OpenAI: Zendesk 公開事例 - 次世代カスタマーサービスに向けたOpenAIを活用した自律型AIエージェントの構築

Zendesk uses OpenAI to build adaptive service agents focused on resolutions より
https://openai.com/index/zendesk/

目次

1. はじめに: Zendeskとカスタマーサービスの進化
2. 従来のカスタマーサービス自動化の限界
3. OpenAIとの協業: 自律型AIエージェントの誕生
4. 技術解説: マルチエージェントアーキテクチャの内部構造
5. 適応型推論への移行: 静的フローからの脱却
6. ベンチマーキングとモデル選定プロセス
7. 実装と効果: 80%の自動化率に向けて
8. 日本市場における展望と課題
9. 今後の展望と業界への影響
10. まとめ: AIエージェントが変えるカスタマーサービスの未来

はじめに: Zendeskとカスタマーサービスの進化

Zendeskは過去10年以上にわたり、企業が優れたカスタマーエクスペリエンスを提供するためのプラットフォームを提供してきました。現在、このプラットフォームは年間46億件以上の問題解決をサポートしています。デジタル化が進む現代社会において、カスタマーサービスの質は企業の競争力を左右する重要な要素となっています。

2023年初頭、Zendeskは大きな転換点を迎えました。OpenAIとの緊密な協力関係を構築し、AIがサービスと製品開発をどのように再形成できるかの探求を開始したのです。その結果、現在Zendeskは新しいクラスのAIエージェントをパイロット導入しています。これらのエージェントはOpenAIのモデルを活用し、単なる対話管理にとどまらず、自律的に応答を計画し実行する能力を持っています。

このブログでは、Zendeskが取り組む革新的なAIエージェント技術の詳細、その背景にある技術的アーキテクチャ、そして実際のビジネスインパクトについて詳しく解説します。

従来のカスタマーサービス自動化の限界

従来のカスタマーサービス自動化は主に「インテント分類」に依存していました。この仕組みは以下のような流れで機能していました：

1. ユーザーの入力からインテント（意図）を予測
2. 予め定義されたダイアログまたはワークフローをトリガー
3. ユーザーがそのスクリプトに従うことを期待

この設定は構造化された相互作用には効果的でしたが、ニュアンス、フォローアップの質問、例外的なケースなどが発生すると急速に機能しなくなる傾向がありました。

Zendesk CTOのAdrian McDermott氏は次のように説明しています：「従来の世界では、メッセージイン、レスポンスアウトという単純な構造でした。しかし、実際の顧客は考えを変えたり、質問を明確にしたりして、AIが自然についていくことを期待します。サービスにおいて重要なのは解決だけであり、これまでのボットはその達成に限界がありました。」

つまり、従来のボットには以下のような限界がありました：

• 事前に定義されたシナリオ外の対応が困難
• 文脈の理解や多段階の会話の維持が不十分
• 例外的なケースや曖昧な質問への対応力の欠如
• 真の「解決」よりも「応答」に焦点が当たっていた

これらの限界を克服するため、Zendeskは新たなアプローチを模索し始めました。

OpenAIとの協業: 自律型AIエージェントの誕生

Zendeskは2023年初頭からOpenAIと協力し、まずRAG（Retrieval-Augmented Generation：検索拡張生成）を活用した基本的なFAQインタラクション向けの生成的アプローチの採用を開始しました。RAGは、大規模言語モデル（LLM）の出力を企業固有の情報で強化するための重要な技術です。

RAG（Retrieval-Augmented Generation）とは
大規模言語モデルの生成能力と、外部知識ベースからの情報検索を組み合わせた技術です。これにより、AIは一般的な知識と企業固有の最新情報の両方を活用して回答を生成できます。

しかし、現在のZendeskの焦点は、単なるRAGを超えて、AIエージェントが独立してタスクを計画・実行できる「生成的推論（generative reasoning）」へとシフトしています。この進化は、カスタマーサービスにおけるAIの役割を根本的に変革するものです。

Zendeskが開発した新しいタイプのAIエージェントは、「解決」に特化して設計されています。OpenAIのGPT-4oなどのモデルを活用したこれらのエージェントは、単に質問に答えるだけでなく、会話をリードし、文脈を理解し、解決に向けて積極的に導きます。

