NTTとドコモが「大規模行動モデル（LAM）」を確立：1to1マーケティングを最大2倍に加速するAI技術
1to1マーケティングの重要性とこれまでの課題
大規模行動モデル（LAM）の誕生とNTT・ドコモの連携
LAM技術の驚くべき効率性と成果
1to1マーケティングによる業務改善と顧客体験の向上
LAM技術のポイント：行動の「意味」を理解するAI
1. CX分析基盤
2. 大規模行動モデル（LAM）
LAM技術の広がる応用可能性
1. 医療分野での応用
2. エネルギー分野での応用
今後の展開と展望
関連情報
まとめ

NTTとドコモが「大規模行動モデル（LAM）」を確立：1to1マーケティングを最大2倍に加速するAI技術

近年、企業と顧客の関係性は大きく変化し、一人ひとりの顧客に合わせた「1to1マーケティング」の重要性が高まっています。しかし、多様な顧客データを統合し、個別のニーズを正確に把握することは、これまでの技術では非常に困難でした。

このような課題に対し、NTT株式会社と株式会社NTTドコモは、革新的なAI技術「大規模行動モデル（LAM：Large Action Model）」を確立しました。このLAMは、顧客のオンラインや店舗での行動履歴から「どうしたい」という意図を予測し、最適な販促施策を個別化することを可能にします。その結果、テレマーケティングにおけるサービスの受注率を最大で2倍に向上させる効果が確認されています。

本記事では、AI初心者の方にも理解しやすいように、この大規模行動モデル（LAM）がどのような技術なのか、なぜ1to1マーケティングを加速できるのか、そしてどのような可能性を秘めているのかを詳しくご紹介します。

1to1マーケティングの重要性とこれまでの課題

企業が顧客満足度を高め、新たな収益を生み出すためには、マーケティング戦略の高度化が不可欠です。これまで主流だった「セグメントマーケティング」は、年齢や性別といった属性で顧客をグループ分けし、それぞれに合った提案を行う手法でした。しかし、現代の多様化するニーズに対応するためには、顧客一人ひとりの個性や状況に合わせた「1to1マーケティング」が求められています。

1to1マーケティングを効果的に行うには、顧客が商品を購入したり、サービスを契約したりするまでの一連の行動（カスタマージャーニー）を深く理解する必要があります。そのためには、オンラインストアでの閲覧履歴、アプリの操作履歴、店舗での購入履歴など、日々発生する多様な顧客接点から得られる「時系列データ」を詳細に分析することが不可欠です。

しかし、この時系列データを活用するには大きな課題がありました。例えば、アプリの操作履歴は頻繁に発生し、データ量も膨大である一方、店舗での購入履歴は頻度が低く、データの形式も異なります。これらの異なる性質のデータを一つに統合し、分析することは技術的に非常に困難でした。さらに、顧客の行動の組み合わせや順序まで考慮してニーズを深掘りしようとすると、分析の複雑さや計算にかかるコストが飛躍的に増大してしまうという問題があったのです。

大規模行動モデル（LAM）の誕生とNTT・ドコモの連携

NTTとドコモは、これらの課題を解決するため、ドコモのテレマーケティング業務を1to1マーケティングのユースケースとして選び、共同で研究開発に取り組みました。

ドコモは、オンラインとオフラインの多様な顧客接点から得られるデータを、「誰が/いつ/どこで/何を/どうした」という「4W1H」形式の統一された時系列データに変換する「CX分析基盤」を開発していました。この基盤は、異なる形式のデータを統合的に扱えるようにする重要な役割を担っています。

一方、NTTは、数値データとカテゴリカルデータ（分類されるデータ）が混在する時系列データを対象に、顧客の行動順序のパターンを学習・予測するAI技術「大規模行動モデル（LAM）」の研究開発を進めていました。LAMは、最近注目されている大規模言語モデル（LLM）に似た構造を持つ、生成AI技術の一種です。

両社はこれらの技術を融合させ、ドコモのCX分析基盤で統合された顧客データを活用し、NTTのLAMをもとにチューニング（調整）手法を工夫することで、計算コストを抑えたドコモ独自のLAMを構築しました。この連携により、顧客一人ひとりの「どうしたい」を予測し、最適な販促施策につなげることが可能になったのです。

LAM技術の驚くべき効率性と成果

大規模なAIモデルを扱う際には、予測性能を高めようとすると、それに伴って計算にかかるコスト（時間や電力）が増大するという課題があります。しかし、今回のLAMの構築では、設計とパラメータ（モデルの調整値）の工夫によって、非常に効率的な学習を実現しました。

ドコモ独自のLAMの構築にかかった計算コストは、わずか145GPU時間でした。これは、NVIDIA A100（40GB）という高性能なGPUサーバーを8基使っても、1日もかからずに計算が完了する量に相当します。参考までに、オープンソースの大規模言語モデルであるLlama-1 7Bの学習には82,432GPU時間が必要とされており、LAMの構築はこれと比較して約568分の1という驚異的な効率を達成しています。

