問い合わせ一次対応AIの始め方｜AIエージェントでCS負荷を減らす方法

この内容、先週も同じ説明をしましたよね

月曜朝のCS定例でそう漏らしたのは、BtoB SaaS企業のサポート部門を率いる中越さん（仮名）です。半年前、同社では問い合わせ一次対応の多くをオペレーターが個別に処理していました。FAQで答えられる質問、契約確認が必要な相談、感情的なクレームが同じ受信箱に流れ込み、誰がどこから手をつけるべきかが見えにくくなっていたのです。

筆者も、こうした現場には何度も立ち会ってきました。会議室では「人を増やすしかないのでは」という声が出ます。一方で、Slackには「この質問、前にも回答しました」「開発確認が必要そうです」「営業側の説明と少し食い違っています」といったメッセージが積み上がっていきます。CS担当、営業、開発、マネジャーの見方はそれぞれ違いますが、問題をほどいていくと、多くの場合は「問い合わせ分類」と「初回回答のばらつき」に集約されます。

現在、同社では直近3か月・対象1,200件の問い合わせをもとに、業務実行AIエージェントが一次分類、FAQ自動応答、AI問い合わせ振り分け、テンプレ回答案の提示を担う運用へ移行しています。オペレーターは、すべての問い合わせを最初から読み込むのではなく、AIが整理した情報を確認し、難易度の高い相談やエスカレーション判断に時間を使えるようになりました。

弊社が提供するKanataのように、AIチャット、学習データ、プロンプト、チームごとの運用環境をまとめて扱える仕組みを使うと、社内FAQや対応履歴をAIが参照し、回答の根拠を確認しながら一次対応を進めやすくなります。ただし、ツールはあくまで選択肢の一つです。重要なのは、問い合わせ対応の基準、参照するナレッジ、有人対応へ切り替える条件を、現場で使える形に整えることです。

この記事では、問い合わせ一次対応AIを導入したい企業に向けて、品質基準、感情分析、履歴連携、継続改善までをどう設計するかを解説します。目指すのは、誰が担当しても初回対応の品質がぶれず、顧客を待たせにくい状態です。ただし、AIエージェントは万能ではありません。判断基準、有人対応への切り替え、定期的なFAQ更新があって初めて、安定した運用につながります。

問い合わせ一次対応AIとは何か

問い合わせ一次対応AIとは、顧客から届いた問い合わせに対して、内容の分類、FAQとの照合、回答案の作成、担当部署への振り分けなどを支援するAIのことです。

従来のFAQ自動応答は、あらかじめ登録された質問と回答を表示する仕組みが中心でした。もちろん、それだけでも一定の効果はあります。しかし実際の問い合わせは、FAQの文言どおりには届きません。

たとえば、顧客は「ログインできません」とだけ書くこともあります。別の顧客は「昨日までは使えていたのに、今日から管理画面に入れなくなりました。請求の影響でしょうか」と書くかもしれません。さらに別の顧客は、強い不満を含んだ文面で同じ問題を伝えてくることもあります。

このとき必要なのは、単にFAQを検索することではありません。問い合わせの意図を読み取り、緊急度を判断し、過去の対応履歴や契約状態も踏まえながら、どのように返すべきかを整理することです。

業務実行AIエージェントは、この「最初の整理」を担います。具体的には、次のような対応が考えられます。

• 契約内容に関する問い合わせを「契約確認」に分類する
• 操作方法に関する質問にFAQをもとに回答案を作る
• 怒りや不満が強い問い合わせを感情分析で検知する
• 技術調査が必要な内容を開発部門へエスカレーションする
• 対応履歴を参照し、過去と矛盾しないテンプレ回答を提示する

筆者は、AIエージェントを「顧客に代わって勝手に答える存在」として導入するのは危ういと考えています。むしろ、CS担当者が最初に行っていた判断や整理を、一定の品質基準に沿って補助する存在として設計する方が、現場に定着しやすくなります。

