Building Supercharger: How Rocket Close optimized title operations with agentic AI｜スーパーチャージャー構築：Rocket Close がエージェント型 AI でタイトル業務を最適化する方法 | AIニュース最前線

[Rocket Close](https://www.rocketclose.com/) は、[Rocket Companies](https://www.rocket.com/) に所属するデトロイトを拠点とするタイトル代理店およびアプレイザル管理会社であり、タイトル保険、不動産評価、決済サービスを提供しています。住宅ローンや融資への需要が高まるにつれ、タイトル業務は住宅購入プロセスにおけるボトルネックとなりました。時間のかかる州固有のタイトル調査に加え、手作業によるリサーチと断片化されたシステムが処理速度を低下させ、拡大する顧客基盤に対応するためにチームが追いつくことが困難な状況を生み出しました。 タイトル審査員は、異なるソースからのデータを検証する必要があります。これには複数のシステム、州ガイド、および郡の要件を検索することが求められます。遺言執行や税番号に関する地域ごとのルールはさらに作業を複雑化させます。例えば、特定の郡における記録要件を理解しようとするタイトル審査員が、複数のソースをたどるのに数時間を費やすケースもあります。 これらの課題に対処するため、Rocket Close は AWS と協力して「Supercharger」を構築しました。Supercharger は、融資および住宅購入プロセスにおける摩擦を軽減し、タイトル業務のワークフローを最適化するために設計されたエージェント型 AI ソリューションです。タイトルとクロージングに関する知識を統合し、チームが注文処理ワークフローを進めるよう自然言語で動的に内部運用チームと対話しながらガイドします。知識を一元化し、調査を要するタスクを自動化することで、注文に関する実行可能なインサイトを生成し、効率性を向上させ、情報検索にかける時間を削減します。究極的には、業務効率性とクライアント体験の両方を強化します。 本稿では、Rocket Close が [Strands Agents](https://strandsagents.com/)、[大規模言語モデル (LLM)](https://aws.amazon.com/what-is/large-language-model/)、[Amazon Bedrock](https://aws.amazon.com/bedrock)、[Amazon Bedrock Knowledge Bases](https://aws.amazon.com/bedrock/knowledge-bases/)、および [Model Context Protocol (MCP)](https://aws.amazon.com/blogs/machine-learning/unlocking-the-power-of-model-context-protocol-mcp-on-aws/) ツールを活用してソリューションを構築した方法について探ります。また、ソリューションの機能、技術スタックを選定した理由、教訓、そして Rocket Close におけるビジネスへの影響についても解説します。 ## ソリューション概要 Supercharger ソリューションは、Strands Agents という AWS によるオープンソースのエージェントハネス SDK を基盤としており、Amazon Bedrock を介して Anthropic の Claude ラージランゲージモデル（LLM）を使用してエージェントを構築します。これにより、タイトルアシスタントの進化に応じて異なる LLM を選択する柔軟性が提供されます。セキュリティの観点からは、[Amazon Bedrock Guardrails](https://aws.amazon.com/bedrock/guardrails/) と行レベルのデータ権限を組み合わせることで、インテリジェントなアクセス制御を通じて顧客の機密データへの誤ったアクセスを防ぐことを支援しています。会話記録は完全な監査証跡とともに保存され、コンプライアンス要件を満たします。また、注文情報、標準手順、州ごとのタイトル審査に関するポリシーを含む Rocket Close の運用データベースと統合されています。以下の図は、Supercharger の 6 つの相互接続された機能を示しています。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/10/ML-20329-1.png) Supercharger ソリューションの中核には、6 つの相互接続された機能によっ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が存在し、これらが連携して住宅所有プロセスを合理化します。会話分析（Conversation Analytics）は、多段階の会話全体にわたって文脈と意図を理解する自然言語処理を実現し、対話が硬直した取引的なものではなく、直感的で人間らしいものになるようにします。