状況はどうなっていますか?
現在、大手生命保険会社や大手エネルギー会社を含む複数社で実証実験(PoC)を進めており、順次実装を開始する予定です。