全球首創：利用聊天訊息即時推估團隊共享認知（SMM）並可視化團隊狀態變化的技術已開發完成

NTT Docomo, Inc.（以下簡稱「Docomo」）與國立大學法人奈良先端科學技術大學院大學（以下簡稱「NAIST」）共同開發了全球首創的技術（以下簡稱「本技術」），該技術能利用 AI 即時從 Slack 或 Microsoft Teams 等日常業務聊天訊息中，推估對團隊高效工作與業務成長至關重要的共享心智模型（Shared Mental Model，以下簡稱 SMM）。此外，關於本技術的研究開發論文，已獲人機互動領域頂尖國際學會「ACM CHI conference on Human Factors in Computing Systems（以下簡稱「CHI 2026」）」所採納。

在現今企業業務日益複雜精深的時代，為了讓團隊能有效發揮績效，持續掌握並維持團隊成員對於「工作進度」、「角色分工」、「彼此的優劣勢」等事項的共同認知程度——即 SMM 分數，已變得至關重要。然而，目前掌握 SMM 分數的主要方法，如專家評估或問卷調查，在準備、執行及分析上都需要相當的時間與人力，且結果常有延遲，難以即時掌握團隊狀態的每日變化，這構成了現有的挑戰。

此次由雙方共同開發的本技術，採用 Docomo 自行研發的圖神經網路（Graph Neural Network，以下簡稱「SMM 推估引擎」），透過分析團隊日常使用的 Slack、Microsoft Teams 等聊天工具中的訊息，即時推估團隊的 SMM 分數，並將團隊狀態的變化可視化。此技術透過多個 AI（LLM）將聊天訊息分類為「資訊分享」、「提問」、「感謝」等 11 個類別，再由 SMM 推估引擎解析特定類別訊息在團隊內從何人傳送至何人、以及傳遞的方向性，進而自動計算團隊的 SMM 分數。本技術無需像傳統方法那樣進行問卷調查，能有效減輕企業成本及團隊成員的時間與人力負擔，實現即時持續的監控。同時，由於不涉及專家評估時人為介入，能分析團隊成員發言內容，而無需他人個別審查或評價，故其高度機密性與隱私保護特點亦是一大特色。

透過運用本技術，團隊經理或領導者能即時掌握團隊 SMM 分數的下降情況，並適時採取溝通對策，例如分享必要知識或重新確認目標，以促進 SMM 分數的提升。此外，當新成員加入團隊時，也能藉此了解 SMM 分數是否隨著時間呈現上升趨勢，判斷其 on-boarding（新人導入）過程是否順利。

為驗證本技術的開發與有效性，Docomo 在內部實際進行了使用業務聊天數據的實驗。結果確認，透過結合分析訊息內容、類別及方向性這三項資訊，本技術能實現高精確度的 SMM 分數推估。未來，將透過 Docomo 以外的其他企業與組織的實證實驗，進一步推廣應用。