simpleconnectの製品情報（特徴・導入事例）

Cloopen株式会社

大規模言語モデル（LLM）活用
品質管理ソリューション(QM Agent)
文脈解析（セマンティック）による品質管理・会話プロセス検証・
小規模モデル品質管理・インサイト分析

企業が直面する品質管理のペインポイント

モニタリング効率が低く、カバー範囲が限定的
確認漏れ・誤判定
ツール運用コストが高い

現場のペインポイントをAIで解決 ～負担を最小限に、効果を最大化～

品質管理のカバー率
品質管理の精度
品質管理コスト

主要システム導入実績

主要システム導入実績

AIを用いた品質管理の機能と特徴

LLM × 軽量モデルのハイブリッド構成
圧倒的なコストパフォーマンスを誇る、対話品質管理ソリューション

LLM文脈解析チェック

LLM文脈解析チェック：文脈（コンテキスト）理解により、 隠れたリスク

軽量モデル（SLM）によるルールベース検査

軽量モデル（SLM）によるルールベース検査
〜コストパフォーマンスに優れ、特定シナリオにおける高精度なチェックを実現〜

項目別・品質管理ダッシュボード

項目別・品質管理ダッシュボード
〜全チェックタスクの進捗と詳細スコアを、一目で把握・追跡可能〜

分析ダッシュボード

業務コンプライアンス分析
運営管理・AIの精度分析
オペレーター・スキル分析

AIが解消する品質管理の課題

テキストチャットの品質チェック
音声通話の品質チェック
AI解析結果を可視化、ワンクリックで該当箇所を特定
音声プレイヤーがNG箇所と連動、効率的なモニタリングを実現

AI評価に対する異議申し立て

AI評価に対する異議申し立て・再評価フローに対応

判定根拠の可視化・透明性

判定根拠の可視化・透明性。 ワンクリックで「該当の発言」を特定

大規模言語モデル（LLM）を活用した品質管理（QA） 導入事例

導入事例①：証券会社の業務コンプライアンス、サービス品質、リスク管理の全量チェック

導入事例①：リスク確認漏れの疑いを検知 —顧客回答の矛盾—

顧客が、回答が矛盾した理由（最初は「いいえ」と言った理由）を説明しているか？
オペレーターが再確認を行い、実情に基づいた回答を求めているか？
判定ルール： 解析の結果、上記1または2のいずれかが確認されれば「正常（OK）」とする。いずれも確認できない場合は「異常（NG／リスク見落とし）」とする。

導入事例①：リスク管理チェック項目 — 「未確認事項」の検知—

未確認事項あり
1、顧客が質問に対して回答をはぐらかす。
2、顧客が質問に対して回答に整合性がない。
3、顧客の非協力的な応答によるヒアリングの難航および聴取不能。
上記のような状況に対し、オペレーターが「再度確認」を行っているかをチェックする。もし再確認が行われていなければ、「異常（リスクあり）」と判定する。

LLMがルールベースを補完、「抽出チェック」から「全件チェック」への移

証券向けチェック項目を100%カバー
証券業務のあらゆるシーンを網羅した、文脈解析項目を標準搭載。

LLMによる文脈解析
文脈（コンテキスト）を読み取り、隠喩や誘導発言などの「違反リスク」を捕捉。

大小モデルのハイブリッド構成
「深い文脈理解（LLM）」と「厳格なルール執行（小モデル）」の利点を両立。

完成された品質管理機能
導入後すぐに使える仕様で、業務要件にシームレスに適合。

証券業界向け・プリセット品質管理ルール

証券業界向け・プリセット品質管理ルール
〜口座開設後の確認コール（サンキューコール）シナリオ〜

導入事例②

導入事例②：容聯雲（Ronglian Cloud）LLM QAエージェント × 都市銀行：本店による全支店モニタリングの課題

導入事例②：

導入事例②：本店を支援し、全支店・営業店の通話品質を包括的にモニタリング

従来の「ルールベース検査」 vs 「LLM（生成AI）活用解析」

ケーススタディ：「誇大広告・虚偽説明」のリスク検知
1、複雑な金利説明の妥当性チェック：オペレーターが提示した金利が、規定の範囲（8%～24%）を逸脱していないか判定します。「日歩」や「月利」など異なる単位で説明された場合でも、AIが実質年率に自動換算してコンプライアンス違反を検知します。
2、「絶対・100%」などの断定表現検知：審査通過率など、不確実な事項に対して「100%」「必ず」といった具体的な数値を挙げて断定的な説明を行っている箇所を特定します。

容犀（Rongxi）QM Agent：

容犀（Rongxi）QM Agent：
LLM（大規模言語モデル）搭載・品質管理エージェント