前回の記事では、ユーザー認証フローを変更することで、従業員数を75%削減できた方法について説明しました。
変更前はどうだったか
- ドライバーがライドヘイリングアプリでアカウントを登録
- 必要な書類の写真を本人が自分でアップロード
- 車の写真をアップロード
- サポートチームの誰かがプロフィールを受け取り、手動で確認できるまで順番待ち
ボトルネック
概ねうまく機能していましたが、大きな負荷がかかったとき、マーケティングキャンペーン、あるいはいくつかのイベントの際には、登録が急増していました。さらに、サポート側ではチャットでのコミュニケーション対応もあったため、並行して最大10人が対応していても、その負荷を捌ききれないことがありました。
つまり、最も重要なのは、実際にサポートコストを削減することではありません。これは利益ではありますが、それでも目的ではありません。目的は、急増に対応し、ドライバーができるだけ早くオンラインになれるようにすることでした。
解決策
- すべての写真をアップロードした後、人間のサポート待ち行列ではなくAIの待ち行列へ進む
- AIモデルが詳細なプロンプトを使ってすべてを検証する。書類と車のナンバープレートを照合し、あらゆる角度からの車の写真を確認し、アバターも確認し、写真の品質を検証し、プロフィールと書類にある氏名を照合するなどする。
- 検証が完了すると、AIによってドライバーが「認証済み」としてマークされ、オンラインに切り替え可能になる
- 新規ドライバーには常に「実際の車は正しいか？」と乗客に確認する。NOであれば、即座に無効化され、人間のサポートへ引き継ぐ
- 失敗した場合は、人間が介入して手動で確認する
AIなら間違えて「よくない」ドライバーを通してしまうかもしれないと思うかもしれませんが、人間も同じです。
技術スタック
Self-hosted Qwen3-VL-30B-A3B-Instruct-FP8。
理由は？1つのGPUに収まり、運用コストが十分に安く、写真の検証を扱うのに必要なだけの品質があったからです。
バックエンドはGoLangとNATSキューを使用して負荷と、すべての検証をキューイングします。ここに特別に説明すべきことはありません。単にFIFOキューです。
目標は検証プロセスを高速化することでしたが、結果として人間のサポートにかかるコストも削減できるという利点も得られました。
好きかどうかは別として、プロセスを自動化して少しでもお金を節約できるのなら、使わない手はないでしょう。
次のステップは、当然チャットサポートを自動化することです。質問の半分はとても単純で一般的ですから、当然自動化するべきです。
