コールセンター業務におけるAI導入のスピード感や活用領域の拡がりは目を見張るものがある。その背景に、国全体で労働人口減少が急速に進むなか、コールセンター業務を支えるオペレーターの“人手不足”があることは間違いない。問い合わせ対応には、高い専門性やコミュニケーション能力が求められ、クレーム対応など高ストレスな業務が多いこともあり、極めて人材充足が困難な状況が続いている。

一方で、インターネットを介したモノやサービスの消費が拡大し、店舗などで顧客と直接接する機会が減りつつある今、コールセンターの良否は顧客ロイヤルティに影響を及ぼし、ブランドイメージや事業の成長をも左右するようになった。競争力向上に向けてコールセンターを強化したいがなり手がいない……こうした閉塞状況を打開するものとして期待されているのがAIだ。
人手不足を解消するには、少ない人数でも対応できるよう業務効率を改善するしかないが、通話での問い合わせ対応のほか、終話後のレポート作成など非効率なアナログ業務が多い。AIを活用すれば、こうした業務を無人化・自動化でき、より少ない人数で業務を遂行してサービス品質向上も可能になる。コールセンターを運営する企業にとって、AI活用は人手不足のなかでもサービス品質を維持・向上させるための“切り札”になっている。

メリット

最大のメリットは、AIが幅広いコールセンター業務を自動化し、オペレーターの負担を軽減することだ。自然言語処理を得意とする生成AIが登場・普及したことで、ユーザーの音声を認識して音声で回答するボイスボットも登場。文章理解力にすぐれるAIエージェントが、オペレーターに代わって合成音声で対応する可能性も出てきた。問い合わせ対応の一定割合をAI活用で“無人化”できれば、その分オペレーターの人数も少なくて済む。

オペレーターの負担軽減という点では、終話後の記録などACW※の短縮効果も見逃せない。人手に頼る非効率なACWをAIで自動化して時間を短縮できれば、その分オペレーターはより多くの問い合わせに対応できるようになる。 ※終話後にオペレーターが行う後処理（問い合わせ内容や応対記録の入力・記録、調査など必要な後続措置の依頼など）にかかる平均時間のこと。After Call Workの略。

デメリット

一方のデメリットとしては、まず当然のことだが新たにコストが発生する。SaaS製品であれば初期投資不要で導入できるが、オンプレミスで運用する場合には少なからず初期投資が必要になる。SaaS製品もコスト面を気にしなくてよいわけではなく、従量課金制で利用が想定を上回りコストが肥大化するリスクがあり要注意だ。

AI特有のデメリットとしては、虚偽情報を含む回答に起因するトラブルやプロンプト・インジェクション攻撃※による機密情報漏えいなどの可能性（リスク）がある。このため、いきなりAIにすべてを委ねるのではなく、ポリシーを定め、人による監視・承認の下で運用する、不適切なアウトプットをブロックする仕組みを作るなどして、安全性を確認しながら段階的にAI活用領域を拡大する慎重なアプローチが求められる。 ※AIエージェントに対し、入力テキスト内に仕込んだ悪意のある指示で、機密情報の漏えいや不正操作を行わせる攻撃手法

このほか、AI活用が進むほど、オペレーターが顧客との会話を通じて経験を積む機会が奪われる可能性についても指摘しておきたい。

一口にAIと言っても、目的に応じ個別に進化したAIが様々登場しており、コールセンターでは以下のようなAIの活用が考えられる。

チャットボット

テキストチャット形式でロボットが対応するシステム。24時間・365日問い合わせに対応でき、問い合わせ者が自己解決することで呼量削減につながる。チャットボット自体はAIが登場する以前からあったが、AI非搭載のチャットボットは、予め設定されたシナリオやルールに従って回答するシナリオ型/ルールベース型で、自由に文章を入力して質問することはもちろん、入力する文言の表記ゆれにも対応できなかった。これに対し、AI（生成AI）を搭載したチャットボットは、AIが自由に入力した自然言語の文章を理解して、過去の対応データや関連資料のデータをもとに最適な回答を自然な文章で表示してくれる。簡単なやりとりで済む問い合わせであれば、オペレーターを完全に代替することも可能だ。