この会話知能を基盤として、州レベルでのタイトル審査支援機能では、特定のタイトル審査要件に合わせて包括的なチェックリストとガイダンスを提供し、チームが必要な情報を必要なタイミングで入手できるようにします。API ベースの統合により既存システムと接続され、データの一貫性が維持されるとともに手動入力によるエラーが削減され、チームは高価値な業務に集中できるようになります。ガードレールとレスポンス精度（Response Accuracy）機能では、すべての回答が品質基準を満たし規制要件に準拠していることを検証し、企業とその顧客の双方を保護します。包括的なログ記録と監視により、システムパフォーマンスやユーザーとのやり取りに対する完全な可視性が提供され、コンプライアンス要件を満たす完全な監査証跡が確保されます。最後に、複数のデータソースへの統一されたアクセスにより、意思決定に必要な文脈全体が維持され、以前は複数のシステムを確認する必要があった情報を統合し、複雑なタイトルワークフローを扱う運用チームに統一された体験を提供します。 運用チームのメンバーが質問を投げかけると、そのリクエストは以下のアーキテクチャ図に示されたワークフローを通じて流れます。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/10/ML-20329-2.png) - WebSocket ハンドシェイク – ユーザーは JWT トークンを含む HTTP リクエストを通じて接続を開始します。 - トークン検証 – 識別プロバイダーが Istio を介してトークンを検証し、WebSocket 接続を確立します。 - 試験タイトルエージェントの呼び出し – Strands エージェントが起動され、システムプロンプトとユーザー入力に基づいてエージェント型ワークフローがトリガーされます。 - ナレッジベースクエリ – エージェントは関連するポリシーや手順を検索するためにナレッジベースを照会します。 - ツール選択 – エージェントはどの関数を呼び出すか、およびどのようなパラメータを使用するかを決定します。 - MCP ツールの実行 – MCP ツールがリクエストを処理し、Atlas Web API から注文情報を取得します。 - コンテキスト合成 – システムは注文固有のコンテキストを取得するためにナレッジベースを照会します。 - レスポンス配信 – 統合されたレスポンスが WebSocket を介してユーザーへストリーミングされます。 - レスポンスレンダリング – 合成されたレスポンスは、Chatbot UI に対して段階的にストリーミングされます。 次のセクションでは、なぜ Strands エージェントと MCP ツールベースのアーキテクチャを採用したのかについて説明します。 ## Strands エージェント Strands Agents は、数行のコードで AI エージェントを構築・実行するためのオープンソースエージェントハネス SDK です。モデル駆動型のアプローチを採用しており、単純なユースケースから複雑なものまで、ローカル開発から本番環境までスケーラブルに対応します。Strands Agents は、LLM（大規模言語モデル）の計画立案、ツール呼び出し、反射機能を活用してエージェントの動作を駆動します。 Strands Agents を用いれば、開発者はコード内でプロンプトとツールのリストを定義し、ローカルでエージェントをテストした後にクラウドへデプロイできます。この SDK は、モデルの推論能力を通じてエージェントの次のステップを計画し、ツールを実行します。より複雑なユースケースでは、開発者がエージェントの動作をカスタマイズすることも可能です。例えば、ツールの選択方法を指定したり、コンテキスト管理の方法をカスタマイズしたり、セッション状態やメモリを保存する場所を選んだり、マルチエージェントアプリケーションを構築したりできます。 ## Model Context Protocol (MCP) ツール 本ソリューションは、各データソースが Strands Agents が呼び出せる個別のツールとして公開される MCP ツールベースのアーキテクチャを実装しています。このアプローチには 3 つの利点があります： - 拡張性 – 新しいデータソースは、コアアーキテクチャを再構築することなく追加ツールとして追加できます。この設計上の選択は、将来の拡張に対応するためにチームが意図的に行ったものです。 - 関心の分離 – 各システムとの相互作用に関するロジックはそれぞれ独自のツールにカプセル化されており、これにより全体的なアーキテクチャの保守性とテスト可能性が高まります。 - 柔軟性 – Strands エージェントは、各クエリに基づいて使用するツールを動的に選択し、複数のデータソースにまたわるワークフローをサポートします。 ## ビジネスへの影響 「Rocket Close の独自知識ベースを活用し、Supercharger にエージェント型 AI（agentic AI）の機能を強化することで、チームメンバーが複雑な注文データをどのように扱い、日常業務を遂行するかを変革できました。