Microsoft 社内でのエージェント活用事例：顧客フィードバックのためのAgentノイズからインサイトへ

マイクロソフト社内で、製品フィードバックをうまく収集するためのエージェント活用

顧客中心の製品開発を目指して

すべてのプロダクトチームは「より顧客主導でありたい」と願っています。
しかし現実は複雑です。
アンケートの自由回答、プロダクト内での「クイックコメント」、サポートチケット、コミュニティスレッド、会議メモなど、あらゆる方向からフィードバックが流れ込みます。
重要なシグナルはノイズの中に埋もれ、人が全てを読み、タグ付けし、照合できる頃には、行動に移すタイミングを逃していることもしばしばです。

そこで私たちは、ひとつのシンプルな問いを立てました。

つまり、24時間いつでも利用できる「チームメイト」がノイズを整理し、今最も重要な情報を抽出し、プロダクトチームがすぐ行動できるよう支援してくれたらどうなるでしょうか？

それが、私たちが社内チーム向けに開発した顧客フィードバックエージェント（Customer Feedback Agent） の発想です。

分散したシグナルを明確で行動可能なインサイトへ

この内部フィードバックエージェントは、次のように機能します。

• 複数チャネルの統合: 承認された複数のチャネルからフィードバックを集約し、検索可能な統合ビューを生成。

• 言語理解: 最新の言語モデルを用いて、関連テーマをクラスタリングし、主要トピックを抽出。長文スレッドを要約し、感情や強度を識別します。

• 自然言語での回答:
  例：「今月のモバイルオンボーディングでの主な課題は？」
  と尋ねると、根拠リンク付きの明確な回答を提示します。。

• 優先度付け: 情報量・新しさ・影響度などのヒューリスティックに基づいてシグナルを優先化。
  チームは「何がトレンドか」「何が緊急か」をすぐに把握可能です。

• 次のアクション提案: 問題提起、実験案、ステータスデッキ用の簡潔な更新など、次に取るべきステップを推奨します。

• ループの完結: AIが返信ドラフトを作成し、人間が確認・送信。顧客対応のスピードと一貫性を高めます。

私たちがエージェントをどのように構築したかマルチエージェント構成

私たちは Azure AI Foundry のモデル、エージェント、およびツールを用いて、マルチエージェントによるワークフロー自動化ソリューションを構築しました。

• オーケストレーターエージェント

このエージェントは、ユーザーの意図を解釈し、機能、リリース、チャネル、データの可用性に基づいて、リクエストを適切な専門エージェント（スペシャリスト）へルーティングします。

サブエージェント（スペシャリスト）

サブエージェントには、以下のようなものが含まれます：

• サーベイエージェント: アンケートから洞察を収集。

• プレリリースエージェント: β版やUAT（ユーザー受け入れテスト）からシグナルを特定。

• ロングフォームエージェント: メモや会議トランスクリプトを収集・分析。

各サブエージェントは、自身のスキーマ、検索（リトリーバル）戦略、ガードレールを理解しています。

このカスタマイズ設計により、

• 各エージェントの責任範囲が明確化され、

• アップグレードが容易になり、

• ルーティングが予測可能となります。

また、システム全体を中断することなく、サブエージェントの追加や差し替えを行うことが可能です。

エントリーポイント：Microsoft Teams

このエージェントは Microsoft Teams アプリ（ボット） として利用可能です。
チャット、チャンネル、会議の中でアクセスでき、ユーザーはその場で質問したり、結果を共有できます。

• 応答には元の証拠データへのリンクが含まれ、

• ワンクリックでブリーフやスライドへエクスポートすることも可能です。

なぜこの方法なのか？

Teamsという既存のコラボレーションハブにインサイトを直接届けることで、
「質問する」という行為を自然な習慣にし、別のタスクとして扱わないようにするためです。

データパイプラインとインデックス化

定期的に実行されるインジェストジョブ（取り込みジョブ）により、次の処理を行います：

• コンテンツの正規化（Normalization）

• 重複排除（Deduplication）

• セマンティック＋キーワードインデックスの更新

• 最小限のメタデータ（プロダクト領域、期間、チャネルなど）の付与

会話層（コンバ―セーショナルレイヤー）は、回答を生成する前にこのインデックスからコンテキストを取得するため、
速度・予測可能性・コンプライアンスのすべてを向上させます。

さらに、単純で信頼性の高い更新スケジュールは、
リアルタイム呼び出しの複雑で脆弱な連携構造を避け、
ガバナンスをより明確にします。

ヒューマン・イン・ザ・ループ（人間の関与）

外部へのアクション（例：顧客への確認メッセージ送信など）では、
エージェントが適切な形式とヘッダーを持つドラフトを準備します。
その後、人間が内容を確認・編集し、承認済みチャネルを通じて送信します。

アーキテクチャ

このマルチエージェントシステムは、すべてのやり取りが高品質で信頼できるアウトプットを生成できるよう設計されています。

• 外部コミュニケーションや作業項目作成には、必ず人間の確認ステップを設け、品質と説明責任を確保。

• すべてのインサイトは元ソースへのトレーサビリティを保持。

• データは厳格なガバナンスパイプラインで処理され、保持期間やコンプライアンスも管理。

これにより、組織のセキュリティを保ちつつ、行動可能なインテリジェンスを提供します。

解決する課題（Before → After）

• トリアージ（Triaging）

  • Before:
    複数システム間でスキミング、タグ付け、コピーペーストを繰り返す作業に数週間を要していた。

  • After:
    質問をするだけで、数秒で要約され、ソースリンク付きの統合回答を取得可能に。

• 優先順位付け（Prioritization）

  • Before:
    主観的な判断（逸話ベース）で優先順位を決定しており、新たな問題は大量の情報に埋もれてしまっていた。

  • After:
    量・新規性・重大度といった構造化されたシグナルに基づく客観的な優先順位付けが可能に。

• フォローアップ（Follow-ups）

  • Before:
    対応が遅く、顧客は「無視されている」と感じることが多かった。

  • After:
    適切なヘッダーとトーンでフォローアップ文面を自動ドラフト化し、人間が確認して送信することで迅速な対応を実現

次のステップ

このAIエージェントはまだ始まりに過ぎません。
今後は以下の改善を計画しています。

• より高度なアクション:
  実験テンプレートや作業ブリーフを自動生成し、ワンクリックでインポート可能に。

• 長期的なトレンド可視化:
  リリースごとの傾向を視覚化し、重大度や顧客層別のオーバーレイを追加。

• 新たなチャネル対応:
  ガバナンスとコンプライアンスが整い次第、新しいフィードバックソースを拡大。

Azure AI Foundry であなたも構築を始めよう

• Get started with Azure AI Foundry, and jump directly into Visual Studio Code

• Watch our demo on YouTube

• Download the Azure AI Foundry SDK

• Take the Azure AI Foundry learn courses

• Review the Azure AI Foundry documentation

• Keep the conversation going in GitHub and Discord

• Get started with Copilot Studio

• Review the Copilot Studio documentation

このブログは Microsoft の AI Futures チームによる「The Future of AI」シリーズの一部です。