11月10日、OpenAIが「Singapore Airlines elevates travel & work with OpenAI technology」と題した記事を公開した。シンガポール航空がOpenAI APIを活用して顧客向けチャットボットのCSATを最大2倍に引き上げ、旅程検索・社内業務・ソフトウェア開発の全領域にAIを展開した事例を詳しく紹介している。ダイアログフロー型からLLMベースへの全面移行という意思決定の背景と、本番環境での具体的な成果を見ていく。

チャットボット「Kris」のCSATが最大2倍に

最も注目すべき数字は、顧客向けチャットボット「Kris」のカスタマー満足度スコア（CSAT）が最大2倍に向上したという結果だ。

従来のKrisは、ダイアログフロー型（あらかじめトピックとフローを手動でマッピングする設計）で動作していた。Dialogflowに代表されるこの方式では、想定外の問い合わせが来た時点で会話が破綻し、オペレーターへのエスカレーションが必要になる。カバレッジのスケールアップも難しく、新しいトピックを追加するたびに手作業でフローを書く必要があった。

シンガポール航空はこのKrisをOpenAI APIを使ったLLMベースの会話システムへ全面移行した。現在のKrisは、自然言語での意図解釈、ナレッジベースに基づいた回答生成、複数トピックにまたがる会話管理、そしてオペレーターへの引き継ぎ時のコンテキスト共有を実現している。顧客はフライトの遅延情報の確認や各種リクエストをKris上で完結できる。

オーケストレーション層の具体的な技術構成について元記事では詳細な言及はないが、OpenAI APIを中心に据え、社内ナレッジベースや予約・フライト情報システムとの連携をAPI経由で実現している構成とみられる。※編集部の考察：Function CallingやAssistants APIといったOpenAIの機能を活用することで、外部データソースへの動的なアクセスと回答生成を組み合わせている可能性が高い。エンジニア読者にとっては、こうしたオーケストレーション設計の詳細が今後の続報で明らかになることが期待される。

あわせて、カスタマーサービス担当者向けにOpenAI APIを使った通話サマリー機能も導入した。これにより担当者の平均対応時間が約10%削減された。

「Krisはより優れたセルフサービスチャネルになった。顧客の意図をより自然に理解し、適切な回答へ誘導できる。担当者が介入する際も、より明確なコンテキストを渡せる」
— Jude Anand Suresh（VP, Customer Service IT, Singapore Airlines）

※編集部の考察：航空業界でのAI活用は業界全体のトレンドでもある。カタール航空やANAなど他の航空会社も顧客対応AIの強化を進めているが、ダイアログフロー型からLLMへの全面移行をCSATという明確な指標で示した事例は現時点では珍しい。単なる「AI導入」ではなく、既存システムの置き換えとその効果測定を公開している点で、同業他社の参考になりうる事例だ。

自然言語で旅程を探す「Flight Recommender」

フィルターや日付を繰り返し調整する代わりに、「子連れで南国リゾートに行きたい」のように自然言語で旅程を探せるFlight Recommenderの月間利用者数は、過去1年で約3倍に成長した。

仕組みとしては、OpenAI APIを中心に、運賃・空席データへのアクセスを担うオーケストレーション層を組み合わせている。入出力のバリデーション、不適切クエリのハンドリング、ハルシネーション抑制、PII（個人識別情報）の取り扱い、クエリに必要なコンテキストのみへのアクセス制御といったガードレールも実装済みだ。運賃・空席という刻々と変わるリアルタイムデータを扱う以上、ハルシネーション抑制とアクセス制御の設計は特に重要な課題であり、本番運用でこれらを解決している点はエンジニア観点で注目に値する。

今後は単発の検索ではなく、複数ターンにわたって旅行のアイデアを段階的に深掘りできる会話型UIへの進化を予定している。

ソフトウェア開発ライフサイクルへの組み込み

顧客向け機能にとどまらず、社内のソフトウェア開発ライフサイクル全体にもOpenAIモデルを導入した。要件の精査、ステークホルダーセッションの分析、プロダクト仕様書作成、エッジケースの洗い出し、テストケース生成、アーキテクチャレビュー、複雑なタスクの分解——コーディング以外の工程を含む広範な領域で、最大20%の生産性向上を実現したという。

ある商用機能の開発では、開発着手前にOpenAI APIを使って仮定の検証・曖昧な要件の特定・エッジケースの抽出を行い、それをベースに設計案・実装計画・テストケース・コード生成へと展開した。本番デプロイ後も、AIがシステムの挙動を解釈して異常を検知する役割を担う。

チームメンバーの役割は「成果物をすべて自分で作る」から「AIが生成したものをレビュー・検証・方向付けする」へとシフトしている。

社内AI基盤「Jarvis」：全社員の60%超が月次利用

エンジニアリング部門以外の従業員向けには、OpenAIモデルで動作する社内AI基盤「Jarvis」を提供している。PDF・Word・Excel・PowerPointなどのファイルを安全な環境で扱いながら、カスタムワークフローや簡易ナレッジベースを構築できる。現時点でシンガポール航空の全社員の60%超が月次でJarvisを利用しており、導入率は増加傾向にある。

まとめ：数字で見る成果

ダイアログフロー型チャットボットからLLMベースへの移行でCSATを最大2倍にした事例は、同様の移行を検討している航空・旅行・EC系の企業エンジニアにとって具体的な参考になる。オーケストレーション層の設計、ガードレール実装、ハルシネーション対策といった実装上の課題が実際の本番環境でどう解決されているかの詳細は、今後の続報が待たれる。

詳細はSingapore Airlines elevates travel & work with OpenAI technologyを参照していただきたい。