ボイスボット

音声認識や合成音声などの生成AIを利用して、音声で簡単な会話ができるシステム。テキストでやりとりをするチャットボットに対し、ボイスボットは生成AIが音声を聞き取り理解した上で、適切な回答を合成音声で回答する。問い合わせ者はテキスト入力不要で利用でき、よりユーザーフレンドリーなサービスと言える。

音声認識・要約作成ツール

議事録作成ツールなどにも搭載される音声認識は、顧客とオペレーターの会話をリアルタイムでテキストデータ化できる。このデータを活用して、問い合わせ傾向の分析、対応品質の判定・評価、FAQの自動生成などが可能になる。さらに、会話の全体を理解・把握したうえで、指示した文字数内でポイントや要約をまとめることもでき、終話後オペレーターが手作業で行っていた記録業務を自動化し負担を軽減する。

FAQ（システム）

製品紹介サイトなどで見かける、よくある質問とその答えをまとめたFAQ（Frequently Asked Questions）。コールセンターに架電する前に顧客が疑問や課題を自己解決して呼量削減につなげることを目的としており、こちらもAIが登場する以前から多くの企業で導入されてきた。自己解決率を高めるにはFAQの内容と件数の充実が欠かせないが、件数増に比例して検索性が低下するという問題があった。この問題を解決するのがAIを搭載したFAQ（システム）だ。Web検索をする感覚で聞きたいことを自然言語で入力すれば、AIが質問を推測して複数のFAQ候補を絞り込み提示。求めるFAQに辿り着きやすくなる。問い合わせ対応中のオペレーターが利用するケースもあり、最近では音声認識で会話の内容を分析し、リアルタイムで類似のFAQを画面に表示するシステムも登場。経験の浅いオペレーターでも、過去の対応実績を踏まえた最適な回答ができるようになる。

テキストマイニング

AIによってテキストデータを分析し、文字列データや数値データなどを抽出するシステム。問い合わせの傾向分析に効果を発揮する。

感情分析

顧客からの問い合わせの音声データを、声の大きさやトーン、スピードなどから分析し、喜怒哀楽の感情を抽出して可視化するシステム。クレーム事例の対応改善などで活用される。

アイデア1　AIチャットボットで定型の問い合わせ対応を無人化

生成AIは問い合わせ内容を理解し合成音声で回答できる。現状、クレーム対応や複雑な問い合わせの対応は難しいが、定型の問い合わせ対応についてはオペレーターを置き換えて無人化も可能だ。

アイデア2　インバウンド向けサポートをマルチ言語対応で支援

自動翻訳ツールと連携することで外国語での問い合わせにも対応できる。人による翻訳作業を省いて、リアルタイムでマルチ言語での問い合わせ対応が可能になる。

アイデア3　音声認識で通話をテキスト化＆要約を自動生成

音声認識との連携によって、通話内容をリアルタイムでテキストデータ化。それを元に要約を自動生成することもできる。オペレーターによる後処理業務（ログ作成・報告書作成）の負担を大幅に軽減する。

アイデア4　問い合わせ対応中のオペレーターにリアルタイムで情報を提供

過去の問い合わせ履歴や既存のFAQを学習したAIは、会話の進行に合わせ、オペレーターに回答案や注意点のほか関連するカタログ資料やデータなどをポップアップ表示して、問い合わせ対応を支援する。

アイデア5　トークスクリプトやFAQの作成・アップデートを自動化

ベテランの問い合わせ対応を学習することで、問い合わせ内容や顧客属性に応じたトークスクリプトやFAQを自動生成でき、ナレッジの蓄積と活用を支援し応対品質のバラツキを解消する。

アイデア6　音声/テキストを感情分析し、顧客に寄り添う対応を実現

問い合わせの音声やテキストから、問い合わせ者の感情変化をリアルタイムで分析し、問い合わせ対応中のオペレーターにフィードバック。適切な対応で二次クレームを回避して顧客満足を高める。

アイデア7　応対品質の評価をAIで自動化

サンプル抽出した一部の録音をスーパーバイザーやマネージャーが実際に聞いて評価するのではなく、AIがすべてを即座に評価することで、評価の負担を軽減し、客観的で公平な評価を実現する。

アイデア8　通話、メール、SNS、アンケートなどVoCを統合管理・分析

AIで問い合わせ対応をデータ化し、メール、SNS、アンケートなど様々なチャネルから集まる顧客の声（VoC）をCRMなどに集約することで、統合管理・分析が可能になる。

AIは決して万能ではなく、下記のような課題や問題点が指摘されている。

業務の適・不適がある

AIにも適・不適があり、複雑で前例がない質問には回答できず、ベテランオペレーターにとっても難しいクレーム対応などには、適さない。少なくとも現時点では、定型のやり取りで済む修理受付や購入・契約の申込み受付、データに基づき回答すればよい仕様や成分に関する問い合わせ対応など、活用できる領域は限られる。

嘘をつく可能性がある

生成AIについては、虚偽の情報あるいは誤解を与えかねない情報を、あたかも事実に基づいた正しい情報のように回答する“ハルシネーション”の問題もある。顧客からの信頼低下につながり、内容によっては健康被害などを引き起こす可能性もあるため、現時点では、AIが直接顧客に回答するのではなく、AIが用意した回答を参考にしてオペレーターが回答する運用が無難だ。あくまで、AIはオペレーターの回答を補助するアシスタントに留まる。

前段で挙げたポイントを踏まえつつ、下記のようなステップを踏み慎重に導入・活用を進めたい。特に、入力するデータの質や量はAIによる回答の精度や品質を左右するため、過去の問い合わせ対応のデータ化など、日頃から準備を進めておくべきである。

ステップ1　課題の洗い出し

既存のコールセンターの課題を洗い出したうえで、どの課題から解決するべきか優先順を決定。

ステップ2　製品選定

必要な機能を備えているか、自社の人材でも使いこなせそうか、サポートが充実しているかなどについて検討のうえ、最適なAIツールを選定。

ステップ3　データ入力

AIの暴走を防ぎ機密情報の漏えいを回避するための管理ポリシーを定め、業務フローを設計。過去の問い合わせ対応など蓄積データを入力。

ステップ4　試験運用

社内向け試験運用でAIが生成する回答に間違いがないか、顧客にとって分かりやすいかなどをチェック。問題がある場合は、ガードレールやフィルタリングの仕組みを設定する、入力データを追加するなど対策をおこなう。

ステップ5　本格稼働・継続的な調整

AIが一定以上の精度で回答できるようになり、運用を開始したとしても、回答精度の維持・向上に向けて継続的なメンテナンスが欠かせない。学習データが多ければ多いほど回答精度が上がるため、運用開始後も継続して学習を続け、日々更新される製品・サービスの情報を反映させる必要がある。

コールセンターでのAI活用を進める際の情報基盤としてお勧めなのが、コールセンターCRM「CSStream」だ。問い合わせ対応支援を主眼に置くCTIと違い、通話データの長期保存に対応し、あらゆるチャネルで寄せられるVoCを統合管理できる。

問い合わせ対応中のオペレーターをサポートするFAQシステムを標準提供するほか、最新バージョンはAI機能も充実。音声認識連携によるテキスト化や要約作成をワンストップで実現し、蓄積された応対履歴データを元にFAQの自動生成も可能だ。問い合わせフォームなどメールでの問い合わせに対する返答メールも作成でき、オペレーターの負担を軽減する。富士電機ITソリューションが一般的な平均値から算出したデータによれば、文字起こし/要約作成/メール返信/FAQ作成の作業時間について、約40％の削減効果が見込まれるという。

20余年の実績とユーザー数10万人以上を誇る「CSStream」。感情分析などさらなるAI機能の強化に向けて開発を進めており、今後の進化に注目したい。