コールセンターを14年見てきた責任者に聞く｜AIの効きどころ、変わるKPIと求められるスキル

AIチャットボットを入れたのに、チューニングの時間が取れず更新が止まっている。シナリオ型を入れたものの、解決率を上げることができないでいる。カスタマーサポートのAI活用でつまずく場所は、ツールそのものよりも運用の側にあります。

世の中のカスタマーサポートのAI活用について触れられている記事は、ツールの機能比較か、導入後の効果の話に寄りがちです。カスタマーサポートの現場を回していた視点を通して、どこが本当に大変だったのか、に触れている内容は、あまり見かけないのではないでしょうか。

GMO即レスAIには、コールセンターの現場を14年見てきて、数百名規模の拠点を運営し、シナリオ型チャットボットの立ち上げまで取り組んできたパートナーがいます。今回はその経験を積み、現在はカスタマーサポートのAI導入に取り組む秦に、カスタマーサポートの現場で何が起きていたのか、そこにAIを入れると何が変わるのかを聞きました。

※ BPO（Business Process Outsourcing）は、企業が自社の業務を外部の専門会社に委託すること。この記事では、他社のコールセンター業務を受託して運営する会社を指しています。業務を委託する側の企業を「クライアント」と呼び、どの時間に何席を用意するか、どの品質で対応するかは契約で決まります。

1. どんな現場を見てきたのか

これまで担当してきたカスタマーサポートの規模を教えてください

一番大きいところは、管理者を含めて数百名規模の部署でした。該当の部署では、テクニカルな問い合わせを受けるチーム、契約や手続き関係を受けるチーム、など同部署内でも複数のチームに分かれて、それぞれでお客様対応をしてもらう構成でした。

コールセンター運営に関わっていたのは通算14年です。最後の3年は、有人チャットとシナリオ型のチャットボットを運営する別のサービスの部署に移って、立ち上げから参画していました。お客様がLINEなどで問い合わせをされると、まずはシナリオ型のチャットボットで対応し、解決しなかった場合に有人チャットにつながる。ボットで解決する率を高めることと、実際に入ってこられたお客様をちゃんと解決に導くこと、その両方を対応している部署でした。

数百名の拠点には、どんな役割の人がいるんですか

人数が多くて、1つの会社ぐらい役割があります。

• ブースコントロール：クライアントから時間ごとに「問い合わせ対応者を何席置くか」を指定され、その席を埋められる人数を、欠勤の予測も含めて事前に計画する
• KPI・品質管理：各チームのオペレーターの実績や品質を見て、生産性や顧客満足を上げるための分析と施策立案をする
• 研修講師：入社したら座学の研修を受けるので、そこを担当する
• OJT講師：座学の後、実際のお客様対応の練習をするために横についてロールプレイをする
• アシスタントリーダー：オペレーターがわからないことがあったときに保留中に手を挙げてもらい、質疑応答に答える
• リーダー：1ユニット8〜10人を持ち、面談やリアルタイムのモニタリングでユニットのKPIを改善する
• SV（スーパーバイザー）：4つのユニットを束ねるチームを持ち、リーダーの育成とオペレーターの実績改善を見る。問題を抱えているオペレーターの面談などもする
• 2次対応：クレーム対応や、1次のオペレーターでは対応が難しい内容だけを受ける
• マネージャー：SVも含めて全体を取りまとめる。PL・KPI・従業員の管理・クライアント折衝など

秦さんご自身は、この中のどのポジションを経験されてきたんですか

自分で電話を取っていた時期は、実は半年ぐらいしかないんです。入社してからの半年だけ受電を経験して、それ以降はずっと、人を育成したり、運営管理に関わっていました。

OJT講師、手上げ対応をするアシスタントリーダー、リーダー、研修講師と、いま挙げたポジションのほとんどを経験しました。ありとあらゆることを経験しないと、上にも上がっていけないので。

もう1つ、先ほど挙げた2次対応にも結構長くいました。いまのお客様対応力や、お客様と話すトークスキルは、そこで一番培ったと思います。受電をほとんどやっていない代わりに、早い段階から難しい案件のほうを担当していたので、そこで身についたのかなと。

明確な時期の区切りをお伝えするのは難しいんですが、マネジメントに携わっていたのは、そのうち5年ぐらいだと思います。

マネージャーの1日は、どのような流れでしたか

コールセンター全体の運用を見て、KPIの実績を上げて、クライアントと折衝して、社内外の会議に出て、そのうえで新規の採用面接に出るなどの業務に取り組んでいました。

大きい規模のところだと、1ヶ月に20人、30人が入社するんです。信じられないような人数ですよね。求められる席数から分解されたKPIで導き出している採用率があるので、実際にはその3倍4倍は面接しないと、その20人、30人を迎えることができませんでした。だから1日のうち空いている時間はほぼなくて、8時間ずっと誰かと喋っている、という業務が多かったです。