この進化により、Zendeskのプラットフォームは以下のような重要な改善を実現しました：

• セットアップ時間を「日単位」から「分単位」に短縮
• 自動化率を80%に向けて増加
• チームにAIの振る舞いに対する完全な制御を付与
• インテントベースのボットから積極的なAIエージェントへの移行

次のセクションでは、この新しいAIエージェントの技術的な内部構造について詳しく解説します。

技術解説: マルチエージェントアーキテクチャの内部構造

Zendeskの新しいAIエージェントプラットフォームは、複数の専門化されたエージェントで構成される「マルチエージェントアーキテクチャ」を採用しています。これは、複雑なタスクを機能別に分割し、それぞれに特化したAIが担当することで、全体としての能力を向上させる設計です。

このアーキテクチャは主に以下の4つの専門エージェントで構成されています：

1. タスク識別エージェント

従来の手動トレーニングに依存せず、このAIエージェントは実際の会話を通じてユーザーのニーズを理解します。明確化のための質問をし、類似した問題を区別する能力を持っています。

2. 会話型RAGエージェント

従来のRAGを拡張し、複数ターンの会話に対応します。例えば、ユーザーが支払いオプションについて質問した場合、エージェントはユーザーの所在地を確認してから、地域固有のポリシーを取得することができます。

3. 手順コンパイルエージェント

エージェンシー（自律性）とコントロールのバランスを取りながら、Zendeskの手順コンパイルエージェントは、自然言語からビジネスルールを構造化されたフローに変換します。これにより、AIが企業の手順をどのように実行するかを理解し、視覚的に反映することを保証します。

4. 手順実行エージェント

APIを呼び出し、ワークフローをトリガーし、システムを更新することで、ビジネスによって定義されたロジック内でアクションを実行します。

マルチエージェントアーキテクチャの全体像

これらの専門エージェントが連携することで、Zendeskのプラットフォームは複雑な問題を自律的に解決できるようになりました。以下は、全体的なアーキテクチャと各エージェントの相互作用を示しています。

このマルチエージェントアーキテクチャにより、RAGと推論を組み合わせることで、Zendeskの新しいAIエージェントは複数ステップの会話に対応し、フォローアップの質問をし、ユーザー入力に基づいて応答を適応させることができるようになりました。これにより、プラットフォームは硬直的な対話フローに依存せずに、複雑な問題を自律的に解決できるようになりました。

適応型推論への移行: 静的フローからの脱却

Zendeskのエージェント開発における最も大きな変革の一つは、「ハイブリッド開発モデル」への進化です。このモデルでは、エージェントが単一の会話内で対話フローと生成的手順の間をシームレスに移動できるようになりました。

従来のボットシステムでは、対話フローは事前に定義された固定的なものであり、例外的なケースやユーザーが予期せぬ応答をした場合に対応することが困難でした。一方、完全な生成モデルは自由度が高すぎるため、ビジネスルールやコンプライアンス要件を確実に満たすことが難しいという課題がありました。

Zendeskの新しいハイブリッドアプローチにより、両方の長所を活かした柔軟で制御可能なシステムが実現しました：

自然言語でのプロシージャ定義

新しいAIエージェントビルダーでは、企業が自然言語でプロシージャ（手順）を定義できるようになりました。AIエージェントは適応型推論を使用してアクションプランを立て、実行前に提案されたステップのプレビューを表示します。

例えば、「顧客が返品を希望した場合は、購入日が30日以内かを確認し、製品状態を確認してから返金処理を行う」といった自然言語の指示から、AIが構造化された実行可能な手順を作成できます。

AI推論コントロールの実装

Zendeskのシステムは、AIエージェントの「思考」をリアルタイムで可視化する「AI推論コントロール」を提供しています。これにより、チームは各会話を監査し、エージェントの思考連鎖（Chain of Thought、CoT）を確認して、どのように決定が下されたかを理解することができます。

このアプローチの主な利点：

1. セットアップ時間の劇的短縮: 日単位から分単位へと短縮され、生成的自動化がより広範なZendeskの顧客にアクセス可能になりました。

2. 拡張性の向上: 事前に全てのシナリオを定義する必要がなくなり、AIがより多様な状況に対応できるようになりました。

3. 透明性と制御のバランス: AIに自律性を与えながらも、そのプロセスを可視化・監査することで、企業は安心してシステムを導入できます。

4. 継続的な学習と改善: 実際の会話データから学習し、システムを継続的に改善できます。

これらの進化により、Zendeskのシステムは単なる「チャットボット」から真の「AIエージェント」へと進化し、よりインテリジェントで適応力のあるカスタマーサービスを実現しています。

