Amazon Bedrock、Amazon Connect、Anthropic の Claude を使用した DoorDash のための生成 AI コンタクトセンターソリューションの構築

DoorDash は、地域経済の成長と強化をミッションとして 2013 年に設立され、地域企業の成功をサポートし、地域の消費者を近隣の最適な販売者と便利に結び付け、柔軟な収入源を Dasher ドライバーに提供しています。2023 年末までに、そのユーザーベースは、毎月 DoorDash を利用する 3,700 万人超のアクティブな消費者と、毎月 200 万人超のアクティブな Dasher ドライバーに拡大しました。

消費者、販売者、Dasher ドライバーのニーズを満たすために、DoorDash は AWS の AI を活用したコンタクトセンターである Amazon Connect を利用しています。Amazon Connect を通じて、DoorDash は 1 日に数十万件もの電話を処理しています。これには、アプリケーションのトラブルシューティングからサインアップや支払いオプションまで、日常的なトピックに関するサポートが必要な Dasher ドライバーからの電話も含まれます。

サポートに連絡すると、ユーザーは Amazon Connect と Amazon Lex を利用したセルフサービスの自動音声応答システム (IVR) エクスペリエンスに誘導されます。これにより、DoorDash のエージェントへの転送が 49% 削減されるとともに、初回解決率が 12% 増加し、DoorDash ユーザーのエクスペリエンスが改善され、運用コストが前年比で 300 万 USD 削減されました。しかし、ほとんどの通話が依然として人間のエージェントにリダイレクトされていることを受けて、DoorDash はセルフサービスをさらに強化できると考えました。「Dasher ドライバーが極めて一般的な質問や問題についてできるだけ迅速かつ効率的にサポートを受けられるようにすることで、Dasher ドライバーの時間と労力を節約し、DoorDash のセルフサービス機能への信頼を高めたいと考えました」と DoorDash の Contact Center Product Lead である Chaitanya Hari 氏は述べています。

Dasher ドライバーは通常、車を運転して販売者や消費者を訪問する際に、途中で問い合わせる場合には、チャットするよりも、サポートに電話することを好みます。電話サポートで迅速かつ信頼性の高いサポートを得られると Dasher ドライバーが考えていることを考えると、セルフサービスソリューションの応答レイテンシーは一層重要になります。DoorDash は、Dasher ドライバーが電話に費やす時間をできるだけ短くする必要がありました。そのため、応答レイテンシーの低さが電話ソリューションの重要な要素となりました。

Dasher ドライバーのサポートを効率化するために、DoorDash のコンタクトセンターチームは Amazon Connect 内でのセルフサービスのために生成 AI を利用することを考えていました。チームは、問題解決と顧客満足度の高い基準を維持しながら、迅速かつ大規模にロールアウトできるソリューションを求めていました。チームは、ソリューションのベースとして、単一の API を通じて先駆的な AI 企業の高性能な基盤モデルを選択できるフルマネージドサービスである Amazon Bedrock を選択しました。

AWS GenAIIC は DoorDash に投資し、同社の既存の音声 AI アシスタントを強化するカスタム生成 AI ソリューションを設計、構築、デプロイするために協力しました。8 週間にわたって、DoorDash と GenAIIC のチームは設計と実装をイテレーションし、本番 A/B テストに適したリファレンスアーキテクチャを開発しました。Amazon Bedrock ベースのソリューションにより、生成 AI アプリケーションの開発時間が 50% 短縮されました。

DoorDash は、ソリューションを構築するために、Amazon Bedrock で Anthropic の Claude モデルを使用することを選択しました。Amazon Bedrock を利用することで、DoorDash は必要なすべてのモデルにすぐにアクセスできるようになりました。Claude は、ハルシネーションを軽減し、インジェクションイベントを促すとともに、不適切な言葉遣いを検出する機能を備えているため、プロジェクトで大いに役立ちました。Claude 3 Haiku のリリースにより、DoorDash は音声アプリケーションに必要な精度と速度を実現し、応答レイテンシーを 2.5 秒以下に抑えることができました。DoorDash は、これらの生成 AI ソリューションを介してアクセスできるように、個人を特定できる情報を提供することはありません。さらに、Amazon Bedrock は暗号化を通じてデータセキュリティを実現し、DoorDash またはその顧客のデータが DoorDash アプリケーションでのみ利用されるようにします。

「電話サポートに AI 生成の応答を採用したところ、応答時間を短縮し、回答の質を高め、Dasher にクラス最高のサポートを提供するための革新的な戦略を必要とする独自の課題が生じました。Amazon Bedrock は当社の要件を完全に満たしてくれたため、当社はソリューションの細部の改良に注力できました」と DoorDash の Lead Project Engineer である Vraj Shah 氏は述べています。 

深いナレッジベースへのアクセスは、セルフサービスソリューションのもう 1 つの重要な要素でした。ナレッジベースが詳細かつ多様であればあるほど、ソリューションは効果的になります。DoorDash は、検索拡張生成 (RAG) を使用するために、公開されているヘルプセンターからデータを追加しました。RAG を使用することで、企業のソースからデータを取得し、プロンプトを強化して、より関連性の高い正確な応答を Dasher ドライバーに提供できます。

既存のコンテンツのインデックスを作成するために、同社は Amazon Bedrock のナレッジベースを利用しました。これは、データソースへのカスタム統合を構築したり、データフローを管理したりすることなく、取り込みから取得、プロンプト拡張までの RAG ワークフロー全体を組織が実装するのに役立つフルマネージド機能です。Amazon Bedrock のナレッジベースが DoorDash のためにバックエンド作業を処理しました。

また、DoorDash は、GenAIIC のサポートを受けて、ソリューションをテストする能力も強化しました。以前は、チームが 1 時間あたり少数の手動テストケースを完了するために、コンタクトセンターエージェントにヘルプキューから離れてもらい、その手を借りる必要がありました。DoorDash は、デベロッパーが機械学習モデルの構築、トレーニング、およびデプロイに使用する Amazon SageMaker を利用して、A/B テストから迅速にインサイトを引き出すテストおよび評価フレームワークを構築し、主要な成功メトリクスを大規模に評価しました。このフレームワークは、DoorDash が 1 時間あたり数千の自動テストを完了するのに役立ち (処理能力の 50 倍の増加)、Ground Truth データに照らして応答を意味的に評価します。

DoorDash は、Dasher ドライバーからの一般的な問い合わせを自動的に処理することで、セルフサービスワークフローを改善し、問題解決の速度を向上させました。これは、配達時間を短縮し、Dasher の生産性と満足度を高めるのに役立ちます。生成 AI を利用して日常的な質問に対処することで、DoorDash の人間のエージェントは、人間によるトラブルシューティングの方が適している、より複雑な問題を解決できるようになりました。