カスタマーサービスにおけるAI：仕組み、ユースケース、限界

著者: Linh Ngo · 更新日: 2026年10月11日

カスタマーサービスにおけるAIとは、機械学習と言語モデルを使って、顧客に直接回答し、人間の担当者がより速く返信できるよう支援し、会話の品質をレビューし、チケットのデータをインサイトに変えることです。例外、判断の分かれるケース、取り返しのつかないことについては、引き続き人が責任を持ちます。 単一のチャットボットではありません。すでに運用しているヘルプデスク、ナレッジベース、電話システムの上に乗る、4つの業務です。

このガイドは、サポートリーダー、CXのディレクター、サポートマネージャー向けに書かれています。この分野を定義し、主なユースケースを例とともに紹介し、エビデンスが示すことを整理し、限界についても率直に述べます。より詳しい記事は、本文中でリンクしています。サポートチャネル全体でのAIの仕組み、自動化と支援の使い分け、AIのためのサポートデータの準備、AIがサポートチームの役割をどう変えるか、顧客がAIサービスに期待することです。

重要なポイント

• サポート担当者5,179人を対象としたフィールド調査では、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（NBER Working Paper 31161）。
• Salesforceの2025年版State of Serviceレポート（サービス担当者6,500人、2025年4月25日から6月6日に実施）では、チームの推定として、現在AIが案件の30%を処理しており、2027年までに50%になると予測されています（Salesforce）。
• 同じレポートで、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時間が空いたとされています。また、サービスリーダーの51%が、セキュリティ上の懸念がAI施策の遅れや制約につながったと述べています（Salesforce）。
• Qualtrics XM Instituteが14か国の2万人以上の消費者を対象に行った調査では、カスタマーサービスでAIを利用した人のほぼ5人に1人が何の恩恵も得られておらず、これはAI全般の利用での割合のほぼ4倍にあたります。また、50%が、AIのせいで人間につながれなくなることを心配しています（Qualtrics）。
• CFPBは、米国の大手商業銀行上位10行のすべてがチャットボットを導入していることを確認し、誤回答と、人につながる経路のない「抜け出せない堂々巡り」について警告しました（CFPB）。

カスタマーサービスのAIが実際に行うこと

ベンダーの言い回しを取り除くと、AIは同じ素材、つまりチケット、チャット、メール、通話の録音、ヘルプ記事に対して、同じ数種類の処理を行っています。読み取りと文字起こし（留守番電話がテキストになる）、分類（これは請求への苦情で、怒っていて、緊急である）、取得（適切なヘルプ記事やポリシー）、下書き（返信、長いスレッドの要約）、そして最もリスクの高い工程として、実行（返金の実施、プランの変更、チケットのクローズ）です。

これらのうち最初の4つは、主に情報や下書きを生み出します。実行は現実世界の何かを変えるため、サポートのインシデントの多くはここから始まります。誤った返金、誤ったアカウント、誤っているのに自信に満ちた回答です。下書きと実行の境界線は、最も有用な設計判断であり、自動化か支援かという問いは、それ自体で取り上げる価値があります。

3つの構成要素が、繰り返し登場します。

• 検索に基づく回答。 アシスタントがまず承認済みのコンテンツを調べ、そこから回答します。これは検索拡張生成であり、ボットが返品ポリシーを勝手に作り出すのを防ぎます。
• スコアリングとルーティング。 モデルがインテント、緊急度、センチメント、チャーンのリスクを予測し、チケットを適切なキューや担当者にルーティングします。
• ワークフローコパイロット。 下書きを支援するアシスタントが担当者の隣に座り、返信や要約を提案し、何を送るかは担当者が決めます。

従来の自動化と区別しておくことも役立ちます。5つのボタンを提示する決定木のボットは、学習ではなくルールです。予測しやすく、限られたフローでは今でも有用です。新しいツールは自由記述の質問に対応でき、それが強みである一方、新たな失敗のパターンの原因にもなっています。

