PayPal、業務知識追加でAI回答精度95%に

PayPalは社内データ分析アシスタントの回答精度を43%から95%に高めました。2026年10月に同社のAI責任者が明らかにした改善では、基盤となる大規模言語モデル（LLM）は変更せず、データの定義や分析手順をまとめた知識層を追加しています。モデル更新に左右されず業務知識を保つ設計です。

データにアクセスできても、質問の意図に沿う答えが出るとは限りません。「新規アカウント」の定義や用途別の検索方法、調査対象を示す手順が必要です。PayPalは用途別の「ゴールデンクエリ」と分析プレイブックを知識層に整えました。

同社はモデルを交換できる構成を重視し、モデルごとの再学習にかかる専門性や維持費を課題に挙げます。一方、社内インシデント調査では33,000超のサービスを対象に、7つのエージェントが監視情報やログを分析。提案は信頼できる情報源や標準手順と照合し、多くの判断で人の確認を残します。

AIの評価が本番の利用状況を反映しない恐れもあります。PayPalはオフラインシミュレーション、合成質問、複数ターンのテストを進め、モデルによる判定と人の評価を組み合わせています。利用者の質問やコメントから失敗を探す取り組みも続けます。

社内アシスタントは10週間で1,000件超の質問に対応し、推定1,600時間を節約したといいます。ただし、質問数だけでは生産性向上を示せません。経営や開発の現場では、モデルの性能に加え、業務知識の整備、権限管理、本番データに基づく継続評価を一体で設計する必要があります。