問い合わせ一次対応にAIが必要になる背景

問い合わせ件数が増えると、CS部門では最初に「人手不足」が課題として見えます。

もちろん、対応件数に対して明らかに人員が足りない場合は、採用や体制強化も必要です。ただ、現場に入って話を聞いていくと、問題は単に人数だけではないことが少なくありません。

• 同じ質問に何度も答えている
• 担当者によって回答の表現が違う
• 営業、開発、CSの間で確認が往復している
• 緊急度の高い問い合わせが、通常問い合わせの中に埋もれている
• 新人が過去の対応履歴を探すだけで時間を使っている

こうした状態では、オペレーターを増やしても根本的な解決になりにくくなります。新しく採用した人が、製品仕様、契約条件、社内ルール、過去のトラブル対応を理解するまでには時間がかかるからです。

筆者が支援する現場でも、「問い合わせは増えているのに、ナレッジが増えていない」という状態をよく見ます。過去に誰かが回答した内容はあるのに、どこにあるか分からない。Slackには残っているが、正式なFAQにはなっていない。担当者の頭の中にはあるが、チームで再利用できない。こうした状態では、毎回小さな再調査が発生します。

問い合わせ一次対応AIの役割は、オペレーターの代わりにすべてを判断することではありません。人が対応すべき問い合わせを早く見つけ、FAQで対応できるものは自動化し、判断が必要なものは適切な担当者へつなぐことです。

その結果、CS担当者は「すぐ答えられる問い合わせ」に追われる時間を減らし、解約リスクの高い相談、重要顧客への対応、複雑な課題解決に集中しやすくなります。

AIに任せる業務と人が担う業務を分ける

問い合わせ一次対応AIを導入するとき、最初に決めるべきことは「どこまでAIに任せるか」です。

ここを曖昧にしたまま進めると、AIが答えてはいけない内容まで回答してしまったり、逆に人の確認作業が増えて自動化の効果が出なかったりします。

筆者は、AI導入の初回設計では必ず「AIに任せる業務」「AIが下書きする業務」「人が判断する業務」を分けるようにしています。この整理をしないままツール導入に進むと、後から現場が混乱するためです。

問い合わせ分類

AIに任せやすい代表的な業務が、問い合わせ分類です。

問い合わせ本文を読み取り、「料金」「契約」「操作方法」「不具合」「解約」「要望」「クレーム」などのカテゴリに分けます。分類がそろうと、問い合わせ件数の傾向を分析しやすくなります。

• どのカテゴリが増えているのか
• どこで顧客がつまずいているのか
• どの部門に確認が集中しているのか
• どの問い合わせが解約リスクにつながりやすいのか

こうした情報が見えると、CS部門だけでなく、営業、開発、マーケティング、プロダクト改善にも活用できます。

FAQ自動応答

FAQ自動応答も、AIに任せやすい領域です。

社内で整備したFAQやマニュアルをもとに、よくある問い合わせへの回答案を作成します。ここで重要なのは、AIに自由に回答させるのではなく、参照してよい情報を限定することです。

料金、契約、利用制限、セキュリティ、法務に関わる内容では、AIが「それらしい回答」を作ってしまうことがリスクになります。根拠となる文書を参照し、分からない場合は分からないと返す設計が必要です。

Kanataのように、社内資料やFAQを学習データとして整理し、AIチャットがその情報を参照しながら回答できる環境を作ると、担当者は一般論ではなく、自社のルールや顧客対応方針に沿った回答案を確認しやすくなります。

テンプレ回答の作成

問い合わせ内容に応じて、返信文の下書きを作ることもAIと相性がよい業務です。

たとえば、操作手順の案内、お詫び、確認依頼、追加情報のヒアリング、担当部署への確認中である旨の連絡などは、一定の型を用意できます。AIがテンプレ回答を提示し、人が最終確認して送信する形にすれば、回答スピードと品質を両立しやすくなります。

ただし、テンプレ回答は便利な反面、冷たく見えることもあります。顧客の不安や怒りが強い場面では、事実を伝えるだけでなく、相手の状況を受け止める一文が必要です。このトーン調整は、AIに任せきるのではなく、CS担当者が確認すべきポイントです。