ベンチマーキングとモデル選定プロセス

Zendeskは単にOpenAIのモデルを採用するだけではなく、各ユースケースに最適なモデルを慎重に選択し、展開するための厳格な内部ベンチマーキングプログラムを実施しています。このプロセスでは、レイテンシー（応答速度）、コスト、品質などの要素を考慮し、RAGから背景推論タスクまで様々なユースケースにわたってOpenAIのo3-miniなどの新しいモデルをテストしています。

ベンチマーキングプロセス

Zendeskのベンチマーキングプロセスは以下のようなステップで構成されています：

このプロセスにより、Zendeskは24時間以内に新しいモデルを評価、テスト、デプロイすることができます。

性能追跡と透明性

Zendeskはデプロイメントの前後両方でパフォーマンスを追跡しています：

• オフライン評価: 実際のユーザーに公開する前に、構築された標準テストセットでモデルのパフォーマンスを評価
• ライブメトリクス: 解決率、編集率、レイテンシーなど実際の使用中のパフォーマンス指標を測定
• 監査可能性: 各モデル選択の決定は文書化され、監査可能に保たれ、システムの進化に伴って透明性と信頼性を確保

今後の展開: セルフサービスベンチマーキングプラットフォーム

Zendeskは2025年にさらに一歩先を行くことを計画しています。機械学習の専門家からの直接的なサポートなしでも、Zendesk内の任意のエンジニアリングチームがモデルをテストしてデプロイできる「セルフサービスベンチマーキングプラットフォーム」を展開する予定です。

このセルフサービスアプローチにより、AIモデル選択のプロセスを民主化し、組織全体で最適なAIモデルの採用を加速させることが期待されています。

実装と効果: 80%の自動化率に向けて

Zendeskは現在、新しい自律型AIプラットフォームをアーリーアドプター顧客とともにパイロット導入しています。このプラットフォームは、ゼロから再構築する必要なく既存のセットアップと簡単に統合できるように設計されており、顧客の80%自動化への道のりを加速させることを目指しています。

実装プロセスと効果

新しいAIエージェントの実装プロセスは以下のようなステップで行われています：

初期導入の成果

2025年後半にはより広範なメトリクスが公開される予定ですが、初期段階のフィードバックは既に強力な結果を示しています：

1. セットアップの高速化: 従来のボット構築と比較して、設定時間が大幅に短縮
2. より正確な応答: 文脈理解と推論能力により、適切な回答を提供する精度が向上
3. スムーズなユーザー体験: あらゆるチャネルで一貫した高品質な対応を実現

自動化率80%へのロードマップ

Zendeskのシステムが目指す80%の自動化率は、以下のような段階的アプローチで達成される見込みです：

実装上の課題と対策

新しいAIエージェントの実装には、いくつかの課題も存在します：

実装課題と対策

1. AIの誤解や不適切な応答のリスク

   • 対策: AI推論コントロールによる可視化と監査
   • 対策: 段階的な展開と継続的なモニタリング

2. 既存システムとの統合の複雑さ

   • 対策: 標準APIの提供
   • 対策: 既存ボットからの段階的移行パス

3. ユーザー適応と信頼構築

   • 対策: 透明性の高いAI活用の明示
   • 対策: 人間のエージェントへの適切なエスカレーション

Zendeskは、これらの課題に対する対策を講じながら、顧客企業が80%の自動化率という目標に向かって効果的に進むことができるよう支援しています。

日本市場における展望と課題

Zendeskの自律型AIエージェントは、日本市場において特有の機会と課題を提示しています。ここでは、日本特有の状況とZendeskのAIエージェントが持つ可能性について検討します。

日本市場の特徴と対応

日本のカスタマーサービス市場には独自の特徴があり、AIエージェントの展開にはこれらを考慮する必要があります：

1. 高品質サービスへの期待：日本の顧客は世界的に見ても特に高い品質のサービスを期待する傾向があります。Zendeskの自律型AIエージェントは、日本語の言語的ニュアンスや文脈を適切に理解し、丁寧かつ正確な応答を提供することが求められます。

