AIエージェントアシスト：リアルタイムの提案、ナレッジ、次のステップ

著者: Linh Ngo · 更新日: 2026年10月11日

AIエージェントアシストとは、進行中の顧客との会話を読み取り、人間の担当者が対応している間に、返信案の提示、適切なナレッジの表示、次のステップの提案を行うソフトウェアです。主導権は常に担当者にあり、すべての提案は送信、編集、無視のいずれも選べます。 この点がチャットボットとの違いです。ボットは顧客に話しかけます。アシストは担当者に話しかけ、担当者が顧客に話しかけます。

多くのサポートチームにとって、AI導入の第一歩として安全な選択肢です。顧客は引き続き人間の対応を受けられ、担当者は答えにより早くたどり着け、何かを自動化できるだけのナレッジが整っているかどうかもすぐに分かります。アシストをどこに適用するか検討中の方は、カスタマーサービスにおけるAIの概要で幅広い選択肢を整理しており、自動化か支援かではトピックごとの選び方を解説しています。

重要なポイント

• カスタマーサポート担当者5,179人を対象とした調査では、生成AIアシスタントを利用することで、1時間あたりの解決件数が平均で約14%、新人や低スキルの担当者では約34%向上しました。経験豊富な担当者への影響はわずかでした。
• 同じ調査で、担当者がAIの推奨に従った割合は平均35%で、ほとんどの提案は使われていませんでした。推奨により忠実に従った担当者ほど、成果が大きくなりました。
• 調査の主要な指標では、在籍2か月でAIを利用した担当者が、在籍6か月超でAIを利用しない担当者と同等の成績を示しました。
• Salesforceの第7回State of Serviceの調査（サービス担当者6,500人）では、AIを利用する担当者は定型的な案件にかける時間が20%減り、週に約4時間が空いたと回答しました。これは自己申告の時間に基づくベンダーの調査であり、実測された成果ではありません。
• IntercomのCopilotは、過去4か月分の過去の会話やチケットを参照できますが、メールチャネルの会話は使用しません。

対応中にエージェントアシストが行うこと

エージェントアシストには3つの役割があり、多くの製品はこれらをまとめて提供しています。それぞれが異なる理由で失敗するため、分けて考えると役立ちます。

1. 返信案の提示。 ツールが次に伝える内容を下書きします。たとえばZendeskの返信案の提示機能は、アカウントにある既存のマクロ（保存済み返信）やヘルプセンターの記事（場合によってはLLMが生成したコンテンツ）をもとに、Agent Workspaceのコンポーザーに最初の返信を下書きします。担当者はそのまま送信することも、編集することも、却下して自分で書くこともできます。Salesforceもサービス向けの返信を同じように説明しており、生成AIが担当者がレビュー、編集、投稿するための返信を下書きします。

2. ナレッジの表示。 ツールが質問に合う記事、ポリシー、過去の回答を見つけるため、担当者が探し回る必要がなくなります。Salesforceの記事レコメンデーションは、対応中の案件に関連するナレッジ記事を担当者に推奨し、返信レコメンデーションは、チャットやメッセージングの最中に、承認済みの一般的な回答を表示します。IntercomのCopilotでは、担当者がサイドバーで回答の出典をプレビューでき、社内ソースに基づく回答は黄色で表示され、コンポーザーに入る前に警告が出ます。これは、検索拡張生成（ACEのrag-assistantパターン）を社内向けに適用したものです。

3. 次のステップ。 ツールが、コンタクトにタグを付ける、ポリシーの範囲内で返金を提案する、エンジニアリングのチケットを起票する、フォローアップを送る、といったアクションを推奨します。これはACEのworkflow-copilotパターンです。3つの中で最も構造化データを必要とします。「次のステップ」は、チャットの文面だけでなく、顧客のプラン、注文状況、アカウント履歴によって決まるからです。

