ハパックロイドがAmazon Bedrockを活用して顧客フィードバックを実用的なインサイトに変える方法

ハパックロイド（Hapag-Lloyd）は世界有数の定期船会社であり、313隻のコンテナ船を運航し、総輸送能力250万TEU、コンテナ容量370万TEU（業界最大級の最新リーファーコンテナ船隊を含む）を誇ります。約14,000人の従業員を擁し、140カ国に400以上の事務所を展開、133の定期航路で600以上の港を結んでいます。

同社のデジタルカスタマーエクスペリエンス＆エンジニアリングチーム（ハンブルクとグダニスクに分散）は、顧客向けWebおよびモバイル製品の開発・保守を担当しています。近年、このチームは納品志向から真のデジタル製品ドライバーへと進化し、顧客中心主義、エンジニアリングの卓越性、測定可能なビジネスインパクトに重点を置いています。最新の独立したテクノロジースタックと高いエンジニアリング成熟度を基盤に、AIネイティブへの移行を進め、人工知能を中核的能力として投資しています。

以前のフィードバック分析プロセスは手動で反応的でした。レビュー会議の前には、数百の評価やコメントを手動で分析するのに数時間から数日かかることもありました。製品マネージャーは2週間ごとにCSVファイルをエクスポートし、大量のコメントを読んで感情やテーマを手動で分類していました。この作業は価値があるものの、反復的で時間がかかり、拡張が困難でした。

現在、生成AIソリューションによりこのアプローチは根本的に変わりました。コメント収集、感情抽出、テーマ特定、実用的インサイトの提示までを自動化し、製品マネージャーは戦略と革新に集中できるようになりました。

ソリューションはAWSアーキテクチャ上に構築され、AWS CloudFormationでデプロイされます。毎日、AWS Lambda関数が新規フィードバックエントリを取得しAmazon S3に保存、Amazon Bedrockで感情（ポジティブ、ネガティブ、混合、ニュートラル）を分類します。処理済みレコードはAmazon OpenSearch Serviceにインデックス化され、全文検索エンジン兼ベクターデータベースとして機能します。関係者はOpenSearch Dashboardsでリアルタイムのフィードバックインサイトを閲覧でき、感情分布、評価スコア、トレンドを確認し、特定のアプリケーションや機能、個別コメントにドリルダウンできます。フィルタリング機能により、期間、感情、製品バージョンなどで絞り込み、原因分析が可能です。

内部チャットボットはOpenSearchインデックスを知識ベースとしてクエリします。Amazon Bedrock Guardrailsを適用し、安全性とコンプライアンスを確保。製品マネージャーやサポートチームは自然言語で質問でき（例：「顧客が最も頻繁に言及する問題点は？」）、即座にコンテキスト豊富な回答を得られます。

2週間ごとに別のLambda関数が最新フィードバックの傾向を集約・分析し、主要指標、ハイライト、感情内訳を含む簡潔なレポートを生成。製品マネージャーと製品オーナーに自動配信され、スプリント計画やロードマップ議論に直接活用されます。

オーケストレーションは中核となります。データ取り込みと処理（感情分析、埋め込み生成、インデックス化）はLangChainで調整。内部チャットボットはLangGraphを使用したマルチエージェントアーキテクチャを採用し、各アシスタントは宣言的に定義され、独自のロジックとツールをカプセル化。Amazon Bedrock上のClaude Sonnet 4.6モデルを利用し、マルチターン会話とエージェントワークフローに優れています。また、複数EUリージョンにまたがるクロスリージョン推論サービスエンドポイントにより、トラフィック急増時の耐障害性を確保しています。

データ管理では、Lambda関数が毎日新しいフィードバックデータをS3に取り込み、Bedrockで分類後、OpenSearchにインデックス化。責任あるAIの実践として、Amazon Bedrock Guardrailsでコンテンツモデレーションポリシーを定義し、有害コンテンツをブロック。さらに、ユーザー入力をLLMに渡す前にプログラムで検証し、プロンプトインジェクションを防止します。

監視はAmazon CloudWatchとAWS CloudTrailを使用し、モデル呼び出しログとメトリクスを収集。

このソリューションは毎月15,000件以上のフィードバックを処理し、感情分類の精度はラベル付きテストデータセットで95%を達成。チームは生のフィードバックの確認に数時間かける代わりに、数秒で明確な構造化サマリーを入手でき、意思決定が週単位から日単位に短縮されました。例えば、船積指示の「プレビュー」機能は、多くの否定的フィードバックを受けて優先開発され、リリース後AIレポートがユーザー反応を追跡し、問題が解決されたことを確認。別の例として、Excelファイルによる貨物データアップロード機能はAI推奨に基づき実装され、手作業を大幅に削減しました。

このフィードバック分析ソリューションは、生成AIをプロセスに適用した一例であり、AIネイティブへの旅の始まりに過ぎません。AIネイティブ・アンブレラプログラムの下、次の焦点はAmazon Bedrockを基盤とした共有の堅牢なAI基盤を確立することです。標準化されたインフラ、セキュリティ、ガードレールを提供し、部門内の全ロール（エンジニアリング、製品、UX/デザイン、運用・サポート）が安全かつ独立して独自のAI「スペース」を作成できるようにします。これにより実験のハードルを下げ、日々の業務での生成AIユースケースの探索を促進し、チームがアイデアからインパクトへより迅速に移行できるよう支援します。