AIToday
大規模言語モデルAIビジネス・産業Amazon AI Blog掲載日時: 2026年11月13日 10:00

Natera、検査業務AIで初回応答を約8分に短縮

LINEで送る
Natera、検査業務AIで初回応答を約8分に短縮

3つのポイント

  1. 何が起きたか

    NateraはAmazon Bedrock AgentCore上にSWARMを構築し、平均初回応答時間を17.4時間から約8分に短縮、チケットの96.2%で自動初回応答を実現した。

  2. なぜ重要か

    17.4時間から約8分への短縮により、エンジニアはチケットを開く前に診断レポートを得られ、検査サンプルや患者報告を遅らせる装置のダウンタイムを抑えられるとNateraは説明する。

誰に効くか臨床検査企業の検査業務やサービスエンジニアリングのチームは、機器サポートチケットへの初回応答迅速化が期待できるが、この結果はNateraでの90日間の本番評価1件に基づくものだ。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

Nateraが最初に抱えた問題は知識の継続性だった。サービスエンジニアリングチームは標準化されたプレイブックではなく、個人の深い専門知識を中心に構成されていたため、特定の装置ファミリーの診断に長年携わってきた熟練技術者が退職すると、その知識は事実上失われた。その専門知識を大規模に捕捉・整理・展開するシステムは存在せず、3つのキューの合計で1日65件超のチケットに人員増で追いつくことはできなかった。

SWARMの設計はこのギャップを反映している。単一のバージョン管理されたスキルライブラリを共有する2つのランタイムを使い、swarm-agentはエンジニアがチケットを開く前に構造化された診断レポートを生成し、swarm-hiveはエンジニアがリアルタイムで対話し、画像をアップロードし、別のトラブルシューティング手順を検討できるようにする。ライブラリには33のスキルがあり、うち24は装置固有だ。Jirauによると、チームは最初からバージョン管理付きで構築したため、誤った診断はシステム全体ではなく特定のスキルに遡って追跡できる。

精度の数字は2つの点を踏まえて読む必要がある。Jirauは診断精度をまずデータ品質の問題と位置づけ、最もスコアの低い装置ファミリーについて不足していたベンダーマニュアルを追加したところ、モデルを変更せずに精度が71%から75%に向上したと述べた。また自己評価の信頼度ラベルは精度と方向性のみ一致する。高信頼度のチケットは評価した154件で精度74%に達した一方、中程度と低はそれぞれ78件と37件でともに65%だった。この差は一部、低信頼度のサンプル数が少ないことも一因だとチームは見ている。

よくある質問
SWARMは従来のプロセスよりどの程度速いのか?
平均初回応答時間は17.4時間から約8分に短縮され、約130倍速くなった。これは90日間の本番評価期間で測定された。
SWARMの精度はどのように評価されたのか?
SWARMは524件のサポートチケットで評価された。うち269件には信頼度ラベルとエンジニアが検証した解決策があり、評価者が各応答を装置ファミリーごとにAccurate、Partial、Wrongのいずれかに格付けした。
Nateraが不足していたベンダーマニュアルを追加した結果は?
Ariel Jirauによると、最もスコアの低い装置ファミリーについて不足していたベンダーマニュアルを追加したところ、モデルを変更せずに精度が71%から75%に向上した。
Amazon AI Blog元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へOpenAI、Gondolaの売上倍増を発表