エスカレーション判断

AIが問い合わせ内容を見て、有人対応が必要かどうかを判定することもできます。

たとえば、次のような問い合わせは人に渡すべきです。

• 契約変更や返金に関わる内容
• 重大な不具合の可能性がある内容
• 顧客の怒りや不満が強い内容
• 既存回答だけでは判断できない内容
• 法務、セキュリティ、経理など専門部門の確認が必要な内容
• 重要顧客や大口顧客からの相談

AIが一次的に振り分けることで、重要な問い合わせを見落としにくくなります。

一方で、人が担うべき業務も明確に残ります。顧客との関係性を踏まえた判断、例外対応、謝罪の温度感、契約上の判断、プロダクト改善への示唆出しなどは、人が責任を持つべき領域です。

筆者は、AI導入の目的を「人を減らすこと」だけに置くと、現場の協力を得にくくなると感じています。むしろ「人が本来向き合うべき顧客対応に時間を戻す」と捉える方が、組織に馴染みやすくなります。

問い合わせ一次対応AIの基本フロー

問い合わせ一次対応をAIエージェントに任せる場合、運用フローは大きく7つに分けられます。

問い合わせを受け付ける

まず、メール、問い合わせフォーム、チャット、ヘルプデスクツールなどから問い合わせを受け付けます。

この時点で、顧客名、契約プラン、利用状況、過去の問い合わせ履歴などと連携できると、AIの判断精度が上がります。ただし、個人情報や機密情報を扱う場合は、社内のセキュリティルールに沿った設計が必要です。

筆者は、最初からすべてのデータをAIに渡すことをおすすめしていません。まずは、AIが判断するために本当に必要な情報を整理し、不要な個人情報や機密情報を渡さない設計にするべきです。

問い合わせ内容を分類する

次に、AIが本文を読み取り、カテゴリを付与します。

分類項目は最初から細かくしすぎないことが大切です。導入初期は、10〜15カテゴリ程度から始め、運用しながら見直す方が現実的です。

たとえば、次のような分類です。

• 操作方法
• ログイン・アカウント
• 料金・契約
• 不具合
• 解約・休止
• 機能要望
• 請求・支払い
• クレーム
• その他

分類は、分析のためだけに行うものではありません。どの担当者に渡すか、どのFAQを参照するか、どのテンプレ回答を使うかを決める起点になります。

緊急度と感情を判定する

問い合わせの中には、すぐに人が対応すべきものがあります。

たとえば、「業務が止まっている」「重要顧客からの問い合わせ」「怒りの表現が強い」「SNS投稿を示唆している」といった内容です。

AIによる感情分析を使うと、顧客の不満度が高い問い合わせを早く検知できます。ただし、感情分析はあくまで補助です。日本語の表現は文脈によって意味が変わります。「困っています」という一文でも、軽い相談の場合もあれば、深刻な業務停止を意味する場合もあります。

スコアだけで対応方針を決めるのではなく、緊急度、顧客属性、契約状況、過去の問い合わせ履歴と合わせて判断することが大切です。

FAQやナレッジを参照する

AIがFAQ、製品マニュアル、過去の対応履歴、社内ルールなどを参照します。

ここで重要なのは、AIが参照する情報を定期的に更新することです。古いFAQや廃止された仕様が残っていると、AIが誤った回答案を作る可能性があります。

問い合わせ一次対応AIの品質は、AIモデルそのものだけで決まりません。むしろ、参照するナレッジの整備状況に大きく左右されます。

学習データとして社内資料を整理し、チーム単位で利用できる状態にしておくと、問い合わせ対応に必要な知識を再利用しやすくなります。つまり、AIを賢くするというより、AIが迷わず参照できる社内知識を整えることが出発点になります。

回答案または確認事項を作る

AIは、顧客への返信文をそのまま出すのではなく、まず回答案として作成します。

たとえば、次のような形式にすると、担当者が確認しやすくなります。

• 問い合わせ分類
• 顧客の要望
• 参照したFAQ・社内資料
• 回答案
• 要確認事項
• エスカレーション要否

この形で出力すれば、オペレーターは「文章をゼロから作る」のではなく、「内容を確認して整える」作業に集中できます。

現場で使われるAIは、すごい文章を書くAIである必要はありません。むしろ、確認しやすく、修正しやすく、チームのルールに沿った出力を安定して返すAIの方が価値があります。