4つの主なユースケース

ほとんどの導入は、4つの業務のいずれかに当てはまります。表は、それぞれが何を行い、最初に誰が恩恵を受け、主なリスクが何かを示しています。

セルフサービス

人々が最初に思い浮かべるのがこのユースケースです。人を介さずに質問を解決するチャットウィジェットや音声ラインです。注文状況、パスワードのリセット、プランの機能、営業時間のように、明確で文書化された答えがあり、アカウントに関する判断が不要な質問で最も効果を発揮します。うまくいけば、顧客は午前2時に即座に答えを得られ、チームはチケットを目にすることもありません。うまくいかなければ、顧客は堂々巡りに陥ります。銀行のチャットボットに関するCFPBのレポートは、まさにこの状況を描いています。顧客が繰り返しの回答に行き詰まり、引用された調査の1つでは、チャットボットを利用した消費者の78%が、その後も人間に連絡する必要があったとされています（CFPB）。解決策は、人につながる、目立つ速い経路です。サポートエージェントの種類の全リストは、ここで作り直すのではなく、カスタマーサポート向けのAIエージェントをお読みください。セルフサービスをさらに詳しく知りたい場合は、ヘルプセンターのAI検索、メールサポートのAI活用、多言語サポート、プロアクティブなアウトリーチ、B2Bのケースをご覧ください。

エージェントアシスト

ここでは、顧客は引き続き人間と話します。AIは担当者の背後で動き、チケットを読み取り、関連するポリシーを取り出し、返信を下書きし、案件の要約を書きます。請求に関する争いを担当するサポート担当者は、返金ポリシーが添付された回答案を受け取り、2文を編集して送信します。

これは、最もエビデンスが充実しているユースケースです。担当者5,179人を対象としたNBERのフィールド調査では、アシスタントによって1時間あたりの解決件数が平均で約14%向上しましたが、効果は均一ではなく、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わずかでした（NBER Working Paper 31161）。著者らは、顧客センチメントの改善と従業員の定着率の向上も報告しており、このツールは優れた担当者の習慣を新しい担当者に広げるのだと示唆しています。マネージャーにとっての実践的な教訓は、エージェントアシストは速度のツールであると同時に、トレーニングと立ち上げ期間のツールでもあるということです。AIエージェントアシストのガイドでは、返信案、ナレッジの表示、導入について、AIによるチケット要約では、優れた案件の要約が捉えるべき内容について解説しています。

品質保証

手動のQAとは、通常、レビュー担当者が担当者1人あたり月に数件のチケットを採点することを指します。AIなら、すべての会話を自社の評価基準に照らして採点できます。担当者は本人確認を行ったか、返金ポリシーに従ったか、やり取りを完結させたか、といった点です。これにより、QAはサンプリングからカバレッジへと変わります。リスクは、評価基準が誤ったものを評価することですから、AIのスコアに基づいて誰かをコーチングする前に、サンプルで人間のレビュー担当者と照合してください。監視するボットにも、同じサンプルチェックを行います。キャリブレーションについてはサポートのためのAI品質保証を、スコアをフィードバックに変える方法についてはサポート担当者のためのAIコーチングをご覧ください。

インサイト

すべてのチケットは、自社の製品についてのデータポイントです。AIは、5,000件の自由記述の苦情を十数個のテーマにまとめ、特定の問い合わせ理由の急な増加を知らせ、どの問題が解約の前に起きているかを示せます。サポートディレクターが、プロダクトの会議に「新リリースでログインの失敗が今週急増しており、こちらが40件の例です」と持ち込めれば、月次レポートでは得られないアクションにつながります。このユースケースは、整ったチケットデータに最も依存するため、どのツールよりも先にデータの整備が必要です。

職種別の実例

同じ4つの業務でも、使う人によって見え方が異なります。

ティア1のフロントライン。 ある通信会社のサポートチームは、プランや請求日についての質問に承認済みの記事から回答し、確信がないときはトランスクリプトを添えて引き継ぎ、アカウントには一切手を触れないアシスタントを、ヘルプセンターに置いています。担当者は、すでに要約された会話を受け取るため、顧客に同じ説明を繰り返させる人はいません。