2. 席数＝売上。一度もコントロールできなかった

BPOのような業態だと、配置した席数がそのまま売上になりますよね

席をちゃんと予定通りに置くことが売上に直結するので、配置できなければお金はもらえません。だから人を余らせすぎず、不足させすぎない。この塩梅が非常に難しいわけです。

問い合わせ対応をしてくれているオペレーター全員、人間なので体調は崩しますし、感染症などが流行ればバタバタと欠勤していきます。そういうことをクライアントと交渉しながら調整していく必要もあるし、オペレーターの状況を100%読むのはもう無理で、その中でも売上損失の被害を最小限に抑えられる方法を見つけなければいけない。

どこも同じかと思いますが、席数配置については、事前の計画通りに人員配置ができたことは、数えるほどあったかすらも覚えていないくらい、ないです笑

3. 新人が辞めるのは、着台してから3ヶ月

離職は、どのくらい、どの時期に起きるものなんですか

毎月退職者は出ていました。

時期はばらつきがあって、座学の途中で辞めてしまう人も一定数います。ただ、一番多いのは着台（研修を終えて、実際にお客様の応対に入ること）して独り立ちしてからの3ヶ月です。座学研修とOJTに1ヶ月から3ヶ月かけて、そこから独り立ちして3ヶ月。入社から数えると3ヶ月から半年のあいだにあたります。ここが第一関門で、この期間を超えることができると、みんな結構頑張れるんです。

辞める理由で多かったものは何ですか

一定数は、理由も聞けないままフェードアウトしていってしまうケースです。欠勤が続いて、そのまま退職になる。3割ぐらいはそういう方々でした。それ自体が研修の問題なのか、そもそも採用のハードルの問題なのかは、切り分けが必要なところです。

残りの6〜7割は、単純に受電対応がきついというものです。覚えることがたくさんある。それなのにお客様への対応品質も良くしなければいけない。でも新人のうちはわからないことが多い。マニュアルの中からお客様が言っていることを探し出して、見つけて、回答する。でも保留時間が長いと、お客様はすごく待ったと感じてしまう。

（コールセンターの離職については、コールセンターの離職率はなぜ高いのかでも整理しています）

4. 新人のときが、いちばん負荷が重い

受電がきつい、というのは具体的にどういう状態なんですか

わかりやすいのは保留時間ですね。私たちの業界では「30秒が3分に感じられる」と教わってきました。私たちにとってはたった30秒ですが、保留音を流されているお客様からすると、3分間ぐらい待たされている感覚になると言われていました。

そうなると、30秒以内に、お客様が質問してきたことですぐに答えられなかったことの答えを、マニュアルから見つけないといけない。なかなか難しいゲームだと思います。マニュアルの量が少なければ全然覚えられると思うんですが、そんなに簡単なことならそもそも問い合わせは来ないですよね。難しいから、お客様もよくわからないから問い合わせが来るわけで、マニュアルもページが大量にあるわけです。

どこに何のマニュアルがあるかを覚えるまでが勝負ですか

どこに何のマニュアルがあるかを覚えられてくると、逆に簡単になってくるんです。問い合わせが単調になってきたな、と感じられるようになる。でも最初の6ヶ月以内はマニュアルを覚えてもいないので、そこを探すことからしなければいけない。それなのにお客様はみんなプロが相手だと思って普通に問い合わせをしてくるので、こちらも普通の対応品質を提供しなければいけない。

一般的にどこの企業でも、他の職種なら新人の業務はライトなところから徐々に始めて、どんどん重くなっていくんだと思います。コールセンターは、最初に重いものをドンと渡されて、慣れてくるから徐々に楽になっていく。スタート地点の重さが、どうしても効いてしまうんです。

クライアントから見ると、新人でも同じ単価ですよね

そうなんです。自分がベンダーに依頼する立場だったら、入ってきたばかりの人と、1人で対応できる人に同じ単価を払うのは、なぜ、となりますよね。だからクライアントからすれば、独り立ち以降は階級や年数に関わらず、ちゃんと同じ対応品質を提供してくださいという感じだと思うんです。