必要に応じて有人対応へ切り替える

AIが対応できない問い合わせは、担当者に引き継ぎます。

このとき、単に「人に渡す」だけでは不十分です。AIがどこまで判断したのか、何が不明だったのか、どの資料を参照したのかを一緒に渡す必要があります。

引き継ぎ情報が不足すると、結局オペレーターが最初から読み直すことになります。AIによる一次対応の価値を出すには、エスカレーション時の情報整理まで設計しておくことが重要です。

対応結果を改善に戻す

問い合わせ対応は、一度自動化して終わりではありません。

AIが答えられなかった問い合わせ、誤った回答案を出した問い合わせ、顧客満足度が低かった問い合わせを定期的に振り返り、FAQやテンプレ回答、分類ルールを改善します。

この改善サイクルを回せるかどうかが、問い合わせ一次対応AIの成否を分けます。

筆者は、AIエージェント導入後の最初の1か月を「精度検証期間」として扱うことをおすすめしています。この期間は、AIを評価するだけでなく、現場のルール不足やナレッジ不足を発見する期間です。AIの出力を見て、「これはAIが悪い」というより、「この判断基準が社内に明文化されていなかった」と気づくことが多いからです。

品質基準を先に決める

AIエージェントを導入するとき、「どのツールを使うか」から考えたくなります。しかし、先に決めるべきなのは品質基準です。

品質基準がないままAIを動かすと、出力が良いのか悪いのか判断できません。結果として、現場ごとに評価が分かれ、運用が定着しにくくなります。

問い合わせ一次対応AIで見るべき品質基準は、主に次の5つです。

正確性

FAQ、契約条件、製品仕様と矛盾していないかを確認します。

特に料金、契約、セキュリティ、法務に関わる内容では、AIの推測回答を許可しない設計が必要です。根拠が見つからない場合は「確認が必要」と出力させる方が安全です。

AIは、空白を埋めることが得意です。しかし、問い合わせ対応では、埋めてはいけない空白があります。分からないものを分からないと言わせる設計は、地味ですが重要です。

一貫性

担当者やタイミングによって回答がぶれないかを確認します。

同じ内容の問い合わせに対して、ある顧客には無料対応と案内し、別の顧客には有償対応と案内してしまうと、信頼を損ないます。テンプレ回答と承認済みFAQを使い、回答の基準をそろえることが重要です。

よく使う指示文や回答ルールをプロンプトとして保存し、チームで再利用できる状態にしておくと、担当者ごとにAIへの指示がばらつくことを防ぎやすくなります。

速度

初回回答までの時間を確認します。

ただし、速ければよいわけではありません。誤った回答を早く返すよりも、確認が必要な問い合わせを正しく人に渡す方が大切です。速度は、正確性とセットで見る必要があります。

筆者は、CSのAI化では「短縮できた時間」だけを成果指標にしない方がよいと考えています。顧客の不安を減らせたか、重要問い合わせを早く見つけられたか、オペレーターが深い対応に時間を使えるようになったかまで見て初めて、実態に近い評価になります。

顧客への配慮

文章のトーンが適切かを確認します。

AIの回答は、正しくても冷たく見えることがあります。特に、クレームや不具合報告に対しては、謝意、共感、次のアクションを明確に含める必要があります。

たとえば、顧客が困っているときに「以下の手順をお試しください」とだけ返すと、事務的に見えることがあります。「ご不便をおかけしており申し訳ありません。まずは状況を切り分けるため、以下をご確認ください」といった一文があるだけで、受け取られ方は変わります。

エスカレーション精度

人に渡すべき問い合わせを正しく検知できているかを確認します。

AIが抱え込んでしまうと、重大な問題への対応が遅れます。一方で、何でも人に渡してしまうと、自動化の意味が薄れます。

導入初期は安全側に倒し、徐々に自動対応範囲を広げるのが現実的です。最初から攻めた自動化をすると、現場の信頼を失いやすくなります。AIは一度信頼を失うと、再定着に時間がかかります。