ティア2とテクニカルサポート。 エンジニアが、40通のメッセージが入ったチケットを開きます。アシスタントは、3行の要約を作成し、すでに試した手順を一覧にし、解決済みの類似案件を2件提案します。問題を診断するのは、引き続きエンジニアです。節約できるのは、考える時間ではなく、読む時間です。

サポートオペレーション。 オペレーションのリーダーが、分類を使ってインテントと緊急度でチケットをルーティングし、「アカウントが二重に請求されました」というメッセージが、機能に関する質問より先に請求のキューに届くようにします。これはスコアリングとルーティングのパターンであり、多くの手作業のトリアージを静かに取り除きます。その背後の分類体系の作り方は顧客のインテント検出で、同じインテントのデータがサポートの問い合わせ量の需要予測にも生かされることを解説しています。

QAとコーチング。 QAマネージャーは、担当者1人あたり10件ではなく、すべての通話のトランスクリプトを、ポリシーの漏れについてレビューします。コーチングの時間は、問題を見つけることから、問題を直すことに移ります。

CXとプロダクト。 CXのディレクターが、先月なぜ問い合わせが増えたのかをチケットデータに尋ねると、タグの件数のグラフではなく、例のチケットが添えられたテーマが返ってきます。

導入の状況：エビデンスが示すこと

導入の数字には注意が必要です。出回っているものは、通常、推定値や、異なる母集団の調査だからです。ここでは、ある程度確かなものを紹介します。

Salesforceの2025年版State of Serviceレポート（第7版）は、サービスチームの見方として、AIの現在の案件処理割合は約30%で、2027年までに50%に上昇するとしています（Salesforce）。これは、サービス担当者6,500人を対象としたベンダーの調査であり、2027年の数字は、測定値ではなく予測です。Salesforce自身も、エージェント型AIの利用者の楽観的な見方には、早期導入者が将来志向になりがちであるという選択バイアスが部分的に反映されている可能性があると述べています。ベンチマークではなく、方向性として読んでください。

顧客側の状況は、それほど明るくありません。Qualtrics XM Instituteが2025年第3四半期に実施した、14か国の2万人以上の消費者を対象とした調査では、カスタマーサービスでAIを利用した消費者のほぼ5人に1人が何の恩恵も得られておらず、これはAI全般の利用での割合のほぼ4倍にあたりました（Qualtrics）。また、消費者の半数が、AIのせいで人につながれなくなることを心配しています。この2つを合わせると、実態が見えてきます。企業は急速に動いており、顧客はまだ納得していません。このギャップこそが、サポートリーダーの腕の見せどころです。

カスタマーサービスにAIを段階的に導入する方法

1. ツールではなく、問い合わせ理由から始める。 顧客が連絡してくる上位20の理由を取り出し、繰り返しが多く、文書化されていて、リスクの低いものに印を付けます。それらが候補です。お金、安全、法的リスクが関わるものは後回しにします。
2. 1つの業務を選ぶ。 エージェントアシストは、すべての出力を人間がレビューするため、通常は最も安全な最初の一手です。次は、限られたトピックでのセルフサービスです。
3. コンテンツとデータを直す。 アシスタントの質は、ヘルプ記事、マクロ、チケットのタグの質で決まります。古い記事は、古い回答を、しかも素早く生み出します。
4. 引き継ぎを文書で決める。 AIが止まって人に渡さなければならない条件を定義します。確信度が低い、顧客が怒っている、一定額を超える返金、規制対象のトピックなどです。トランスクリプトが顧客とともに引き継がれる、本物のヒューマン・イン・ザ・ループの設計として構築してください。
5. AIと話していることを顧客に伝える。 地域によっては、これは礼儀であるだけでなく、法的な要件にもなりつつあります。事業を行う地域のルールを確認してください。
6. ベースラインと比較してパイロットを行う。 何かを有効にする前に、初回解決率、対応時間、再オープン率、CSAT、エスカレーション率を測定し、その後、少なくとも1か月間比較します。
7. 毎週、会話をレビューする。 実際のトランスクリプトを、特に失敗したものを読みます。プロンプトだけでなく、コンテンツの不足を直してください。
8. 役割とコーチングを見直す。 担当者は、レビュー担当者と例外対応の担当者になります。
9. 一度に1つの業務ずつ拡大する。 チャネルやトピックの追加は、前のものの数字が安定してから行います。