そういう意味では、育成にすごく時間をかけなければいけないので、着台した以降よりも、育てている間のほうが管理者側の負荷は高いですし、センターとしてもコストになるんですよね。すごくケアをして、たくさん学習させて、早く独り立ちできるようにさせないといけない。退職が止まらず、採用を継続することは、コールセンターにおいて一番負荷が高くなるんです。

育成と採用、どちらを優先すべきなんでしょう

一番いいのは、退職をさせないことです。退職させないのであれば人を採らなくていい。人を採らなくていいということは、今いる人材の中から育成していけばいい。そうするとみんなの熟練度が高まっていくので、より良い応対ができるようになっていく。そのループが回っていくんです。

とにかく退職させないことで、採用を取らなくていいようにする環境を作ること。それがデスク（クライアントごとの受託窓口）の運営を安定化させる一番の近道ですね。結局、業務に慣れない新人が多ければ多いほどKPIも悪くなるんです。問い合わせ対応業務の熟練度が低い人の比率が高くなるということは、いい数字を出せない人の比率が高くなるということなので。

5. 効く施策と効かない施策

育成や品質改善で、実際に効いた施策は何ですか

一番効いたのは、行動を変えてもらうのが容易な施策です。

たとえば問い合わせが来て履歴を残すときに、入力する内容を固定化する。あるいは、スクリプトを用意し、AならBと返す、というふうに行動が明瞭なもの、決められている行動を施策に落とすと、基本的にはやったかやっていないかだけで追いかけられます。やっていない人にはなぜできないのかを聞けばいいし、やれている人はやればその分だけ何かが短縮されるか、何かの質が良くなっていきます。

逆に、効かなかったものは

人の気持ちを変えるようなこと、お客様の温度感に応じて変えなければいけないこと。「こうしたらいいですよ」と言い切れないものを施策にしてしまうと、思ったようには効果が出ません。

それが本当にできれば良くなるんだろうとは思うんですが、実際にできる人は限られます。それに、施策を打つ必要があるのは、すでにうまく回っている人ではないんです。これから伸びる余地がある人に向けて組むことになるので、「こうすればいい」と言い切れない施策だと、受け取る側も何をすればいいのかがわからない。そのあたりが難しかったり、効かなかったりするところだと思います。

意識そのものに手を入れるのは、簡単ではないですよね

そうですね。他人が変えられるものではないと思っています。ただ、仕事の中では行動を変えてもらう必要がある。そこがいつも難しいところでした。

「ああしなさい、こうしなさい」と言って制することは簡単なんですが、目的は言うことではなく、行動が変わることなんです。納得のないまま押し込んでも続かないし、無理が重なれば、その職場で働き続けること自体が難しくなっていく。だから、指示で縛る形にはしないほうがいいと思っています。

だからメンタルのケアをしながら、その人がやる気になる方向性に向けてあげる。自分から行動を変えたくなるように持っていくしかないんです。

6. 抜けると痛い管理者

SVやリーダーを育てるには、どのくらいかかるものですか

最短のキャリアマップで見ると1年半、平均だと2年から3年ぐらいだと思います。それだけ経験して、いろいろなことができるようになって、ようやく管理的なことに回れるというパターンが多いのではないでしょうか。

その人たちが辞めると、どこに響きますか

単純に、また育成しなければいけないので育成コストがかかります。

それに、管理者になる上で筋が良い人って一定数いるんですけど、多くはないので一から人材を見つけるのも苦労します。オペレーターと相対して、いい意味で良質なコミュニケーションが取れる人でないといけない。オペレーターから見ても、ある程度尊敬される人でないといけない。「この人から言われるなら頑張ろう」と思えるかも重要だと私は思っています。「この人に言われてもな」という人が管理者になると、スタート地点で不要な反発が入ってしまいます。人と人との仕事なのでどうしてもそういったことが含まれます。

常に次なる候補を見つけて育成は試みていますが、人材発掘と、育成のどちらにもコストがかかるので管理者の欠損は非常に問題です。

7. こちらの「またこれか」は、お客様の「はじめての不安」

応対品質が落ちるのは、決まってどんなときですか

繁忙期や、何かの障害が起きたとき。全体的に何かが起きている、外的要因があるときです。

そもそも困った状態、迷惑がかかっている状態で入ってくる問い合わせが多ければ多いほど、どれだけ頑張っても、不満が普通ぐらいにしかならないんですよね。満足度は「大変不満・不満・普通・満足・大変満足」の段階評価が多いと思いますが、不満で入ってきたお客様が大変満足まで行くのは、もうよっぽどのことです。基本は頑張って普通に引き上がるかどうか。すごくマイナスだった気持ちを普通に戻してもらえるくらいで、「すごい対応をしてくれた」となるのは、ひと握りの人しかできないと思います。