運用設計で押さえるべきポイント

問い合わせ一次対応AIは、単体のチャットボットではなく、社内ナレッジと運用ルールを組み合わせて設計する必要があります。

たとえば、次のような流れです。

1. FAQ、製品マニュアル、対応ルール、過去の問い合わせ事例を学習データとして整理する
2. AIチャットを作成し、「問い合わせ一次対応アシスタント」として利用する
3. よく使う回答ルールやエスカレーション条件をプロンプトとして登録する
4. 担当者ごとの指示のばらつきを減らす

Kanataは、こうした学習データ、AIチャット、プロンプトをチーム単位で整理しやすい点に特徴があります。そのため、問い合わせ対応のナレッジを一部の担当者に閉じず、チーム全体で再利用したい場合には選択肢の一つになります。

ただし、どのツールを使う場合でも、大切なのはAIに「自由に答えさせる」のではなく、役割、参照範囲、回答形式、禁止事項を明確にすることです。

たとえば、プロンプトには次のような条件を入れます。

あなたは当社の問い合わせ一次対応を支援するAIエージェントです。
回答は、登録されたFAQ、製品マニュアル、過去の対応履歴に基づいて作成してください。

# 出力形式
1. 問い合わせ分類
2. 顧客が求めていること
3. 参照した情報
4. 回答案
5. 要確認事項
6. エスカレーション要否

# ルール
- 根拠が見つからない場合は推測で回答しない
- 契約、料金、返金、法務に関わる内容は有人確認に回す
- 顧客の不満が強い場合は、謝意と次の対応方針を含める
- 断定できない内容には「確認が必要」と明記する

このような形にすると、AIの出力がレビューしやすくなります。現場の担当者も、AIの回答をそのまま信じるのではなく、どこを確認すればよいかを判断しやすくなります。

筆者が特に重視しているのは、プロンプトを「個人の工夫」で終わらせないことです。うまくいった指示文はチームで再利用し、うまくいかなかった指示文は改善します。AI活用は、個人技のままでは広がりません。組織の運用資産として残していくことが大切です。

導入時によくある失敗

問い合わせ一次対応AIの導入でよくある失敗は、AIの性能不足だけではありません。むしろ、運用設計の不足によって失敗するケースが多くあります。

FAQが古いままAI化する

古いFAQをそのままAIに参照させると、古い回答が速く返るだけになります。

これは、筆者がもっとも避けたい失敗の一つです。AIの導入によって、古いナレッジの影響範囲が広がってしまうからです。

AI化の前に、FAQの棚卸しが必要です。現在も有効な回答か、誰が承認した内容か、最終更新日はいつかを確認します。FAQの管理者を決め、月次または四半期で見直す仕組みを作ることが重要です。

エスカレーション条件が曖昧

「難しそうなら人に渡す」というルールでは、現場で判断がぶれます。

たとえば、「返金を含む問い合わせ」「システム障害の可能性がある問い合わせ」「怒りの表現が含まれる問い合わせ」「契約条件に関する問い合わせ」は必ず有人対応にする、というように条件を具体化します。

エスカレーション条件は、CSだけで決めるものではありません。営業、開発、法務、情報システムなど、関係する部門とすり合わせておく必要があります。

最初から完全自動化を目指す

問い合わせ対応では、最初から顧客への自動返信まで任せるとリスクが高くなります。

導入初期は、AIが回答案を作り、人が確認して送信する形が安全です。一定期間レビューし、正確性や顧客反応を確認したうえで、自動応答範囲を広げていきます。

AI導入では、つい「どこまで自動化できるか」を考えたくなります。しかし、現場で長く使われる仕組みにするには、「どこまでなら安心して任せられるか」から考える方が堅実です。

現場のオペレーターを巻き込まない

AIの導入を管理部門やシステム部門だけで進めると、現場で使われない仕組みになりがちです。

実際に問い合わせを読んでいるオペレーターは、顧客の言い回し、よくある勘違い、危険な兆候を知っています。分類ルールやテンプレ回答を作る段階から、現場の知見を取り入れる必要があります。