この高い効率性によって、費用対効果の高いLAM構築のノウハウが蓄積され、実際のマーケティング業務への適用が実現しました。

1to1マーケティングによる業務改善と顧客体験の向上

構築されたドコモ独自のLAMは、顧客一人ひとりのニーズとテレマーケティングの必要性をスコアとして数値化します。これにより、提案の必要性が高いと予測された顧客に対して優先的にアプローチすることが可能になりました。

このLAMを活用した結果、モバイルサービスやスマートライフ関連サービスのテレマーケティングにおける受注率が、従来と比較して最大で2倍に向上したことが確認されています。これは、AIが顧客の潜在的なニーズや行動意図を正確に捉え、最適なタイミングで最適な提案を行うことを可能にしたためです。

実際に提案を受けた複数の顧客へのヒアリングからは、以下のような具体的な声が寄せられています。

「店舗で手続きをしたいと思っていたけれど、育児でなかなか来店できなかったので助かった。」
「料金プランの変更に迷っていた時に、適切な案内がもらえて決断できた。」

このように、LAMは単に受注率を上げるだけでなく、顧客が抱える課題や要望に対し、企業がよりきめ細やかに寄り添うことを可能にし、顧客体験の向上にも大きく貢献しています。

LAM技術のポイント：行動の「意味」を理解するAI

CX分析基盤

ドコモが開発したCX分析基盤は、オンラインとオフラインの多様なサービスから得られる顧客データを「4W1H（誰が/いつ/どこで/何を/どうした）」形式で統合します。これにより、異なる形式のデータを一元的に管理し、顧客理解を深めるための土台を築いています。

大規模行動モデル（LAM）

NTTが研究開発したLAMは、Transformerというニューラルネットワークアーキテクチャをベースにした時系列予測AIです。このAIの最大の特徴は、数値データとカテゴリカルデータが混在し、さらに欠損や偏りがあるような複雑なデータにも対応できる点です。

LAMが特に優れているのは、行動の「順序」に応じた意味の違いを理解できることです。例えば、「テレマーケティング」「商品ページ閲覧」「購入」という3つの行動を考えてみましょう。

テレマーケティング → 商品ページ閲覧 → 購入
この場合、テレマーケティングが顧客の商品認知を促し、その後の閲覧・購入につながったと考えられます。
商品ページ閲覧 → テレマーケティング → 購入
この場合、顧客が商品を閲覧して関心を持った後、テレマーケティングがその関心をさらに深め、購入に至ったと考えられます。
購入 → テレマーケティング
この場合は、購入後の不具合に対するサポートなど、購入後のフォローアップとしてのテレマーケティングが考えられます。

このように、行動の前後関係が異なれば、それぞれの行動が持つ意味も変わってきます。LAMは、こうした行動の持つ意味を正確に見分け、顧客の深層的な意図、つまり「どうしたい」を高い精度で予測します。

さらに、LAMは、階層型Transformerという構造を採用し、頻度や形式が異なるデータを段階的に集約するなどの工夫を凝らすことで、学習の効率化を実現しています。

LAM技術の広がる応用可能性

NTTは、LAM技術の応用可能性をマーケティング分野にとどまらず、多様な分野で検証を進めています。費用対効果の高いLAM構築ノウハウは、他分野への展開も期待されています。

医療分野での応用

医療分野では、患者さんの治療履歴が電子カルテに時系列データとして記録されています。病状の変化や薬剤処方の順序には、臨床的に重要な意味が含まれており、これらのパターンを解析することは治療支援に非常に役立ちます。LAMは、このような医療データを活用し、糖尿病治療支援への応用に取り組んでいます。

エネルギー分野での応用

気象に関する衛星観測データや地上観測データも、時系列データとして記録されています。太陽光発電事業者は、これらの時系列データを用いて将来の日射量を予測し、発電計画を立て、電力取引を行っています。地理的に近い太陽光発電設備の発電量の変動には、雲の動きや位置による日射量への影響が反映されており、これらのパターンを解析することは日射量予測の精度向上に有用です。LAMは、この日射量予測への応用にも取り組んでいます。

今後の展開と展望

NTTは、実社会のさまざまな課題をデータに基づいて解決するため、LAMの技術改善を継続していく方針です。2028年までには、LAMへの入力と出力の柔軟性をさらに高め、事業で扱われる非言語データ（画像や音声など）の大部分に対応できるようになることが期待されます。

一方ドコモは、LAMを活用した1to1マーケティングの高度化を通じて、顧客一人ひとりのニーズに、より一層きめ細かく応えるサービス提案を目指しています。これにより、顧客体験のさらなる向上と、ビジネスの成長を両立させていくことでしょう。

まとめ

NTTとドコモが確立した「大規模行動モデル（LAM）」は、顧客の多様な行動データからその意図を深く理解し、最適なマーケティング施策を個別化する画期的なAI技術です。これにより、ドコモのテレマーケティングでは受注率が最大2倍に向上するなど、すでに大きな成果を上げています。その効率的な学習能力と、医療やエネルギー分野への応用可能性は、今後の社会におけるAI活用の新たな道を切り開くことでしょう。AIが私たちの生活やビジネスをどのように豊かにしていくのか、LAMの今後の進化に注目が集まります。