これらを支える機能が2つあります。インテント検出は、顧客が何を尋ねているかをアシスト層に伝え、適切なコンテンツを取得できるようにします。チケット要約は、履歴を数行で担当者に伝え、返信する前に40通のメッセージを読まなくて済むようにします。

実際のコンタクトを順に追う

顧客が「年間プランで二重に請求されました」と連絡してきたとします。適切に設定されたアシスト層は、最初の1分間で次のように動きます。

1. トピックを請求に関する争いとして分類し、顧客のプランと直近の請求書を取得します。
2. 返金ポリシーの記事と二重請求用のマクロを、会話の横に表示します。
3. プランを明記し、次に何が起こるかを伝える、お詫びの返信を下書きします。
4. 次のステップを提案します。保留中のオーソリゼーションなのか本当の二重請求なのかを確認し、本当であれば担当者の権限の範囲内で返金します。
5. 担当者が下書きを編集して送信し、ステップを実行します。コンタクトは理由コードとともに記録されます。

これらのステップのどれも、人間を排除してはいません。取り除いたのは、探す手間、打ち直す手間、そして「どのポリシーが適用されるのか」と迷う時間です。

エビデンスが示すこと

最もよく知られた調査は、ある1社のチャットサポート部門で段階的に展開したもので、NBER Working Paper 31161として公開され、その後Quarterly Journal of Economicsにも掲載されました。導入計画に持ち込む価値のある発見が4つあります。

平均値は差を隠します。 平均14%の向上は、新人や低スキルの担当者では約34%、経験豊富な担当者ではほとんど変化なしという内訳でした。チームがベテラン中心であれば、生産性への効果は小さいと見込み、代わりに品質の均一化による効果を探してください。採用が時期的に集中する場合や離職率が高い場合は、アシストの重要性が増します。

立ち上がり期間を短縮します。 論文の主要な成果指標では、在籍2か月でAIを利用した担当者が、AIなしで在籍6か月超の担当者と同等の成果を上げました（ワーキングペーパーPDF）。マネージャーにとっては、速度の話であると同時に、研修コストの話でもあります。

支援するための設計です。 このシステムは、返信のリアルタイムの提案と社内の技術ドキュメントへのリンクを、担当者にのみ表示し、使うかどうかは担当者の完全な裁量に委ねていました。担当者が推奨に従った割合は平均約35%で、特に当初懐疑的だった担当者を中心に、時間とともに上昇しました。選択的に使うのが通常の姿であり、それは健全です。提案の採用率が100%に近ければ、誰も考えていないことになります。

人に関する成果にも影響しました。 著者は、顧客センチメントの改善、上司への取り次ぎを求める顧客の減少、そして新人の定着による離職率の低下を報告しています。新規採用者の離職が減ることは、多くのサポートリーダーがすぐに実感できるコスト項目です。

適用範囲について1点注意があります。これは1社、1つのチャット製品、自社の担当者の会話と成果で学習した特定のツールが対象で、担当者の大半はフィリピンにいました。メカニズムが機能することの強力なエビデンスと捉えてください。ご自身のキューで14%が得られるという約束ではありません。ベンダー側の数字はもう少し弱いものです。Salesforceの調査で示された定型案件の時間20%減は担当者自身の申告に基づくため、目標ではなく方向性として使ってください。