これにより生産性が向上するだけでなく、仕事の進め方そのものが変容しました。Supercharger の質問応答機能を外部チャットインターフェースと統合した結果、月間数千件の電話やメールをコンタクトセンターから削減でき、より大規模な運用と優れたクライアント体験を実現しています。」 *— Bryan Bedard, Rocket Close データサイエンス担当バイスプレジデント* Supercharger の注文レベルの文脈を理解し、役割に特化した正確なガイダンスを提供する能力は、Rocket Close のエンドツーエンドのワークフローを複数の側面で変革しました。このソリューションは、質問応答機能を通じてコンタクトセンターへの着信電話とメールの数を 30% 削減することで、運用および顧客関係チームに対して即座に運用効率の向上をもたらしました。既存のワークフロー内での注文に関するリアルタイムインサイトにより州試験の精度が向上し、認知負荷が軽減され、調査時間が最小化されるとともに、意思決定の精度が高まりました。定型タスクの自動化、注文レベルのプロセスの実行、顧客に代わってコミュニケーション文書の作成といった機能によって、顧客満足度が向上しました。Supercharger の AI による州レベルの試験支援により、運用の一貫性が改善されました。最後に、アーキテクチャの洗練とプロンプト技術の向上を通じてエージェントが LLM（大規模言語モデル）に対して行う呼び出し回数を削減し、レイテンシを 3 倍に短縮するとともにコストを削減することで、パフォーマンスが最適化されました。 ## Lessons learned Supercharger を提供するための Rocket Close の取り組み全体を通じて、チームは AI ストラテジーと実装アプローチを形作るいくつかの重要な教訓を発見しました。 この経験から、効率的なデータ取得がパフォーマンスの基盤であることが明らかになり、MCP ツールが必要な注文情報を単一の呼び出しで取得し、LLM 合成（LLM synthesis）を用いて関連する詳細を抽出することで、複数のデータベースクエリが必要なくなるよう、簡素化されたソリューションを設計することになりました。このアーキテクチャの哲学は、Strands エージェントと MCP ツールの間の関心の明確な分離を維持することにまで及んでおり、変化する要件に合わせて進化できる柔軟な基盤を生み出しました。チームは、WebSocket ベースのストリーミングが即座にユーザーフィードバックを提供し、複雑なクエリを処理する場合でも知覚されるパフォーマンスを向上させることを発見しました。 チームは、効果的な LLM プロンプト作成では、エージェントに何を達成すべきかを記述することに焦点を当てるべきであり、どのように行うかを指定するものではないことを学びました。これは、決定論的な手順を排除することで、エージェントがその固有の能力を用いて動的に調整できるようになり、カスタムアプローチよりも適応性が高いことが実証されたためです。さらに、知識ベースにおけるメタデータフィルタリングによる検索精度の向上、エージェントの推論のための自然言語インターフェースとして機能する記述的なツール名と整合性の取れたドキュストリング（docstrings）の重要性、セキュリティ強制をビジネスロジックや段階的なエージェントプロンプトに埋め込むのではなくセッション属性へオフロードすることで、クリーンで一貫したアクセス制御を提供できるという価値についても洞察が得られました。チームはまた、タイムリーな納品には経営陣の後押しと変更管理が不可欠であることを認識し、AWS と協力することになりました。 これらすべての教訓は、エージェントの内在する知能を制約するのではなく活用するソリューションを設計することが、Supercharger を長期的により強力かつ保守可能にするという統合的な原則に収束しました。 ## 結論 本稿では、Rocket Close Supercharger の取り組みを通じて、アジェンティック AI が住宅ローン業界における複雑で知識集約型のプロセスをどのように変革できるかについて洞察を提供しました。Strands Agents と MCP ツールを活用することで、チームメンバーが注文情報に即座にアクセスし、インテリジェントな自動化を実現できる、柔軟かつ高パフォーマンスなソリューションを構築できます。Supercharger の今後のフェーズでは、銀行員向けにローン固有の質問に対応する拡張機能と、複数のドメインチームが自社のビジネス課題に対してアジェンティック・ソリューションを構築するためのファストスタートテンプレート作成が含まれます。 この取り組みは、いくつかの重要な教訓を浮き彫りにしました。それには、事業部門と技術チーム間の実践的な協力、反復的な改善の価値、そしてパフォーマンスと保守性を達成するためのアーキテクチャ決定の役割が含まれます。 同様の AI 導入を検討する組織にとって、Rocket Close の取り組みは実用的な指針となります。明確なビジネス要件から始め、技術と自社のドメインを理解する専門家と連携し、適切なアーキテクチャに投資し、実際の運用に基づいて反復的に改善してください。