Retrieve value on the leading edge.

CONTACT

TECHNOLOGY

レトリバの根幹にあるのは、
お客様と一緒に課題を解決する
「顧客と伴走する」という思想。
その思想に基づいて多彩なプロダクトが
設計され開発環境が選択されます。
けっして派手なものではないかもしれない。
些細なものかもしれない。
しかし、そういう小さな革新を
ひとつひとつ確実に積み重ねていくことで、
技術は加速度的に進化し、
お客様に提供すべき価値の
最大化を実現しています。

PROFILE

  • CEO 河原一哉

    CEO
    河原一哉
  • CRO 西鳥羽二郎

    CRO
    西鳥羽二郎
  • CTO 武井裕也

    CTO
    武井裕也
01

世界を変える技術ではない。
世の中をちょっと良くする技術を作る。

河原

製品や技術を提供する上で、レトリバの根底にあるのは「お客様の役に立つものを提供する」ということ。アカデミック的にスゴい技術はいろいろあるけど、当たり前すぎて誰もやらないようなことでも役に立つならやってみよう、というのが基本的な思想だね。

西鳥羽

リサーチも同じです。まずはお客様の課題に対して、できる、できないを明確にする。過去の論文などを調べて、「これだったらいけるんじゃないか」と目星をつけてから進めるようにしています。

武井

基本的には、河原さんや営業チームからの要望を受けて、それに対してリサーチャーとエンジニアが答えていく。「もうちょっとうまく実装できないの?」とか、そういう表層的な要望もありますね。

河原

どんなにスゴい技術でも使いにくいものは基本的に採用しない。AIで新しい論文が出ていれば、技術要素として調べはするけど使ってみてダメだったらやめる。そういうパターンは多いかもね。

西鳥羽

AIっていう一言には、いろんなものが含まれていると思います。探索のアルゴリズムも、推論も、機械学習も、みんなAIですよね。

河原

人間の感覚で簡単そうにやっていることが、実はAIには難しかったりするよね。コモンセンスを要求されるような「常識とは何なの?」みたいなのは特に難しい。

武井

感覚的な話なんですが、単語を聞いた時に「パッ!」と思いつく範囲と一致した答えじゃないと納得感が得られない。そうすると結局、後からチューニングしないといけないんですよね。

河原

そうだよね。つまりAIは全然万能ではないんだよ。いろいろなことができる反面、特定のことがうまくできるわけではない。だからこそ我々は、AIがカバーできないところを支援していきたい。AIを使って何かをするのではなく、お客様が困っていることを解決したいからAIを使う。AIはあくまで課題解決の手段なんだよね。

武井

人間は、再現性を持って仕事をするとか、大量なデータを処理するとか。そういう「面倒な作業」が苦手。だから、そういう「面倒な」ところをAIで支援していきたいですよね。

河原

コールセンターのデータ分析も、まさにそうだね。どこのコールセンターでも問い合わせの内容を見直したりするけど、1日に100件も見たら目がクラクラしてくる。膨大な量になるから頭を使うんだよね。集中力もなくなって、判断基準がズレてきてしまう。だから分業もできない。

西鳥羽

見る人によって意見も違ってくるから、分業してもコンセンサスが取れなくなってくるんですよね。データの質もおのずと悪くなる。

河原

人間では決して見切れないような膨大なデータも、機械なら一定のルールのもとで正確に判断できる。レトリバは、そういう世の中を少しずつ、でも着実に良くするような技術をつくっていきたい。また一方では、「機械で人を幸せにできるのか?」という大きな課題もある。例えば、コールセンターなんて自動化すればするほど、人間がクビを切られていく。それって、本当に幸せなことなのだろうか。我々の技術は常に人を幸せにする技術でありたいよね。

SECTION 02
02

どんなに優れた技術でも、
役に立たなければ意味がない。

武井

レトリバの要素技術は、きちんと動作する、安定している、動作の理由に根拠がつけられる、という3つの観点で選定していますよね。

河原

仮にうまく動かなかった時でも、お客様にしっかり説明できることが大事だからね。精度を上げていく上でも根拠がわかっていないと何もできない。さらに言えば、市場で付加価値をつける意味では、その技術に“スゴそう感”を演出するのも大事だけど我々は出していない。

武井

その考え方は、どのプロダクトにおいても一貫していますよね。

河原

レコメンデーションの比率の中でいうと、何を特徴に取るのかっていうのが一つの大きなポイントだよね。自然言語って何が重要なのかよくわからないから、いろいろな方法で特徴を取る。単語を取るとか、文字面を取るとか。それを我々は日本語に特化してやっている。何を同じと思った方がいいのか、何を同じと思ってはいけないのか。そういうことだね。

西鳥羽

レコメンドのアルゴリズム自身は単純なものを使っていますよね。「キーワードをどうする?」とか、単語をたくさん取ってくる過程を形態解析すると遅いからとか。あるいは、辞書を大量に整理して候補をいっぱい作っておいて、その辞書の規模が大きくなっても、ちゃんと高速で処理できるとか。

河原

大規模な辞書って言ってもなぁ… 技術要素としては本当に些細なことだから誰にも気づかれないかもしれない。(笑)

西鳥羽

確かにそうですね。(笑)例えば、過去のお問い合わせから類似したものを検索する「Answer Finder」は、まず“速さ”がポイントです。リアルタイムでお客様を支援したいので、レスポンスのスピードがとても大事になるからです。その次が“精度”。我々は精度を上げるために、実装のテクニックを修正したり、キャッシュを効きやすくしました。

