モビルス・vottia石井智宏氏が実案件から語った「顧客対応AIの現在地」
AIエージェントは、顧客の電話に自然な言葉で応答し、問い合わせを理解し、必要な情報を調べ、手続きを完了させる。こうしたデモを見ると、コンタクトセンターの仕事はすぐにでも人間からAIへ置き換えられるように思える。
しかし、実際の顧客対応へ導入すると、評価すべきことは会話の自然さだけではない。
- 顧客の発話を正しく聞き取れたか
- 必要な情報を誤りなく取得できたか
- 社内システムの処理まで完了したか
- 例外や不確実なケースを、適切に人間へ引き継げたか
- 顧客の問題を最終的に解決できたか
モビルス株式会社とvottia株式会社の代表取締役社長を務める石井智宏氏の講演「具体的案件から見たAIエージェントの現在地」は、こうした実装上の現実を率直に扱ったものだった。
結論から言えば、現在の顧客対応AIは、従来型のチャットボットやボイスボットを大きく上回っている。一方で、人間のオペレーターと同じ水準で、複雑な相談や例外処理を安定して任せられる段階ではない。
企業が目指すべきなのは、完全自動化率を競うことではない。顧客体験を損なわず、AIと人間がそれぞれ得意な工程を担い、改善を続けられる運用を作ることである。
AIですべてを置き換えるのではなく、顧客対応を完結させる
vottiaは、モビルスとトランスコスモスが2025年に設立した、コンタクトセンター向けAIエージェント事業の合弁会社である。モビルスはチャットボット、ボイスボット、オペレーター支援などの顧客接点技術を提供してきた企業であり、トランスコスモスは大規模なコンタクトセンター運用の知見を持つ。vottiaは2025年11月から、コンタクトセンター向けAIエージェントプラットフォーム「maestra」の提供を開始している。 モビルスの発表
ここで重要なのは、AIが顧客と会話できること自体をゴールにしないことである。
顧客が求めるのは、自然な受け答えだけではない。迷わず窓口へ到達できること、同じ説明を繰り返さずに済むこと、必要な手続きが完了すること、難しい相談では人間につながることまで含めて、顧客体験は成立する。
たとえば住所変更では、AIが新しい住所を聞き取って「承りました」と答えるだけでは不十分である。本来は本人確認、契約情報の照合、変更可否の判定、顧客管理システムの更新、完了通知までが必要になる。会話を自動化しても、業務が完結しなければ顧客と企業の双方に手戻りが残る。
したがって、AIエージェントは単体の会話製品ではなく、ナレッジ、顧客データ、業務システム、人間への引き継ぎを含む業務基盤として設計する必要がある。
PoCの次に問われるのは「どこまで安全に任せられるか」
石井氏は、生成AI活用の流れを、2023年の驚き、2024年のPoC拡大、2025年のオペレーター支援、2026年のフロント対応の実務検証へと整理した。
初期のPoCでは、要約、FAQ回答、社内検索、議事録作成など、「AIが動く」ことの確認が中心になりやすい。しかし顧客対応で本番化するには、対象業務、評価指標、運用責任、失敗時の処理を決めなければならない。
コンタクトセンターでは、まず応対後の要約、問い合わせ分類、回答候補の提示など、オペレーターを支援する用途から導入が進んだ。モビルスのオペレーター支援製品でも、リアルタイムの文字起こし、回答候補表示、応対要約、VOC分析などが対象になっている。 モビルスの製品発表
次の段階が、AIが顧客と直接会話するフロント対応である。この段階では、「使えるか、使えないか」ではなく、どの業務なら安全に任せられ、どこで人へ渡すべきかを実際の会話と業務フローの中で検証することになる。
なぜ電話対応は、チャットより難しいのか
テキストの問い合わせでは、利用者の入力がそのまま残る。多少の待ち時間があっても、利用者は回答を読み返せる。
一方、電話では会話がリアルタイムに進む。数秒の沈黙でも、顧客は止まったのではないかと感じる。聞き返しが続けば不満につながり、一度の聞き間違いが、その後の会話や手続き全体をずらす。
特に実務では、次のような揺らぎがある。
- 言い直し、省略、曖昧な指示語
- 早口、周囲の雑音、回線品質
- 方言、固有名詞、商品名、住所や電話番号の読み上げ方
- 会話の途中で変わる要望
- 本題の途中で入る別の質問や苦情