品質として意味があるのは大変満足をもらうことだと考えると、外的要因があるときは、大変満足が増えない。普通止まりになってしまう。しかも障害のときは、同じ内容の問い合わせばかりが続きます。

同じ回答を何度も繰り返すのは、しんどいですよね

そうなんですよね。こちらからすると何百人中の1人です。1日同じ対応ばかりしていて、障害のときは特にそれしか来ない。「また来た」という気持ちになるんですが、お客様からすると、今日1日のなかで初めてで、1回しか問い合わせをしていないわけです。

これは育成のときによく言っていました。オペレーターさんにとっては何十人も対応したうちの1人、同じことをいっぱい聞いている人のうちの1人だけれど、お客様の目線に立ったら、今日初めて問い合わせをして、初めて話したあなたでしかない。だから1対1でしかなくて、何十分の1ではないんです、と。

繰り返しの対応が続くオペレーターさんのメンタルはわかるけれど、お客様には関係のないことだよね、という話です。1日8時間ずっと問い合わせ対応ばかりしていると、誰でも絶対に視野は狭くなっていくので、そこを広げてあげる話はしてあげないといけなかったですね。

（オペレーターがしんどさを感じる場面については、カスタマーサポートがきついと言われる理由でも扱っています）

8. シナリオ型チャットボットで大変だったのは「A」ではなく「Q」

シナリオ型チャットボットの運用は、何が大変でしたか

シナリオ型は、事前にQ&Aを用意しておく構造です。そのQ&Aのうち、どちらかというとQが大変なんですよね。Aを用意することよりも。

なぜかというと、Aはもう決まっているからです。お客様に応じて答えが変わることはない。この問い合わせが来たらこれを答える、というアンサーは変わらないんです。だけどQは、お客様の言い方で無数に存在するわけです。

「料金プランを見直したい」という言葉ひとつにしても、「料金プランを変更したい」「相談したい」「自分に何のプランがあっているかを知りたい」と、プランを変更することを目的にしている人が発する質問は無数にある。人間なら、どういうことを言いたいのかを汲んだ上で答えを見つけられますが、シナリオ型は機械的・構造的なものなので、この問い合わせが来たらこのAを出す、ということをしないといけない。

こういう答えを用意したい、というのは先に見つけられるんです。でもそれに対応できる質問をたくさん作らなければいけないところが、一番大変なんですよね。お客様がなんと言ってくるかを想像して、こういう言い方も来る可能性がある、こんな言い回しもあり得るか、と1個のアンサーに対して無数に登録しないといけない。

チューニングはどのくらいの体制でやっていたんですか

チューニング担当が丸々8時間、数人で問い合わせの内容を分析し、どの対応をどう紐付けたらいいか、この人に対する答えがそもそも用意されていないから用意しなければ、というのを日次でやっていました。それで解決率は60%以上だったと記憶しています。

チューニングでは、QとAがマッチしないと、不適切なアンサーを持ってきて誤った回答を出してしまいます。また、事前に設定していない言い回しで問い合わせがくると、「回答が見つかりませんでした」と返してしまう。非常にチューニングには時間と手間がかかっていた印象です。

（AIチャットボットの精度をどう上げるかは、AIチャットボットの精度を左右するもので解説しています。シナリオ型から乗り換えてチューニングの専任者が不要になった例として、アスカネット様の事例もあわせてご覧ください）

9. AIで回答探しの負担はどう変わるか

ここからは、秦が「いまのAIが当時あったら」という前提で語った見立てです。実際に導入した現場で何が起きたかは、章の最後に事例へのリンクを置いています。

ここまで挙げていただいた大変さのうち、AIを入れると軽くなるのはどれだと思いますか

それこそ、その当時AIがあれば、お客様が何を言いたいのかを先にAIが聞いておいてくれる。必ずそうなるとは限りませんが、その分、感情が少し落ち着いた状態で引き継げることも期待できます。一次受けが人間ではないという点で、温度感がすごく高いまま対応する場面は減らせたのかなと思います。

簡単な問い合わせも基本的に終わらせておいてくれるのであれば、単調な問い合わせは来ない。人が対応するのは複雑な案件が中心になるので、中身は難しくなるかもしれないけれど、やりがいを持って仕事ができた可能性はあると思います。