筆者は、AI導入プロジェクトでは、現場メンバーを「利用者」ではなく「共同設計者」として扱うべきだと考えています。現場の納得がないAIは、どれだけ性能が高くても使われません。

継続改善の仕組みを作る

問い合わせ一次対応AIは、導入後の改善で精度が上がります。

特に見るべきなのは、AIが答えられなかった問い合わせです。これは失敗ではなく、FAQやナレッジを増やすための材料です。

月次で次のような項目を確認します。

• AIが回答できなかった問い合わせ
• 有人対応に切り替えた問い合わせ
• 顧客満足度が低かった問い合わせ
• 回答案を大きく修正した問い合わせ
• 新しくFAQ化できそうな問い合わせ
• 開発や営業に共有すべき問い合わせ傾向

この振り返りには、CSだけでなく、営業、開発、プロダクト、情報システムなども関わると効果的です。

たとえば、同じ操作に関する問い合わせが増えているなら、FAQを増やすだけでなく、画面設計やオンボーディングの改善が必要かもしれません。料金に関する問い合わせが多いなら、営業資料や契約説明の見直しが必要かもしれません。

問い合わせ一次対応AIは、CSの効率化だけでなく、顧客のつまずきを組織全体で発見する仕組みにもなります。

筆者は、ここにAIエージェント活用の本質があると考えています。AIは単に作業を速くするだけではありません。業務の中に埋もれていた構造的な課題を、見える形にすることができます。問い合わせ分類の結果を見れば、製品の分かりにくさ、営業説明の不足、契約導線の複雑さ、オンボーディングの弱さが浮かび上がることがあります。

つまり、問い合わせ一次対応AIは、CS部門だけのツールではありません。顧客接点から事業全体を改善するためのセンサーにもなります。

まずは小さく始める

問い合わせ一次対応AIを導入するときは、最初から全問い合わせを対象にしない方が安全です。

まずは、よくある問い合わせの中でも、回答基準が明確なものから始めます。たとえば、ログイン方法、基本操作、請求書の確認方法、FAQに明記された仕様などです。

導入初期の進め方は、次の順番が現実的です。

1. 過去3か月の問い合わせを分類する
2. 件数が多く、回答基準が明確なカテゴリを選ぶ
3. FAQとテンプレ回答を整備する
4. AIに回答案を作らせ、人が確認して送信する
5. 回答案の修正履歴をもとに品質基準を更新する
6. 安定したカテゴリから自動化範囲を広げる

このように段階を分けることで、現場の不安を抑えながら導入できます。

筆者の経験上、AI導入で失敗しやすい企業ほど、最初から大きな成果を求めすぎます。一方で、うまくいく企業は、小さな対象範囲で運用し、改善しながら広げていきます。地味に見えますが、この進め方の方が結果的に定着しやすくなります。

まとめ：一次対応はAIに、判断と関係構築は人に

問い合わせ一次対応AIの目的は、CS担当者を置き換えることではありません。

FAQで答えられる問い合わせ、分類できる問い合わせ、回答案を作れる問い合わせをAIエージェントに任せることで、人はより重要な対応に集中できます。顧客の不安を受け止めること、例外対応を判断すること、プロダクト改善につなげること、関係性を深めることは、今後も人の役割として残ります。

問い合わせ件数が増えている企業ほど、まず考えるべきなのは「人を増やすか、AIに任せるか」の二択ではありません。どの業務をAIに任せ、どの判断を人が担うのかを整理することです。

Kanataのように、AIチャット、学習データ、プロンプト、チーム単位の運用を組み合わせられる環境は、問い合わせ一次対応の仕組みを段階的に整えたい企業にとって選択肢になります。ただし、重要なのは、AIを導入すること自体ではなく、現場で使われ続ける運用に落とし込むことです。

その線引きができれば、問い合わせ一次対応AIは、単なる自動応答ツールではなく、CS組織全体の品質を底上げする仕組みになります。

Q&A