■トークの定量評価を実現するAI解析フレームワークを開発 当社は、トーク内の情報を分類して整理するためのフレームワーク「CogStructure」を開発し、「UpSighter」のサービスを確立しました。 CogStructureは、文章やスピーチ、会話のなかに、どのような種類の情報がどれだけあり、どのような組み合わせになっているかを明らかにするためのフレームワークです。 トーク内容の定量評価を可能にし、会話内で論理が飛躍した場合も対応できるようになっています。 かつてイギリスの哲学者 スティーブン・トゥールミンは、「何かを主張する際には論拠、主張など6つの要素によって論理を組み立てられる」という論証のモデルを生み出した。 しかし、当社は「トゥールミン・モデル」と呼ばれるこのモデルでは、すべてのスピーチや会話は分析できないと考え、さらに詳細な研究を進め、8,000を超えるサンプルを分析しました。 トークの内容は、以下のような要素に分類されます。 ・起点となる提案や意見 ・深掘りした説明 など... それぞれの要素をどのような割合で話しているのか、どのような構成で話を進めているのかなどを分析し、特徴を割り出すことを可能にしたのが「CogStructure」です。 ■人の手が加わるからこそ実現できること 「UpSighter」が複雑な情報でも解析できるのは、その一連の過程で「人の手」による作業を入れているためです。 解析したい営業トークやスピーチは、まず音声データを文字に起こし、自社技術のフレームワークであるCogStructureを用いて、情報を分類していきます。 その際、システムで自動処理する部分もありますが、多くはトレーニングを積んだ専門スタッフによる人力での分類が行れています。 「ここで主張が変わったな」、「反論を多く述べ始めたな」という細かな判断は、まだ人間にしかできません。 人間の力を介在してはいますが、10カ国近い言語の解析が可能で、言語を横断して解析することもできます。 例えば、スティーブ・ジョブズと日本の政治家のスピーチを比較することもできます。 ジョブズのスピーチには「深掘り説明」「起点となる意見」「理由づけ」「事例」などがバランスよく入っているが、あの政治家はまったく事例を言わないし、あちこちに話が飛んでいる……、ということも客観的に分析することができます。 ■IPOを視野に事業展開中 現在は社員もパートナーも揃ってきており、直近数年でのIPOに向けて動きだしています。 IPO準備に伴って、海外展開と、地方展開を併せて行っています。 上場を目標としている背景は、多くの人が働ける環境で、社会に対して良いものを作っていくことには意義があると思っているからです。 また、働ける場所の選択肢を増やしたいと思っており。 そのためにはまず事業規模が必要です。 当社はこれから、情報の偏りや思い込みが判断を鈍らせないような世の中にしていく事業を展開していく予定です。そのためのツール、技術を開発していくことが当社のミッションだと思っています。