企業向けAIアシスタント最適化：Crypto.comがLLMの推論とフィードバックを活用し業務効率を高める方法
企業が日々の業務プロセスを最適化し、社員の生産性を向上させる中で、業務支援用AIアシスタントの重要性はますます高まっています。中でも大規模言語モデル（LLM：Large Language Models）を活用したAIアシスタントの導入は、多くの組織に新たな可能性をもたらしています。
本記事では、暗号資産取引プラットフォームを提供するCrypto.comが、AWS（Amazon Web Services）の技術を活用し、LLMによるエンタープライズ向けAIアシスタントをどのように構築・最適化し、業務上の効率化とユーザー体験の向上を達成しているのかについてご紹介します。
Crypto.comのAIアシスタント構築のきっかけ
急速に拡大するサービスとユーザー層に対応する中で、Crypto.comは、内部業務やカスタマーサポートなど多岐にわたる分野で迅速な意思決定・情報取得を実現する方法を模索していました。従業員が求める情報を瞬時に得られる環境を整えることは、サービス品質の維持、そしてビジネスの俊敏性を向上させるために不可欠な課題だったのです。
この課題を解決すべく、同社はエンタープライズ向けのAIアシスタント「Amy」の開発に着手しました。Amyは、従業員が日常業務で取り扱う情報に素早くアクセスし、自然言語による質疑応答をサポートするAIアシスタントとして設計されました。
AWS上で稼働するAmyは、OpenAIのGPT系モデルを活用し、資料検索から判断補助まで幅広い用途で業務を支援します。その開発の中心にあったのが、LLMの推論力を最大限に引き出すための工夫と、ユーザーからのフィードバックによる継続的な最適化でした。
Retrieval-Augmented Generation（RAG）を活用した設計
Amyの開発において、Crypto.com は「RAG（Retrieval-Augmented Generation）」というアーキテクチャを導入しています。RAGは、事前学習済みのLLMとドキュメント検索機能を組み合わせることで、より関連性が高く、正確性のある回答を生成できる仕組みです。
Amyの場合、社内ドキュメントや運用マニュアル、FAQ、プロジェクト仕様書などの非構造化データをAmazon Kendraを使って効率的に検索・取得します。そして、その取得した情報をもとに、LLM（GPT）によって自然言語でユーザーに回答を行うという流れで設計されています。
これにより、ユーザーが「このプロセスは誰が承認する必要がありますか？」などの問い合わせを行った際、Amyは該当するドキュメントを参照してコンテキストを把握した上で、適切な回答を返すことが可能になります。
利便性を支える自然な対話設計
Crypto.comが特に注力したのは、Amyによるユーザーとの自然なやりとりです。どれほど情報が正確であっても、使いやすさが伴わなければ業務効率の向上は期待できません。
そのため、Amyは単なる機械的な質問回答以上の機能を有しており、ユーザーの曖昧な表現や文脈を理解し、文法ミスや言い回しにとらわれず、柔軟に対応できるよう設計されています。また、過去の会話履歴を踏まえて継続的に会話できるなど、インタラクティブなやり取りが可能となっており、まさに「アシスタント」としての役割を担っています。
強化学習とフィードバックループによる継続的改善
AIに求められる性能は、導入して終わりではなく、継続的な改善を通じて初めて意味があります。Crypto.comはこの点にも強いこだわりを持ち、「人間のフィードバックによる強化学習（RLHF：Reinforcement Learning from Human Feedback）」を取り入れています。
具体的には、ユーザーがAmyの応答に対して良し悪しの評価を送れる仕組みを整備し、それをもとにモデル側で回答の改善サイクルを回しています。ユーザーが「役に立った」「少し違った」といった評価を施すことで、システム側がどの情報が価値あるものであったかを学び、より精度の高い回答が提供できるように進化していくのです。
このようなフィードバックループは、モデルのバイアスを減らし、企業文化や専門用語といった特定の文脈に即した回答を可能にする大きなポイントとなっています。
セキュリティとプライバシーを守るインフラ設計
LLMを企業向けに導入するにあたり、多くの企業が懸念するのがセキュリティとデータプライバシーの保護です。Crypto.comは、この点にも万全の体制を構築しました。
AmyはAWSのセキュリティ機能を基盤として、データアクセス制御、ユーザー認証、監査ログ、暗号化通信など、企業レベルのセキュリティ要求に応える仕組みが実装されています。特に社員が使う情報にはアクセスの制限を厳密に設けており、誰が、どのデータに、どんな目的でアクセスできるかといった管理が徹底されています。
また、AIモデルによる推論はすべて社内のセキュアな環境で実行されており、機密性の高い情報が外部に漏れるリスクを未然に防止しています。
革新がもたらした効果と将来展望
Amyの導入によって、Crypto.comの従業員は日常業務において必要な情報へのアクセススピードが格段に向上し、自己解決率の向上・エスカレーションの減少を実現しました。また、カスタマーサポートチームの訓練や情報共有の効率化にも大きく寄与しているといいます。
企業にとって大切なのは、テクノロジーを組織文化になじませ、従業員が自然に活用できるようにすることです。Amyはその好例として、AIアシスタントが単なる道具を超えて業務のパートナーとなる可能性を示してくれました。
今後は、より多言語対応の強化、各部署にカスタマイズされた回答生成、業務履歴との連携など、さらなる最適化が見込まれています。
AIアシスタントの未来に向けて
AIを活用して日々の業務を支援するアシスタントは、今や多くの業界で不可欠な存在となりつつあります。重要なのは、どのようにしてAIを業務フローに統合し、従業員にとって使いやすく、そして信頼のおけるツールとして育てていくかです。
Crypto.comのAmyの事例は、そのために必要な技術・設計哲学・運用方法のすべてが詰まった貴重な教訓を含んでいます。人間のフィードバックを取り入れ、自然言語理解の精度を高め、セキュリティに配慮しながら、持続的に改善し続けること、それが今後の企業AIアシスタントの成功に不可欠な要素となるでしょう。
未来の職場では、単なる自動化以上に、従業員と共に成長し続けるAIが求められています。その先駆けともいえるAmyの開発事例は、エンタープライズAIの可能性を鮮やかに照らし出しています。
