キャピタル・ワン、自動車販売の効率を高めるAIエージェントを開発

エージェンティック・システム・デザインの革新：業界を超えたインスピレーション

インテリジェント・エージェント・システムを開発する際、創造的なインスピレーションは、予期せぬソースから生まれることがある。VB Transformでは、Capital One社が、人間同士のやり取りと企業運営の両方から洞察を得て、自動車金融部門のためのエージェント・プラットフォームをどのように設計したかを明らかにした。

人間中心設計の原則

キャピタル・ワンのテクノロジー担当SVP兼AI基盤責任者であるミリンド・ナファデ氏は、VB Transformのプレゼンテーションの中で、同社が人間の効果的な問題解決のダイナミクスを模倣することを優先したことを強調した。この金融機関は、エージェント・システムの設計を15ヶ月前に開始した。

「私たちは、デジタル・エージェントが、人間のトップ・エージェントが顧客と共同でトラブルシューティングを行う方法を反映したものにしたかったのです」とナファデ氏は説明する。開発チームは、顧客の痛点を効果的に特定するために、成功している人間のエージェントの質問テクニックや情報収集アプローチを綿密に研究した。

青写真としての組織構造

キャピタル・ワンは、自社の企業フレームワークの中に新たなデザインテンプレートを発見しました。「私たちは、キャピタル・ワンの内部構造から大きなインスピレーションを得ました。「すべての金融機関がそうであるように、私たちは評価、監査、検証プロセスといった複数の監視層を持つ厳格なリスク管理プロトコルを維持しています」。

この多層的なガバナンス・モデルは、エージェント・アーキテクチャに直接影響を与えた。チームは、潜在的な問題が発生したときにプロセスを遮断し、再評価することができる会社のポリシーと規制に訓練されたスーパーバイザーエージェントを実装しました。ナファデはこれを、"各メンバーが独自の専門知識でソリューション構築に貢献するスペシャリストのデジタル・チーム "の構築と表現している。

金融機関は、エージェント・システムが顧客サービス業務を強化し、問題解決を合理化し、商品エンゲージメントを向上させる可能性をますます認識している。BNYメロンを含む複数の大手銀行が今年、同様のソリューションを導入している。

自動車業界への導入

ディーラーとのやりとりに革命を起こす

キャピタル・ワンは、自動車ディーラーの顧客をサポートするエージェント・プラットフォームを最初に導入し、顧客の車両選択や融資オプションの案内を支援しました。このシステムはディーラーの在庫と統合され、試乗可能なモデルをリアルタイムで提供します。

Naphadeは、印象的なパフォーマンス指標を報告した：「私たちのディーラーのパートナーは、顧客エンゲージメントや適格なリード生成を含む主要指標全体で55％の改善を観察しました。

会話型インターフェースは特に価値があることが証明されました。「エージェントは24時間、自然で有益な対話を維持します。「誰かが真夜中に車について調べていても、緊急ロードサイドアシスタンスが必要でも、システムは即座にサポートを提供します。

将来の拡大機会

自動車の成功に後押しされ、キャピタル・ワンは他の事業分野へのエージェント展開を模索している。「旅行部門はエキサイティングな可能性を秘めています」とナファデ氏は、同行の人気旅行特典プログラムや拡大する空港ラウンジ・ネットワークについて言及した。

しかし、ナファデ氏は、より広範な導入の前に重要な内部テストが必要であると警告した。「新しいアプリケーションには、一貫した品質とコンプライアンスを確保するための徹底的な評価が必要です」。

技術アーキテクチャの検討事項

データ統合の課題

多くの企業がそうであるように、キャピタル・ワンも膨大なデータ・リソースを保有しているが、AIシステムのために情報を文脈化する際に複雑な実装上の課題に直面している。ナファデの応用研究者、エンジニア、データ・サイエンティストのチームは、モデル・アーキテクチャと最適化技術について幅広い実験を行いました。

「我々の理解エージェントは、最もリソースを消費するコンポーネントです」とナファデは説明する。「これらの大規模なモデルは曖昧性解消タスクを処理するため、パフォーマンスを維持しながら効率を向上させるために、蒸留法とマルチトークン予測を採用しています」。

前例のない開拓

開発プロセスでは、人間による監視と堅牢なガードレールを組み込んだ反復テスト・サイクルが行われた。ナファデは、「この新しい分野には、既存のプレイブックがありませんでした。従来のソフトウェア開発とは異なり、確立されたベストプラクティスや同業他社の導入事例を参考にすることができなかったのです」。

この先駆的なアプローチにより、チームはエンタープライズAIアプリケーションの新領域を開拓しながら、評価と継続的改善のための独自のフレームワークを確立する必要があった。