職種別のエージェントアシスト

パターンはどこでも同じですが、「良い提案」の中身は変わります。

どの行でも、提案の質は背後にあるコンテンツとデータの質で決まります。ITの行がテクニカルの行と同じ理由で失敗するのは、誰も保守していないドキュメントのためです。

エージェントアシストの導入方法

導入に一斉展開は必要ありません。多くのチームには、次の順序が有効です。

1. 1つのキューと1つのチャネルを選ぶ。 件数が多く、リスクが低く、答えが文書化されているキューを選びます。通常はチャットかメッセージングから始めます。ツールの対応範囲を確認してください。たとえばIntercomのCopilotは、メールチャネルの会話をソースとして使いません。そのため、チャネルの対応範囲は事前に確認すべき事項です。チャネルの対応範囲は製品によって大きく異なります。
2. 先にナレッジを整える。 提案はマクロや記事から作られるため、重複、矛盾、古くなったポリシーは、自信に満ちた誤った下書きになります。最もよく使われる50件のマクロと、上位30件の記事から始めてください。整理の詳細はAIのためのサポートデータの準備で解説しています。
3. ツールが提案してよい範囲を決める。 下書きを歓迎するトピック（使い方、注文状況）と、対象外とするトピック（法的な脅し、安全性、規制対象の開示）を一覧にします。公開前にそのリストを文書にしてください。
4. 2週間、シャドーモードで運用する。 少人数のパイロットグループに提案を表示し、それぞれについて承認、編集、却下を記録し、却下の場合は理由も記録します。顧客向けの変更はまだ行いません。
5. ボタン操作ではなく、判断力を教える。 担当者は、下書きが出発点にすぎないことを理解する必要があります。2秒でできる確認を教えてください。下書きは顧客の質問に合っているか、引用された出典はその内容を述べているか、という確認です。
6. 対照群を置いて測定する。 パイロットの担当者を、アシストなしの同様の担当者、またはパイロットグループ自身のベースラインと比較します。対応時間、初回解決率、再オープン率、CSAT、新規採用者が一人前になるまでの期間を追跡します。提案の採用率だけで判断しないでください。
7. フィードバックのループを閉じる。 却下された提案はすべてデータです。担当者が同じ下書きを何度も書き直しているなら、その背後のマクロや記事が間違っています。元から直してください。
8. スイッチではなく、キュー単位で拡大する。 最初のキューが品質の数値を維持できてから、次のキューを追加します。アシストをサポートのQAと連携させ、レビュアーがどの会話で下書きが使われ、それが通用したかどうかを確認できるようにしてください。

避けるべき落とし穴

採用率を成功と見なす。 採用率が高いのは、ツールが優れているからかもしれませんし、担当者が確認をやめたからかもしれません。NBERの調査では、選択的に使うのが通常で、平均約35%でした。採用率は、再オープン率とQAスコアと組み合わせて見てください。

ナレッジベースを放置する。 Zendesk自身の記事には、担当者は提案された返信の内容に影響を与えられないと記されています。改善する方法は、その元になるマクロと記事を改善することです。アシストはコンテンツの負債をすぐに明らかにします。

自動化バイアス。 キューの圧力の下では、担当者は画面に出たものをそのまま送ってしまいます。Intercomのサイドバーのソースプレビューのように、出典をワンクリックで見られるようにし、送信された下書きのサンプルを毎週レビューしてください。

速度だけを測る。 対応時間が減る一方で再問い合わせが増えているなら、ツールは担当者をより良くではなく、より速く終わらせているだけです。こちら側の活動量だけでなく、顧客側での解決を見てください。

キャパシティ計画を忘れる。 アシストでスループットが上がれば、要員配置の計算も変わります。シフトや採用計画を削減する前に、新しい対応時間を問い合わせ量とキャパシティの需要予測に反映してください。

コーチングを省く。 アシストは良い習慣を広げますが、品質の問題をそれだけで解決することはありません。承認と却下のデータは、研究で示された学習効果が実際に強化される場であるコーチングの面談で活用してください。

最初の90日間の理想的な進め方

2週目までに、整理されたコンテンツセットとパイロットグループを用意します。6週目までに、トピック別の承認、編集、却下のパターンを把握し、それによって明らかになった上位10件のコンテンツの問題を修正します。12週目までに、対応時間、再オープン率、CSATについて対照群との比較結果を出し、さらに経理担当のパートナーが受け入れる数字を1つ用意します。たとえば、キューに戻った週あたりの時間や、新規採用者1人あたりで短縮できた週数です。比較で差が出ない場合、原因はアイデア自体ではなく、コンテンツの質かベテラン中心のチームである可能性が高いです。前者は修正し、後者については対象範囲を見直してください。