Superchargerの構築：Rocket CloseがエージェンティックAIで不動産権利調査業務を最適化した方法

Rocket Closeは、Rocket Companies傘下のデトロイトに拠点を置く権利代理店および不動産評価管理会社であり、権利保険、不動産評価、決済サービスを提供しています。住宅ローンの需要が高まるにつれ、権利調査業務が住宅購入プロセスのボトルネックとなっていました。時間がかかり州によって異なる権利調査、手動による調査、断片的なシステムが処理能力を低下させ、チームが拡大する顧客基盤に対応することを困難にしていました。

権利調査員は、複数の情報源からデータを検証する必要があります。そのため、複数のシステム、州ガイド、郡の要件を検索する必要があります。遺産認証や税IDに関する地域のルールが作業をさらに複雑にします。例えば、郡固有の記録要件を理解しようとする権利調査員は、複数の情報源を調べるのに何時間も費やす可能性があります。

これらの課題に対処するため、Rocket CloseはAWSと協力してSuperchargerを開発しました。Superchargerは、融資や住宅購入プロセスの摩擦を減らし、権利調査業務のワークフローを最適化するように設計されたエージェンティックAIソリューションです。権利調査と決済に関する知識を組み合わせ、注文処理ワークフローを通じてチームを導き、運用チームと自然言語で動的にやり取りします。知識を一元化し調査集約型タスクを自動化することで、注文に関する実用的な洞察を生成し、効率を向上させ、情報検索にかかる時間を削減します。最終的に、運用効率と顧客体験の両方を向上させます。

ソリューション概要

Superchargerは、AWSのオープンソースエージェントハーネスSDKであるStrands Agentsを中核とし、Amazon Bedrock経由でAnthropic Claude大規模言語モデルを使用し、必要に応じてモデルを柔軟に切り替えられます。セキュリティ面では、Amazon Bedrockのガードレールと行レベルのデータ権限を組み合わせ、インテリジェントなアクセス制御により顧客の機密データへの偶発的なアクセスを防止します。会話は完全な監査証跡とともに記録され、コンプライアンス要件を満たします。注文情報、標準手順、州レベルの権利調査ポリシーを含むRocket Closeの運用データベースと統合されています。

Superchargerの中核は、6つの相互接続された機能を通じて運用チームとの会話を駆動するドメイン固有のエージェントです。会話分析は、マルチターン会話の文脈と意図を理解する自然言語処理を可能にし、堅苦しくない直感的な対話を実現します。州レベルの権利調査支援は、特定の権利調査要件に合わせた包括的なチェックリストとガイダンスを提供します。APIベースの統合は既存システムと接続し、データの一貫性を維持し手動入力を削減します。ガードレールと応答精度は、すべての応答が品質基準と規制要件を満たすことを検証します。包括的なログ記録と監視は、完全な可視性と監査証跡を提供します。最後に、複数のデータソースへの統一アクセスが意思決定のための完全なコンテキストを維持します。

運用チームメンバーが質問をすると、リクエストはWebSocketハンドシェイク、トークン検証、エージェント呼び出し、知識ベースクエリ、ツール選択、MCPツール実行、コンテキスト合成、応答配信、応答レンダリングのフローで処理されます。

技術選定の理由

Strands Agentsを選択したのは、コード数行でAIエージェントを構築・実行できるモデル駆動型アプローチを提供し、シンプルなユースケースから複雑なものまで対応し、ローカル開発から本番環境までスケールするためです。MCPツールベースのアーキテクチャは、各データソースを個別のツールとして公開し、拡張性、関心の分離、柔軟性を提供します。

ビジネスインパクト

Rocket Closeのデータサイエンス担当バイスプレジデント、ブライアン・ベダード氏によると、Superchargerは質問応答機能によりコンタクトセンターへの電話とメールを30%削減しました。州の権利調査精度は、既存ワークフロー内でのリアルタイムの注文インサイトにより向上し、認知負荷と調査時間を削減し、意思決定の精度を高めました。顧客満足度は、ルーティンタスクの自動化、注文レベルのプロセス実行、顧客に代わりのコミュニケーション作成により向上しました。運用の一貫性は、AIガイドによる州レベルの権利調査支援で改善されました。パフォーマンスは、アーキテクチャの改良とプロンプト技術の向上により、エージェントがLLMを呼び出す回数を減らし、3倍のレイテンシ改善とコスト削減を達成しました。

得られた教訓

Rocket Closeチームは、効率的なデータ検索がパフォーマンスの基盤であることを発見し、MCPツールが1回の呼び出しで必要な注文情報を取得し、LLM合成で関連詳細を抽出するアーキテクチャを設計しました。これにより複数のデータベースクエリが不要になりました。WebSocketベースのストリーミングは即時のユーザーフィードバックを提供し、複雑なクエリでも体感パフォーマンスを向上させました。効果的なLLMプロンプティングは、エージェントが達成すべきことを記述し、方法を指示しないことに重点を置き、エージェントの固有能力を活用して動的にオーケストレーションできるようにしました。知識ベースのメタデータフィルタリング、説明的なツール命名と一貫したdocstring、セキュリティのセッション属性へのオフロードなども重要な教訓です。エグゼクティブスポンサーシップと変更管理がタイムリーなデリバリーに不可欠でした。

結論

Rocket CloseのSuperchargerは、エージェンティックAIが住宅ローン業界の知識集約型プロセスをどのように変革できるかを示しています。Strands AgentsとMCPツールを使用することで、柔軟で高性能なソリューションを構築し、チームメンバーに注文情報への即時アクセスとインテリジェントな自動化を提供します。今後のフェーズでは、銀行家向けのローン固有の質問への対応と、複数のドメインチームがエージェンティックソリューションを構築するためのクイックスタートテンプレートの作成が含まれます。