2. 言語処理の複雑さ：日本語は敬語や謙譲語、様々な表現形式を持つ複雑な言語です。AIエージェントがこれらの言語的特徴を適切に処理できるかが成功の鍵となります。

3. 人間とAIの適切なバランス：日本では「おもてなし」文化があり、完全自動化よりも、AIと人間のハイブリッドアプローチが受け入れられやすい可能性があります。

日本企業における導入事例と展望

日本市場では、以下のような業種でZendeskのAIエージェント導入が特に進む可能性があります：

1. Eコマース/小売: 商品情報、注文状況、返品処理などに関する問い合わせの自動化
2. 金融サービス: 口座情報、取引確認、基本的な金融商品案内などの対応
3. 通信/インターネットサービス: 契約情報、技術サポート、料金プランの説明など
4. 旅行/ホスピタリティ: 予約確認、施設情報提供、変更手続きの案内など

日本市場向けAIエージェント最適化のポイント

1. 日本語処理能力の強化

   • 方言や業界特有の表現への対応
   • 敬語レベルの適切な調整機能

2. 文化的文脈の理解

   • 日本特有のビジネス慣行への適応
   • 「察する」文化に対応した先回り提案機能

3. ハイブリッドサポートモデル

   • AIと人間オペレーターの最適な連携設計
   • 顧客の好みに応じた柔軟な対応チャネル提供

日本市場特有の課題と対応策

Zendeskの自律型AIエージェントが日本市場で成功するためには、以下のような課題に対応する必要があります：

1. データプライバシーへの配慮: 日本は個人情報保護に関する厳格な規制があります。Zendeskは日本の法規制に完全準拠し、データセキュリティを最優先する必要があります。

2. AIに対する信頼構築: 日本の顧客はAIよりも人間の対応を好む傾向があります。AIであることを透明に伝えつつ、高品質な応答で信頼を獲得することが重要です。

3. 業界特有の慣行への適応: 日本の各業界には独自の慣習やプロセスがあり、AIエージェントはこれらを適切に理解し対応する必要があります。

日本市場におけるZendeskの自律型AIエージェントの成功は、技術的な優位性だけでなく、日本の言語的・文化的特性に対する深い理解と適応にかかっています。適切に最適化されれば、人手不足や業務効率化に悩む日本企業にとって非常に価値のあるソリューションとなるでしょう。

今後の展望と業界への影響

Zendeskによる自律型AIエージェントの開発と展開は、カスタマーサービス業界に大きな変革をもたらす可能性があります。この革新的なアプローチがどのように業界全体を変えていくのか、その潜在的な影響について考察します。

カスタマーサービス業界への波及効果

1. カスタマーサービスの変革

• 人間エージェントの役割進化: AIが定型的なタスクを処理することで、人間のエージェントはより複雑で感情的なサポート、戦略的顧客関係管理に集中できるようになります。
• 24/7シームレスサポートのスタンダード化: 常時対応の高品質サポートが標準となり、顧客期待値が全体的に上昇します。
• パーソナライズされた予測的サービス: 顧客が質問する前に問題を予測し、先回りして解決策を提案するプロアクティブなサービスが可能になります。

2. ビジネスモデルの変化

• コスト構造の変革: 人的リソースの効率的配分により、サービスコストの最適化が進みます。
• 新しい価値提案: 企業は単なる製品提供から、AIによる継続的なサポート体験を含めた総合的な価値提案へとシフトします。
• 競争優位性の再定義: AIエージェントの質と自動化率が企業の差別化要因となります。

3. 技術的進化

• AIと人間の協業モデルの発展: 人間とAIの効果的な役割分担と連携が進化し続けます。
• マルチモーダル対応の拡大: テキストだけでなく、音声、画像、動画などを含む複数のモードでの対話が標準になります。
• AIオーケストレーションの進化: 複数のAIエージェントが連携し、より複雑なタスクを処理するシステムが発展します。

Zendeskの今後の展開予定

Zendeskの今後の展開として予想されるのは：

1. 2024年: アーリーアドプターパイロットプログラムの継続と拡大
2. 2025年前半: セルフサービスベンチマーキングプラットフォームの展開
3. 2025年後半: 広範なメトリクスの公開と効果の実証
4. 2025年-2026年: 高度な予測機能の追加
5. 2026年以降: マルチモーダル対応とAIオーケストレーションプラットフォームの拡充