河原

機械から見れば全然違うことを言っているように見えても、実は同じことを言っていることが結構ある。だけど、「VoC Analyzer」はデータが少なくても正確に分類できるようになっている。精度を上げるために、ノイズに強い技術を搭載してるんだよね。そういう小さな革新を細かく積み上げていくのが我々の技術なんだと思う。プロトタイピングも多いしね。

武井

そうですね。手法だけ知っていても机上の空論なので、動かしてみないとわからないものは実際に試作します。思ったような結果が出なくて、そのまま御蔵入りになることも結構ありますけど…。

西鳥羽

御蔵入りにする場合は、誰もがいつでも試せるように資産としてストックしています。今は実用化できないアルゴリズムでも、例えば、2年後に突然実用化できることも有り得ますからね。いつ必要になるかわからない。

武井

これまでいちばんチャレンジングだったプロジェクトは何ですかね?

河原

技術的な側面から見れば音声認識じゃないかな。もともと技術は持っていたけど、それがコールセンターという領域に応用できるのかがわからなかった。ビジネス的な意味でも大きなチャレンジだったね。

西鳥羽

技術的には可能でも、それが「本当に役に立つのか?」っていうことが重要なんですよね。僕らは機械学習をやっていたから最初は「できるかも?」って思っていたけど、やっぱりいろんな技術がゼロから必要だった。どういう手法を選ばないといけないのか。その選択基準を手探りで探ったのは、相当なチャレンジでした。でも、実際の音声認識エンジンが抱えている課題も見えてきましたよね。

河原

コールセンターって、オペレーターの認識精度は高いけど、お客様の音声の認識精度は低いんだよね。オペレーターは発音の練習をしているから滑舌がいいんだけど、お客様はそういうトレーニングを積んでいないから、何を言っているのかがよくわからないことがある。環境ノイズも乗ってくるしね。また、経路によってはデータが圧縮されて、必要な情報が削られていることもある。そうすると、人間には同じように聞こえていても機械はちゃんと聞き取れない。

西鳥羽

もう少し細かいことをいうと、携帯電話でかけた場合は、そのマイクのチューニングによって音の取り方が違ってくるんですよね。iPhoneとXperiaでも違う。そこをなるべく統一化できないか、研究開発中です。

河原

マイクの置き方ひとつで聞こえる度合いも変わってしまうって、なかなか伝わらないよね(笑)アカデミック的には派手なんだけどね。今まで解けなかった問題が急に解けるようになったりするので。そういう意味では、AIの進化って、日々子供の成長を見守るような感じに近いのかな。

西鳥羽

そういう細かなことが、お客様に伝わらないのは本当にジレンマですね。スペックが3%改善されただけでも、社内では「スゲー!」って大喜びするんですけど、残念ながらお客様には伝わらない。

武井

やっぱり我々は小さな革新をコツコツと積み重ねていくしかないんですね。

SECTION 03
03

クオリティの高い、
ホンモノの研究者が
揃っている。

河原

AIを扱っているベンチャー企業は他にもたくさんあるけど、リサーチ専門のチームを持っているという点は、間違いなくレトリバの強みだよね。リサーチャーとエンジニアが一致協力して研究開発に取り組んでいるから、持っている引き出しの数が明らかに他とは違う。

西鳥羽

研究はできても製品化で止まってしまうという例をよく耳にしますけど、レトリバはチーム同士の連携が強固なので、研究開発で試したことをダイレクトに製品化につなげられる。みんなが同じコンセンサスを持って取り組んでいるから連携も速いですよね。

武井

お互いに交流もあるのでチームの境目が曖昧で、エンジニアでも論文を見る人もいるし、リサーチャーでもコードを書く人もいる。チームの枠を超えたところで、個々が気になる分野を追求しているのも強みかも。

河原

大きい会社や新しい会社には、エンジニアの数はいる。そのうちどれだけの人がAIをきちんと理解してるか。恐らく少ないと思う。ところが、レトリバはセレクションが厳しいから、エンジニアのクオリティが高いんだよね。だから当然、技術レベルも高い。メモリーリークでシステムが止まってしまう話も他ではよく聞くけど、我々はめったにない。だから製品の可用性も高い。

西鳥羽

技術力の高さで言えば、100万レコードの検索もどこにも負けないぐらい速いですよね。しかもそれをわずか数台のサーバーで動かしています。サーバーもなるべく台数を減らして、並列化しようとしていますよね。

河原

他社はアンダーサイジングだよね。「これぐらいのサーバーでできますよ」って言いながら実はできない。そして、データが多くなると「そんなのできませんよ」って言って、当然のようにスーパーコンピューターを持ち出してきたりする。でも我々はそうじゃない。速さに対する基準も、どのチームも高いよね。

武井

そうですね。速さ、メモリー使用量、そして落ちないこと。この3つは、要望がなくても常に追求していますよね。

河原

製品に対する基準も高いし、お客様の役に立ちたいという想いも強い。そのためには妥協もしない。そこにお客様に提供すべき価値があると信じているからね。

革新を積み重ねる。
それこそが、一流の証。

レトリバのテクノロジー、それは派手なものではないかもしれない。
誰かに気づかれることもないかもしれない。
それでも、革新をひたすらにコツコツと追求し続ける。
そのすべてがお客様の役に立つと信じて。

BACK TO TOP