避けるべき落とし穴

問題を解決するためではなく、コストを削るために自動化する。 ボットが自社のチームから顧客を遠ざけるために存在していることは、顧客に伝わります。デフレクション（問い合わせ削減）ではなく、解決を測ってください。

人を隠す。 人につながる唯一の道が、5階層のメニューの奥に埋もれているなら、CFPBが警告した抜け出せない堂々巡りを作ってしまっています。出口は分かりやすくしてください。

質の悪いコンテンツを与える。 重複した記事、古いポリシー、矛盾したマクロは、すべて自信に満ちた誤回答になります。

ガードレールを省く。 アシスタントが言ってよいこと、してよいことにガードレールがなければ、1つの奇妙なプロンプトが、守れない約束を生み出すことがあります。

デフレクションを成功と見なす。 あきらめた顧客は、解決した顧客ではありません。別のチャネルで戻ってきていないかを追跡してください。

セキュリティを軽視する。 Salesforceの調査では、サービスリーダーの51%が、セキュリティ上の懸念がAI施策の遅れや制約につながったと述べています（Salesforce）。プロンプトに含まれる顧客データは、自社の境界の外に出ていく顧客データです。

カスタマーサービスにおけるAIの限界

正確性。 言語モデルは、誤ったことを流暢に述べることがあり、CFPBは、こうしたツールが誤った出力を生成することが多く、一部のユーザーはそれを見抜けないと指摘しています（CFPB）。承認済みのコンテンツに基づいて回答させることで問題は減りますが、なくなるわけではありません。

判断と共感。 亡くなった親族のアカウントを閉じようとしている遺族の顧客や、給与支払いが失敗したばかりの小規模事業者のオーナーには、人が必要です。AIは、メッセージが苦痛を訴えていることを検出できます。しかし、その状況がどう扱われるかに説明責任を負うことはできません。

新しい、込み入った問題。 AIが最も強いのは、一般的で文書化された問題です。奇妙なエッジケース、ポリシーの例外、誰も記録していない障害は、引き続き人のもとに回ります。

効果の偏り。 NBERの調査では、新人には大きな効果があり、熟練者にはわずかな効果しかありませんでした（NBER Working Paper 31161）。チーム全体に一律の割合を約束しないでください。

測定すべき指標

速度と品質を一緒に追跡してください。体験が悪化した状態で速くなったキューは、進歩ではありません。

• 解決： 初回解決率、再オープン率、人を介さずに解決し、7日以内に再び連絡がなかった会話の割合（AIの解決率の定義方法を参照）。
• 効率： 平均対応時間、初回応答時間、解決した問い合わせあたりのコスト。
• 体験： AIが対応した問い合わせと、人間が対応した問い合わせのCSAT（別々に表示）。
• 管理： エスカレーション率、担当者に訂正されたAIの回答の割合、QAで見つかったポリシー違反。
• 人： 担当者の立ち上げ期間、離職率、ツールに対する担当者の満足度。

次に読む記事

今四半期に1つだけ行うなら、文書化が行き届いた繰り返しの問い合わせ理由を1つ選び、それについて担当者の前にアシスタントを置き、ベースラインと比較してください。その後、アシスタントに顧客と単独で話させる前に、冒頭でリンクしたチャネルと自動化か支援かのガイドをお読みください。