AIエージェント技術の倫理的考慮事項

Zendeskのようなプラットフォームが提供するAIエージェント技術の普及に伴い、以下のような倫理的考慮事項も重要になってきます：

AIエージェントに関する倫理的考慮事項

1. 透明性と説明責任

   • AIとの対話であることを明示する必要性
   • 決定プロセスの説明可能性の確保

2. プライバシーとデータ保護

   • 顧客データの適切な取り扱い
   • データの使用目的と範囲の明確化

3. 人間の監督と最終決定権

   • 重要な決定における人間の関与
   • AIの限界の認識と適切なエスカレーション

4. 包括性と公平性

   • 多様なユーザーに対する公平なサービス提供
   • バイアスの継続的なモニタリングと軽減

Zendeskが開発している自律型AIエージェントは、カスタマーサービスの未来を形作る重要な要素となっています。この技術の進化は、単なる効率化を超えて、顧客と企業の関係性、サービスの提供方法、そして業界全体の競争力の基準を根本から変える可能性を秘めています。

まとめ: AIエージェントが変えるカスタマーサービスの未来

Zendeskが開発した新しい自律型AIエージェントは、カスタマーサービスの領域に革命的な変化をもたらしています。この革新的なアプローチの主要なポイントを振り返ります。

技術進化の軌跡

Zendeskのカスタマーサービスプラットフォームは、以下のような進化を遂げてきました：

1. 従来のインテントベースボット: 事前定義されたシナリオに依存し、柔軟性に欠けるシステム
2. 基本的なRAG機能: 企業の知識ベースを活用した回答生成能力の向上
3. 自律型AIエージェント: 会話をリードし、推論し、解決に向けて積極的に行動する新世代のシステム

この進化により、AIエージェントは単なる「応答ツール」から「解決指向のパートナー」へと変貌を遂げています。

核心的技術イノベーション

Zendeskの自律型AIエージェントを支える主要な技術革新は：

• マルチエージェントアーキテクチャ: 専門化されたAIエージェントによる協調的問題解決
• ハイブリッド開発モデル: 構造化フローと生成的推論の融合
• 自然言語でのプロシージャ定義: 技術的専門知識なしでビジネスルールを定義可能に
• AIの思考プロセスの可視化: 透明性と制御性の確保

これらのイノベーションにより、カスタマーサービスの自動化は新たな次元に到達しつつあります。

実現される効果とインパクト

Zendeskの新しいAIエージェントが実現する主要な効果は：

• セットアップ時間の劇的短縮: 日単位から分単位へ
• 自動化率の大幅向上: 最終的に80%を目指す
• 人間のエージェントの戦略的再配置: より複雑で価値の高いタスクへの集中
• 一貫した高品質サービスの提供: チャネルを問わない優れた顧客体験

未来への視座

カスタマーサービスの未来はAIと人間の協業によって形作られていきます。Zendeskのような先進的プラットフォームが切り開く道は、以下のような特徴を持つでしょう：

• プロアクティブなサービス: 問題が発生する前に予測し対応
• シームレスな多チャネル体験: あらゆる接点で一貫した高品質対応
• パーソナライズされた解決策: 顧客の過去の履歴と文脈を理解した対応
• 人間とAIの最適な役割分担: それぞれの強みを活かした協業モデル

Zendeskが開発する自律型AIエージェントは、単なる技術革新を超えて、企業と顧客の関係性そのものを再定義する可能性を秘めています。80%の自動化率という目標に向けた動きは、効率化だけでなく、カスタマーサービスの質的向上と顧客満足度の飛躍的な向上をもたらす可能性があります。

カスタマーサービスの未来は既に始まっています。Zendeskの取り組みは、AIと人間が協力して「解決」という最も重要な成果を達成するための道筋を示しているのです。

---

OpenAIのGPT-4oのような先進的なAIモデルを活用したZendeskの取り組みは、カスタマーサービス業界における重要なマイルストーンとなっています。今後の展開が注目される分野であり、AIと人間のコラボレーションによる新たなサービス形態の標準となる可能性を秘めています。

AIの限界と今後の課題

一方で、このような先進的なAIシステムにも現時点では以下のような限界があることを認識しておく必要があります：

• 複雑な感情対応: 深い共感や微妙な感情的ニュアンスの理解には、まだ人間の対応が優れている場面がある
• 予測不可能な状況への対応: 前例のない複雑な問題に対しては、人間の創造的問題解決能力が必要
• 文化的文脈の完全な理解: 地域や文化に根ざした独特の文脈や慣習の理解には課題が残る

これらの限界を認識しつつ、AIと人間のそれぞれの強みを活かした最適な協業モデルの構築が、真の次世代カスタマーサービスの鍵となるでしょう。