たとえば顧客は、最初から「住所を変更したい」とは言わないかもしれない。「引っ越したんですけど」「前の住所に届いてしまって」といった発話から意図を推定し、必要情報を確認し、例外を見つけ、次の処理を選ぶ必要がある。
音声AIでは、音声認識、意図理解、検索・判断、音声合成のどこか一つでも失敗すれば、会話品質が下がる。大規模言語モデルが方言をある程度理解できても、電話音声を正確に文字起こしできるか、地域の利用者に自然な表現として受け取られるかは別の問題である。対象地域の実音声を用いた検証と、地元話者による評価が欠かせない。
従来型のボイスボットより柔軟になったことと、人間と同等になったことは同義ではない。
「会話が終わった」と「業務が正しく完了した」は違う
講演で紹介された匿名案件では、ルールベース型ボイスボットからAIエージェントへ移行した結果、顧客から見て対話が一応完了した割合は80％を超えたという。一方、音声認識や入力内容に疑いがなく、人間の後追い確認なしで安全にクローズできた割合は50％強だったと説明された。
この数値は、対象業務、測定方法、母数が公開されていない講演内の紹介値であり、一般的な性能値ではない。それでも、評価設計における重要な違いを示している。
| 指標 | 確認すべきこと |
|---|---|
| 対話完了率 | 顧客が途中で離脱せず、会話を最後まで進められたか |
| 正確な受付率 | 用件、本人情報、必要項目を正しく取得できたか |
| AI単独完結率 | 人間の後追いなしで安全に処理を閉じられたか |
| 引き継ぎ品質 | 不確実・高リスクな案件を適切な情報付きで人へ渡せたか |
| 最終解決率 | 顧客の問題が実際に解決したか |
| 再問い合わせ率 | 説明不足や誤処理による再接触が増えていないか |
AIが顧客と会話し終えたことだけをKPIにすると、誤った受付や有人側の後処理を見落とす。反対に、AIが適切なタイミングで人へ引き継ぎ、顧客の問題を早く解決できたなら、AI単独で完結していなくても成功と評価できる。
最初から全問い合わせを対象にしないのも、このためである。講演の匿名案件でも、AIエージェントが扱う対象は問い合わせ全体の約10％から始められていた。定型性が高く、失敗時の影響が限定される領域で精度と運用を確かめ、対象範囲を段階的に広げる方が安全である。
導入後の運用こそが、AIエージェントの本体になる
通常の業務システムは、要件、実装、テストを経て本番へ導入される。AIエージェントは、それだけでは安定しない。
モデルが更新される。参照文書が変わる。商品、料金、制度、キャンペーンが追加される。障害や繁忙期には問い合わせの内容と量が急に変わる。同じエージェントでも、環境の変化により応答品質が変わり得る。
本番運用では、少なくとも次を継続的に確認する必要がある。
- どの発話で聞き取り・意図理解を誤ったか
- どの質問で顧客が離脱したか
- 参照ナレッジが古くなっていないか
- 不確実な案件を人へ渡せているか
- 人への引き継ぎ後、同じ説明を繰り返させていないか
- 誤回答や処理失敗を、再現・修正できるか
全会話を人間が確認する運用は、規模が大きくなるほど維持できない。異常会話、離脱増加、誤回答の疑い、特定の処理失敗をAIで抽出し、人間は優先度の高いものを確認する仕組みが必要になる。
AIエージェントは、導入して終わる製品ではない。会話ログ、評価、ナレッジ更新、プロンプト・フロー修正を回し続ける業務基盤である。
コストはモデル料金だけで判断できない
AIエージェントは、人件費を減らす手段として期待される。しかし実際の総コストには、モデル利用料以外の要素が大きく含まれる。
- LLM、音声認識、音声合成の利用料
- エージェントと会話フローの構築費
- CRM、契約管理、予約、請求などとの連携費
- ナレッジ整備と更新の費用
- ログ監視、評価、改善の運用費
- AIで完結できない案件の有人対応費
- セキュリティ、監査、障害対応の費用
長い会話を高性能モデルで処理し、何度もツールを呼び出せば、1件当たりの処理費は上がる。海外モデルの料金体系では、為替変動も予算に影響する。AIが誤ったり、顧客が途中で離脱したりして有人対応へ戻れば、AI費用と有人費用の両方が発生する。
そのため、最も高性能なモデルを全処理へ使うのではなく、分類、情報抽出、定型確認は小型モデル、複雑な意図理解や長い会話の整理は高性能モデルというように使い分ける必要がある。重要なのはモデル単価ではなく、顧客の問題を安全に解決するまでの総保有コストである。
本当の効果は、バックエンドまでつないだときに出る
フロントで会話するAIだけでは、削減できる工数は限られる。住所変更、予約変更、配送確認、請求照会などを本当に完結させるには、社内の業務システムへ接続する必要がある。
ただし、接続を急ぐほどリスクも増える。AIエージェントに広い更新権限を与えると、聞き間違いや誤解により誤った契約や顧客情報を変更する恐れがある。
実装は、次の順に権限を広げるのが現実的である。
- 情報照会：契約状況や手続き条件を読み取り、回答候補を出す
- 下書き・申請作成：更新案を作るが、実行は人間が行う
- 承認付き更新：重要条件では人間の確認後に書き込む
- 限定された自動更新：対象、金額、条件、回数を絞って自動実行する
各段階で、利用者の権限、エージェントの権限、処理そのものに必要な権限を分ける。読み取りと書き込みを分離し、二重実行を防ぎ、タイムアウト、停止手段、監査ログを用意することが必要である。
導入前にそろえるべき「3種類のデータ」と「2つのアクセス」
石井氏は、AIエージェントを実業務で動かす前提として、ナレッジ、顧客、利用シーン・VOCの三つのデータを挙げた。これに、社内システムへのアクセスと、顧客がAIへ到達するためのアクセスを加えると、必要な準備が見えやすい。
1. ナレッジデータ
FAQ、商品説明、契約条件、手続きルール、障害情報、過去事例などである。重要なのは、文書を大量に集めることではない。どれが正式情報か、誰が更新責任を持つか、いつ失効するかを明確にすることだ。
RAGで回答を作る場合も、参照元、適用条件、更新日を表示し、回答できないときは推測せず人へつなぐ必要がある。
2. 顧客データ
問い合わせ履歴、契約情報、購買履歴、会員情報が部門ごとに分かれ、同一顧客のIDや表記が一致しない企業は少なくない。AIが誤った顧客の情報を見たり、別の契約を変更したりしないために、顧客ID、正本データ、更新ルール、アクセス権を整備する必要がある。
3. 利用シーン・VOCデータ
会話ログを保存するだけでは改善できない。問い合わせ目的、離脱地点、誤認識の種類、有人転送の理由、最終解決、再問い合わせ、顧客感情などを結び付けて初めて、改善の優先順位が分かる。
VOCはAIの評価データであると同時に、商品、Webサイト、契約手続きそのものを改善する材料でもある。
4. 社内システムへのアクセス
どの情報を読めるか、何を書き換えられるか、どこで承認を求めるかを、業務、情報システム、セキュリティ、法務が共同で決める。最小権限、操作ログ、停止手段は必須である。
5. 顧客がAIへ到達するためのアクセス
優れたAIでも、顧客が窓口を見つけられなければ使われない。電話、Web、アプリ、有人窓口との導線を設計し、AI対応を望まない顧客には人間への選択肢を残す必要がある。
CS部門だけでも、IT部門だけでも作れない
顧客対応AIには、商品情報、契約条件、顧客データ、システム権限、セキュリティ基準、現場の例外処理が関係する。CS部門、商品部門、マーケティング、法務、情報システム、リスク管理が別々に動くままでは、AIエージェントは業務を完結できない。
特に重要なのは、現場の業務を知る人である。
- 顧客が本当に何を求めているか
- どの表現が誤解や不満につながるか
- どの条件で例外処理が必要か
- どの時点で人間へ引き継ぐべきか
こうした知識は、日々の応対に携わる担当者が持つ。AIの専門家だけで作れば、会話は成立しても、現場が必要とする判断軸や引き継ぎ条件が欠ける。
CS部門は問い合わせを処理するだけでなく、顧客の声と社内の複数部門をつなぐCXハブになり得る。IT部門は、共通の認証、データ接続、ログ、評価、ガードレールを提供し、安全に拡張できる環境を整える役割を担う。
人間に渡すことは、失敗ではない
現在のAIエージェントでは、最初から全工程の自動化を狙わない方がよい。
たとえばAIが、顧客の要望を聞く、本人確認に必要な情報を集める、会話を要約する、関連するナレッジを探すところまで担当し、その後を人間へ渡すだけでも価値がある。人間のオペレーターは、最初から同じ説明を聞き直すことなく、判断や例外対応から始められる。
またAIには、人間と異なる強みがある。
- 夜間、休日を含めて24時間稼働できる
- 問い合わせ急増時に処理量を拡張しやすい
- ナレッジやルールの更新を一斉に反映できる
- 応対ログを横断し、異常や改善候補を見つけられる
一方で、感情が強い苦情、複雑な例外、高額・高リスクの手続き、法的判断、顧客との関係修復は、人間の判断が必要になりやすい。
AIから人へ引き継ぐことは、AIの敗北ではない。顧客の問題を適切に解決するための、設計された安全装置である。
AIによる能動支援は、顧客の同意と信頼を前提にする
AIを低コストで広く提供できるようになれば、企業は問い合わせを待つだけでなく、困っていそうな顧客を支援できる可能性がある。
たとえば、同じページを何度も行き来する、手続き途中で止まる、特定のエラーが繰り返されるといった兆候に対して、支援を提案する方法である。問い合わせをためらう「サイレントカスタマー」を支えることにもつながる。
ただし、行動データを使った先回り支援は、監視や押し付けと受け取られる危険もある。利用目的、同意、連絡頻度、拒否方法、個人情報の扱いを明確にしなければ、便利さが信頼を損なう。
カスタマーハラスメント対策では、AIは判定者ではなく支援者になる
2026年10月1日から、改正労働施策総合推進法に基づき、事業主にはカスタマーハラスメント防止のための雇用管理上の措置が義務付けられる。 厚生労働省の案内
厚生労働省は、顧客等による社会通念上許容される範囲を超えた言動によって、労働者の就業環境が害されることをカスタマーハラスメントとして整理している。単なる苦情や厳しい意見が、すべて該当するわけではない。 あかるい職場応援団の解説
AIは、通話中の危険語、威圧的な表現、長時間拘束、同じ要求の反復などを検知し、管理者へ通知する支援に使える。通話の要約、記録、担当者への休憩提案、対応履歴の整理も有効である。
ただし、AIが「この顧客はカスタマーハラスメントをした」と最終判定する設計は危険である。文脈、要求の内容、企業側の対応、顧客の置かれた事情を含めた判断が必要になる。
AIの役割は、危険の可能性を早く知らせ、人間が介入しやすくすることに置くべきである。顧客を監視する仕組みではなく、働く人を守る支援として設計する必要がある。
顧客対応AIの導入チェックリスト
| 観点 | 確認すること |
|---|---|
| 顧客体験 | 顧客が解決したい問題と、AIを使う理由が明確か |
| 対象業務 | 定型性、例外、失敗時の影響を可視化したか |
| ナレッジ | 正式情報、更新責任、適用条件、失効情報を管理できるか |
| 顧客データ | 顧客ID、正本、閲覧・更新権限を整理したか |
| 会話品質 | 実音声、雑音、早口、方言、固有名詞で評価したか |
| 引き継ぎ | 人へ渡す条件と、引き継ぐ情報を定義したか |
| バックエンド | 読み取り、下書き、承認、更新の権限を段階化したか |
| 評価 | 完了率だけでなく、正確性、解決率、再問い合わせ、CSATを測るか |
| 運用 | ログ監視、改善担当、障害時の停止、定期評価を決めたか |
| コスト | モデル料金だけでなく、連携、監視、有人フォローを含めて比較したか |
まとめ：AIエージェントは、導入する技術ではなく育てる業務である
現在のAIエージェントは、従来型のチャットボットやボイスボットを大きく進化させた。自然な言葉を理解し、情報を検索し、会話を続け、限定された手続きを進められる。24時間稼働や処理量の拡張といった、人間にはない強みもある。
しかし、人間と同じ品質で、あらゆる顧客対応を任せられるわけではない。
成果を左右するのは、モデルの自然さだけではない。ナレッジの正確性、顧客データ、バックエンド連携、最小権限、人間への引き継ぎ、ログ監視、改善体制がそろって初めて、AIは顧客対応の一部を安全に担える。
企業が問うべきことは、「何％を自動化できるか」だけではない。
どの顧客体験を実現するために、どの工程をAIへ任せ、どの判断を人間に残すのか。
AIが用件を整理して人へ渡すだけでも価値はある。夜間の定型問い合わせを受けるだけでもよい。危険な応対を検知して、オペレーターを守る使い方もある。
AIエージェントは、買って設置すれば人間の代わりに働く完成品ではない。企業が顧客対応のあり方を見直し、データと業務を整え、人とAIの協働を改善し続けることで育つ業務基盤である。
作成日：2026年7月23日