その結果得られるのは、仕事を代替するものではなく、人間の能力を補強し、仕事のやり方そのものを変革するソリューションです。 詳しくは、[Strands Agents のドキュメント](https://strandsagents.com/)および [Amazon Bedrock](https://aws.amazon.com/bedrock/) のマーケティングページをご覧ください。独自のエージェント型ソリューションの構築を開始するには、[Amazon Bedrock コンソール](https://console.aws.amazon.com/bedrock/)を開き、[Amazon Bedrock 知識ベース](https://aws.amazon.com/bedrock/knowledge-bases/) を探索してください。 ## 著者について ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/10/ML-20329-3.png) ## Anton Selin Anton は Rocket Close のシニアソリューションアーキテクトであり、AWS の専門知識と AI ベースのアプリケーション開発に関する深い知見を活かして新製品の構築に情熱を注いでいます。彼は AWS、AI、クラウドおよびオンプレミスインフラストラクチャの開発・統合、マイクロサービス、メッセージング、データストリーミングにおいて豊富な経験を持っています。長年にわたり、Anton は金融業界とヘルスケア業界で開発者兼アーキテクトとして活動してきました。仕事以外では、家族との時間を楽しむこと、旅行、スポーツの観戦や参加を好んでいます。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/10/ML-20329-4.jpeg) ## Manoj Ravi Manoj は Rocket Companies のスタッフ機械学習アーキテクトであり、金融業界向けにエンドツーエンドの生成 AI および ML ソリューションを設計することに専門化しています。彼は Kubernetes を用いてスケーラブルで分散型のプラットフォームを構築することに注力し、実験的な AI ソリューションが効率的に本番環境へ移行されるよう確保しています。企業向けの MLOps パイプラインのアーキテクチャ設計以外の時間には、クリケットのプレーや旅行、家族との時間を過ごすことを楽しんでいます。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/10/ML-20329-5.jpeg) ## Vipul Parekh [Vipul](https://www.linkedin.com/in/vipulparekh74/) は AWS のシニアカスタマーソリューションマネージャーであり、クラウド上でビジネス変革の旅を加速させる FinTech および資本市場の顧客を指導しています。彼は生成 AI アンバサダーであり、AWS AI/ML 技術フィールドコミュニティの一員でもあります。AWS へ入社する以前は、Vipul は主要な金融サービス組織で様々な役割を果たし、変革を主導しました。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/10/ML-20329-6.jpeg) ## Venkata Santosh Sajjan Alla [Sajjan](https://www.linkedin.com/in/sajjan-avs/) は、北米の FinTech セクター全体で AI 主導の変革を推進する AWS Financial Services のシニア ソリューション アーキテクトです。彼は組織と連携し、イノベーションを加速し、測定可能なビジネス成果をもたらすクラウドおよび AI ストラテジーの設計と実行を担当しています。彼の取り組みは、効率化の向上と新たな収益源の創出を通じて、常に数百万ドル規模の価値を生み出してきました。AI/ML（機械学習）、生成 AI、クラウドネイティブアーキテクチャに関する深い専門知識を持つ Sajjan は、金融機関がスケーラブルでデータ駆動型の成果を達成できるよう支援しています。金融の未来を設計する合間の時間は、旅行や家族との時間を過ごすことを楽しんでいます。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/10/ML-20329-7.jpeg) ## Axel Larsson Axel は、ニューヨーク大都市圏を拠点とする AWS のプリンシパル ソリューション アーキテクトです。FinTech カスタマーをサポートしており、クラウドおよび AI 技術を通じてビジネスの変革を支援することに情熱を持っています。仕事以外では、活発なエンジニアリング愛好家として知られ、ホームオートメーションの実験を楽しむことを好んでいます。

スーパーチャージャー構築：Rocket Close がエージェント型 AI でタイトル業務を最適化する方法

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト