AI前提のカスタマーサポート再設計｜応対品質と業務効率を両立する方法

この問い合わせ、昨日も別の担当が同じ説明をしていました

以下は、複数のカスタマーサポート現場に共通する課題をもとに構成した想定ケースです。月曜朝の会議室でそう漏らしたのは、BtoBサービス企業でカスタマーサポート部門を率いる小田さん（仮名）でした。半年前、同社では問い合わせ件数の増加に対して、電話・メール・チャットの一次応答が追いつかず、SVは割り振りと火消しに追われ、オペレーターは「早く返すこと」と「正しく返すこと」の間で疲弊していました。営業からは「顧客の温度感が見えない」、開発からは「不具合と要望が混ざって届く」、顧客からは「担当によって回答が違う」という声も上がっていました。

現在は、問い合わせ内容の分類、一次応答案の作成、対応履歴の要約、VOC分析の下準備に加え、顧客情報の収集、担当部署へのルーティング、CRMへの記録、定型的なフォローアップなどにもAIやAIエージェントを活用し、解約懸念や仕様確認を含む難易度の高い相談や、契約変更・返金・補償など影響度の高い処理の判断に人が集中する設計へ切り替えています。

この記事では、カスタマーサポート業務改革を進めたいCS責任者・SV・オペレーション設計担当に向けて、CS AI・AIエージェントを前提にしたコンタクトセンター再設計、チャネル設計、一次応答、ナレッジ運用、品質管理、エスカレーション設計を整理します。目指すのは、自動応答AIやAIエージェントに任せる領域と人が向き合う領域を分け、応対品質を保ちながらサポート業務効率化を進める状態です。

ただし、AIを入れるだけで現場が変わるわけではありません。品質管理、教育、ナレッジの更新、部門間の連携ルールがあって初めて、再現性のある改善につながります。同じ課題に心当たりがある方は、自社のCS現場に重ねながら読み進めてください。

カスタマーサポート業務が限界を迎えやすい理由

カスタマーサポート業務は、顧客に最も近い場所にある一方で、負荷が見えにくい業務でもあります。

問い合わせ件数が増えると、現場ではまず「未対応を減らすこと」が優先されます。電話を取る、メールに返信する、チャットに反応する。目の前の対応に追われるうちに、応対品質の見直し、FAQの更新、ナレッジ整理、再発防止策の検討は後回しになりがちです。

この状態が続くと、主に3つの問題が起きます。

担当者による回答のばらつき

同じ質問に対して、ある担当者は背景まで丁寧に説明し、別の担当者は短く事務的に返す。どちらも悪気はありませんが、顧客から見ると「会社としての回答が安定していない」と受け取られる可能性があります。

SVやリーダーへの依存

少し難しい問い合わせが来るたびに、現場は「これはどう返せばよいですか」と確認します。SVは個別判断に追われ、育成、品質改善、ナレッジ整備に時間を使いにくくなります。

問い合わせデータの未活用

顧客の不満、要望、つまずき、解約の兆候は、日々の問い合わせに含まれています。それにもかかわらず、対応完了と同時に情報が埋もれてしまうと、営業・開発・マーケティングに還元されません。

カスタマーサポート業務改革で重要なのは、単に処理件数を増やすことではありません。問い合わせを減らす、初回応答を安定させる、顧客の声を事業改善に活かす。この3つを同時に考える必要があります。

AI導入の目的は人を減らすことではなく役割を変えること

CS AIや自動応答AIという言葉を聞くと、「問い合わせ対応をすべて自動化する」と受け取られることがあります。しかし、実際のカスタマーサポートでは、すべてをAIに任せる設計は現実的ではありません。

顧客の状況は一人ひとり異なります。契約内容、利用履歴、過去のやり取り、感情の温度感、事業上の重要度によって、同じ問い合わせでも対応の重みは変わります。

そのため、AI導入で最初に考えるべきことは「どこまで自動化するか」ではなく、「人が本当に向き合うべき業務は何か」です。

2026年のGartnerの調査では、サービス・サポート責任者の91%が経営層からAI導入への圧力を受けている一方、約8割の組織が担当者を新たな役割へ移行させ、84%が担当者の職務に新しいスキルを追加する計画であることが示されています。また、58%は担当者をナレッジ管理の専門人材へアップスキルする方針です。さらに、同年4月のGartnerの調査では、85%のサービス・サポート責任者が、AIによって問い合わせ量が減り業務が高付加価値領域へ移る中で、人の担当範囲を拡大していると回答しています。

つまり、AIを前提にしたカスタマーサポート業務の再設計とは、人をAIに置き換えることではありません。AIに任せられる準備・整理・下書きに加え、低リスクの実行処理を条件付きで移し、人が判断と対話に集中できる状態を作ることです。

まずチャネル設計を見直す

カスタマーサポートの再設計では、最初にチャネル設計を見直す必要があります。

電話、メール、チャット、問い合わせフォーム、FAQ、ヘルプページ。多くの企業では、顧客が複数のチャネルから問い合わせできるようになっています。しかし、チャネルが多いことと、顧客にとって使いやすいことは別です。

たとえば、緊急性の高いトラブルは電話で受ける必要があるかもしれません。一方で、手順確認や基本仕様の確認は、チャットやFAQで解決できる可能性があります。契約変更や請求に関する問い合わせは、本人確認や履歴確認が必要なため、フォームで必要情報を整理して受け付ける方が適している場合があります。

重要なのは、チャネルを企業側の都合で分けるのではなく、顧客の状況と対応の難易度で設計することです。

AIを活用する場合も、すべてのチャネルに同じようにAIを入れる必要はありません。まずは、問い合わせ件数が多く、回答パターンが比較的定型化しやすい領域から始める方が現実的です。

たとえば、チャットでの一次応答にAIを活用し、顧客の質問内容を分類します。AIが回答できるものは一次応答案を作成し、担当者が確認して返信します。判断が必要なものは、最初からSVや専門部署へ回します。

顧客向けにAIを使う場合は、AIとの対話であることを顧客が認識できるようにし、人への切り替え方法と、切り替え後に会話履歴や確認済み情報を引き継ぐ方法も設計します。EU域内で対象となるAIシステムを提供・導入する場合は、2026年8月2日から適用されているEU AI Act第50条の透明性義務や、欧州委員会が2026年7月に公表した透明性義務に関するガイドラインも踏まえ、自社の利用形態に応じた適用範囲を確認する必要があります。

このように、チャネルごとにAIの役割を決めることで、顧客体験を大きく損なわずにサポート業務効率化を進めやすくなります。

一次応答では速さだけでなく回答の揃い方を見る

問い合わせ対応では、初回返信の速さが重視されます。顧客を待たせないことは重要です。しかし、初回返信で本当に大切なのは、速さだけではありません。

顧客が最初に受け取る回答は、その会社への信頼感を左右します。回答が曖昧だったり、担当者によって説明が違ったりすると、顧客は「この会社のサポートは大丈夫だろうか」と不安になります。

AIを活用した一次応答では、少なくとも次の3つを設計しておく必要があります。

回答してよい範囲

FAQやマニュアルに明記されている内容、手順案内、基本仕様の説明などは、AIが一次応答案を作りやすい領域です。

確認が必要な範囲

契約条件、個別設定、請求、システム障害の影響などは、AIが下書きできても、人の確認を必須にすべきです。

回答してはいけない範囲

法的判断、補償判断、未確定の仕様、個別顧客への特別対応などは、AIが断定しないように設計する必要があります。

たとえば、弊社が提供するKanataのようにAIチャット、要約、学習データ管理を組み合わせられるツールを使う場合も、単に「問い合わせに答えて」と指示するだけでは不十分です。「分からない場合は分からないと答える」「根拠となるナレッジを確認する」「契約や金額に関わる内容は担当者確認に回す」といったルールを明確にする必要があります。

一次応答の目的は、早く返すことだけではありません。誰が担当しても、顧客に伝えるべき基本情報が揃っている状態を作ることです。

ナレッジ運用がないAI活用は長続きしない

CS AIを導入する際に見落とされやすいのが、ナレッジ運用です。

AIは、参照する情報が古ければ、古い情報をもとに回答する可能性があります。FAQが更新されていない、製品マニュアルが古い、過去の対応履歴が整理されていない。このような状態でAIを入れても、現場の確認負荷が増えるだけです。

カスタマーサポート業務をAI前提で再設計するなら、ナレッジを「保管するもの」ではなく「運用するもの」として扱う必要があります。

具体的には、よくある問い合わせ、回答テンプレート、製品仕様、システム障害時対応、エスカレーション基準、過去の判断事例を整理します。そして、それぞれに更新担当者と見直し頻度を設定します。

AIの精度は、モデルだけで決まるわけではありません。現場が更新し続けられるナレッジ運用こそが、CS AI活用の土台になります。

エスカレーション設計で人の負担を減らす

問い合わせ対応で現場が疲弊する原因の一つは、「どこから先を誰に相談すればよいか」が曖昧なことです。

難しい問い合わせが来るたびに、担当者が個別に判断し、チャットで聞き、SVに確認し、開発や営業に相談する。この流れが毎回発生すると、対応時間が延びるだけでなく、顧客への回答も遅れます。

AIを前提にしたエスカレーション設計では、問い合わせを分類する軸を先に決めます。

• 緊急度は高いか
• 顧客の感情温度は高いか
• 契約や売上への影響はあるか
• 技術調査が必要か
• 過去にも同じ問い合わせが発生しているか
• 解約やクレームにつながる兆候はあるか

AIは、問い合わせ文面をもとに、これらの分類を補助できます。ただし、最終判断は人が行う必要があります。最初の仕分けがあるだけでも、SVや担当者の確認負荷を下げられる可能性があります。

エスカレーション設計では、回す先も明確にしておきます。

さらに重要なのは、エスカレーション後の結果をナレッジに戻すことです。一度判断した内容が記録されなければ、次回も同じ確認が発生します。対応後に「次回から一次対応できる内容か」「FAQに追加すべきか」「AIに参照させるべきか」を確認することで、問い合わせ対応は少しずつ改善されます。

品質管理は全件確認から重点レビューへ変える

AIを活用すると、一次応答案や要約、分類結果を短時間で作れるようになります。しかし、出力が増えるほど、すべてを人が細かく確認することは難しくなります。

そこで必要になるのが、品質管理の設計です。

従来の品質管理では、SVが対応履歴を一定数確認し、言葉遣いや回答内容をチェックすることが一般的でした。AI活用後は、この方法だけでは追いつかない場合があります。

見るべきポイントを絞る必要があります。

たとえば、AIが作成した回答のうち、契約・料金・システム障害・解約・クレームに関わるものは重点的にレビューします。一方で、手順案内や基本仕様の確認など、ナレッジに明記されているものはサンプルチェックにします。

また、品質管理では「正しいか」だけでなく「顧客に伝わるか」も確認する必要があります。AIの回答は、文法的には整っていても、顧客の不安に十分寄り添えていない場合があります。

チェック項目には、次のような観点を入れると運用しやすくなります。

• 根拠となるナレッジに沿っているか
• 断定してはいけない内容を断定していないか
• 顧客の状況に合った説明になっているか
• 専門用語が多すぎないか
• 必要な場合に人の確認へ切り替えられているか

AIエージェントにCRM更新や外部システム操作まで任せる場合は、「回答の品質」に加えて「行動の品質」も確認する必要があります。

• 正しい顧客やチケットを対象にしているか
• 許可された操作だけを実行しているか
• 承認が必要な処理を自動で完了していないか
• 失敗時に安全に人へ切り替えられているか
• 実行内容をログから追跡できるか

AIによる自動応答や一次応答案は、品質管理を不要にするものではありません。むしろ、どこを重点的に見るかを明確にすることで、SVの役割はより重要になります。AIリスク管理の観点でも、利用目的、参照データ、権限、人による監督、ログ、インシデント時の対応を定めて運用する考え方が重要です。参考情報として、国内ではAI事業者ガイドライン（第1.2版）、2025年9月1日に全面施行されたAI法、2026年7月14日に閣議決定された人工知能基本計画（第Ⅱ期）があります。こうした動向を踏まえ、AIエージェントに外部システム操作を任せる場合は、実行権限、人の承認、ログ、監視、停止・切り戻しまで含めて設計する必要があります。海外展開を行う場合は、各地域で適用されるAI関連規制も確認する必要があります。

VOC分析でサポート部門を事業改善の起点にする

カスタマーサポートには、顧客の声が集まります。

この画面が分かりにくい

同じ設定で毎回つまずく

契約前に聞いていた内容と違う

この機能があれば継続しやすい

こうした声は、単なる問い合わせではありません。製品改善、営業資料の見直し、オンボーディング改善、マーケティングメッセージの修正につながる重要な情報です。

しかし、日々の対応に追われていると、VOC分析まで手が回らないことが多くあります。問い合わせは解決済みになり、履歴の中に埋もれてしまいます。

ここでもAIは有効です。一定期間の問い合わせ内容を要約・分類し、顧客の不満、要望、質問、解約兆候、不具合疑いなどに整理できます。担当者が一件ずつ読み返すのではなく、AIで下準備を行い、人が重要な傾向を判断する流れを作れます。

たとえば、月次で次のようなVOCレポートを作成します。

• 問い合わせ件数の多いテーマ
• 前月から増えたテーマ
• 顧客がつまずきやすい操作
• 営業段階で説明不足が疑われる内容
• 開発に共有すべき不具合・改善要望
• FAQやヘルプページに追加すべき項目

このように整理すると、カスタマーサポートは「問い合わせを処理する部門」から「顧客理解を事業に返す部門」へ変わります。

AI前提のCS再設計で失敗しやすいポイント

AIを導入しても、期待した成果が出ないケースがあります。多くの場合、原因はAIそのものではなく、設計や運用にあります。

ナレッジが整っていないままAIを導入する

FAQが古い、マニュアルの場所が分からない、回答テンプレートが担当者ごとに違う。この状態では、AIの出力も安定しません。

AIに任せる範囲を決めない

何でもAIに答えさせようとすると、誤回答や過度な断定が起きやすくなります。回答してよい範囲、確認が必要な範囲、回答してはいけない範囲を明確にする必要があります。

現場のレビュー負荷を考えない

AIが作った回答をすべて人が確認する運用にすると、かえって作業が増える場合があります。重点レビューとサンプルレビューを分けることが重要です。

顧客体験を見落とす

企業側の処理効率だけを優先すると、顧客は「機械的に処理されている」と感じる可能性があります。AIを使う場面でも、人に切り替える条件や、顧客への伝え方を設計する必要があります。

部門間連携を設計しない

CSだけで改善できる範囲には限界があります。営業、開発、マーケティング、情報システム、経営層と連携しなければ、問い合わせの根本原因は残り続けます。

AI前提のコンタクトセンター再設計は、ツール導入だけではなく業務設計の見直しです。ここを誤ると、AIは現場を助けるどころか、新しい確認作業を増やす存在になってしまいます。

実装は小さく始めて運用しながら広げる

カスタマーサポート業務の再設計は、一度にすべてを変える必要はありません。むしろ、小さく始めた方が定着しやすくなります。

実装範囲は、AIが検索・分類・下書きを行う段階、AIが処理案を作り人が承認して実行する段階、低リスク業務をAIが条件付きで自律実行し例外だけ人へ戻す段階へと、段階的に広げると管理しやすくなります。

1. 問い合わせを棚卸しする

   直近1〜3か月の問い合わせを集め、テーマ別に分類します。件数が多いもの、回答が定型化しやすいもの、担当者によって回答がばらついているものを見つけます。

2. AIに任せる候補を決める

   問い合わせ分類、一次応答案の作成、FAQ候補の抽出、対応履歴の要約などを候補にします。最初から顧客に直接自動返信するのではなく、社内向けの下書きや分類から始めるとリスクを抑えやすくなります。

3. 試験運用を行う

   対象チャネル、対象問い合わせ、確認担当者、レビュー方法、評価指標を決めます。評価指標には、対応時間、初回返信時間、エスカレーション率、顧客満足、担当者の確認負荷などを含めます。

4. ナレッジを更新する

   AIがうまく答えられなかった問い合わせは、FAQやマニュアルの不足を示している可能性があります。逆に、安定して回答できた問い合わせは、一次応答の標準化候補になります。

5. 対象範囲を広げる

   チャットからメールへ、一次応答からVOC分析へ、CS部門内から営業・開発との連携へ。段階的に広げることで、現場の混乱を抑えながらAI活用を定着させやすくなります。

ツール選定では業務設計とナレッジ運用のしやすさを見る

CS AIや自動応答AIを選ぶ際は、回答精度だけで判断しない方がよいでしょう。実際の運用では、既存の問い合わせ管理ツールやCRMとの連携、権限管理、ログ確認、ナレッジ更新のしやすさ、現場担当者が使い続けられるUIが重要になります。

たとえば、すでにFAQやヘルプページが整っている企業であれば、それらを参照しやすいAIチャットや検索拡張型の仕組みが向いています。問い合わせ履歴が多く、分析に時間がかかっている企業であれば、要約や分類に強いツールが役立ちます。社内研修やオンボーディングまで含めて整えたい場合は、学習コンテンツやプロンプトの再利用機能も選定軸になります。

Kanataのように、AIチャット、AI要約、学習データ管理を組み合わせられるサービスは、社内ナレッジを参照しながら問い合わせ分類や一次応答案作成を進めたい場合の選択肢になります。ただし、どのツールを使う場合でも、導入前に「どの業務を改善するのか」「どの情報を参照させるのか」「誰がレビューするのか」を決めておくことが重要です。

さらに、AIエージェントや外部システム操作を伴う場合は、「AIが何を答えられるか」だけでなく、「何を実行させられるか」「何を実行させないか」、その行動をどこまで制御・評価できるかも選定軸になります。参照元を確認できるか、評価用データセットで精度を継続測定できるか、操作権限を細かく制御できるか、人の承認を挟めるか、失敗時に安全に人へ戻せるか、実行内容を監査できるかを確認します。コストもツール単価だけではなく、人のレビュー負荷、モデル利用料、システム連携や監視にかかる費用を含む1件あたりの総コストで評価します。Gartnerの2026年の予測では、生成AIによる1件あたりの解決コストが今後上昇する可能性も示されており、「AI化すれば必ずコストが下がる」と決め打ちしないことが重要です。

ツールは、業務設計を代わりに考えてくれるものではありません。業務の分け方、ナレッジの整え方、品質管理の仕組みがあって初めて、ツールの効果を検証できます。

まとめ：AI前提のカスタマーサポートは人の対応価値を高めるための再設計です

AIを前提にしたカスタマーサポート業務の再設計は、問い合わせ対応を機械的に自動化する取り組みではありません。

問い合わせを分類し、一次応答を揃え、ナレッジを更新し、エスカレーションを整理し、VOCを事業改善に返す。その一連の流れを見直すことです。

AIに任せられる業務は、AIに任せます。人が確認すべき業務は、人が確認します。人が向き合うべき顧客には、人が向き合います。この線引きができて初めて、応対品質を保ちながらサポート業務効率化を進めることができます。

カスタマーサポートの現場は、企業の顧客理解が最も濃く集まる場所です。AIを活用することで、その声を埋もれさせず、より良い顧客体験と事業改善につなげることができます。

ただし、AIは万能ではありません。古いナレッジ、曖昧な運用ルール、部門間の分断をそのままにしても、成果は安定しません。大切なのは、AI導入をきっかけに、業務プロセスそのものを見直すことです。

Q&A