オペレーター自身がAIを使う、という形もありますよね

外部に提供するAIチャットボットがなかったとしても、社内で辞書のように使えるだけで変わります。

「お客様からの質問に対して、回答はどこにあるのか」「これはどういうふうに答えたらいいのか」と質問して、答えてくれるようになれば、30秒で探し出さなければいけなかったことを、5秒でAIが回答してくれる。心理的な不安がすごく減るし、すぐに答えが見つかるので答えやすいですよね。

なんなら電話対応中に保留しなくても、タイピングが得意な人は聞かれている最中に打って聞いてしまえばいい。わからないなと思ったら、社内辞書のAIチャットボットに聞いて、回答できます。

そうなると、さっき言った3ヶ月かけて一生懸命座学研修をして、それでもマニュアルの場所が覚えられなくて大変だと言っていた新人は、いなくなるわけです。極端な話、AIに聞けばいいので、座学も必要最小限にできそうですよね。

指標が変われば、求められるスキルも変わる

運用の指標も変わりますか

例えば、対応完了後の履歴をAIが下書きしてくれれば、ACW（対応後の作業時間）は短くできます。履歴の確認や修正は残るので、まるごと無くなるわけではありませんが、これまで時間がかかっていた作業は減らせるはずです。保留時間も、マニュアルを調べるための時間は削減できると思います。その分、お客様との対応により集中することができるのではないかと思います。

そうなると、これまで見ていたKPIはそのままでは成り立たなくなります。削ることを目指してきたACWや保留時間は、削る余地そのものが小さくなる。残るATT（平均通話時間）も、短ければいいという話ではなくなります。対応時間を短くすることだけでなく、お客様の問題をきちんと解決できたか、人が対応する価値を出せたかまで含めて、評価の仕方を見直す必要があると思います。測るものが変われば、オペレーターに求めるものも変わるので、そこを組み替えないといけない。

指標が変われば、求められるスキルも変わります。マニュアルの場所を覚えている人が強い、という世界ではなくなって、AIをうまく使いながら、人が向き合うべき対応をやり切れる人が評価されるようになる。オペレーターも、管理する側も、そこに合わせて変わっていく必要があります。その変化についていけること自体が、これからのオペレーターに求められるスキルであり、これからのコールセンターの姿なんだと思います。

管理する側から見ると、どうですか

正直なところ、AIを育てるほうが楽な面はあります。欠勤もしないし、退職もしないので、育てた分がそのまま残るんです。正しくチューニングをしてPDCAを回していければ、各KPIも安定させやすくなると思います。

もちろん、人の育成が要らなくなるわけではありません。ただ、AI側が安定するぶん、管理者は、人による、より価値の高い問い合わせ対応をしてくれているオペレーターさんのほうに時間を使えます。見なければいけない範囲が狭まって助かります。

ここまでの内容は秦の見立てです。実際に導入した現場で起きた変化は、事例で公開しています。

• 人を増やさずに問い合わせの増加に対応した：シェアフル様（問い合わせ1.3倍でも増員なし／月平均80時間の削減）
• 有人対応をどこまで減らせるか：minne（約50%をAIのみで解決）、カラーミーショップ（月803時間の削減）、ココナラ様（対応件数を約3割削減）
• 社内の問い合わせとマニュアル検索：熊本県商工会連合会様（「相談ベース」から「確認ベース」へ）

10. いま支援していて見える共通点は「運用の時間が取れない」

企業のカスタマーサポートを支援していて、どこも同じところで詰まっていると感じる共通点はありますか

共通して一番大変そうだと思うのは、運用の部分です。

問い合わせの削減ができている企業もあれば、思ったように進めることができないという企業もある。特に、チューニングをする時間が作れない。AIに学習させるデータも、覚えさせていかないと賢くならないので、マニュアルなどをどんどん追加していかないといけない。シナリオ型のようにQをたくさん作る作業は、AIになった時点で要らなくなっているものの、答えられるデータはたくさん食べさせてあげないと答えられないんです。

では最初にどこからデータを入れればいいのか。それも、分析する時間が満足に取れないと、どこから着手したらいいかわからない。何をやればいいかがある程度わかっていても、実際に覚えさせるための文章を作らなければいけないので、そこに時間を割くことができていない。

解決率を上げたくても上げられない。本当は上げられるのに上げられないんです。皆さん優先度を上げて効果を高めたいと思っているし、何をやらなければいけないかもわかっている。でも、その時間を取るのが難しい。運用の部分を見ていると、そこでお困りのお客様が多いと思います。

小さく始めるとしたら、どこから手をつけるのが失敗しにくいですか

時間もそうなんですが、ちゃんと改善のループをPDCAで回していける構造を作ることだと思います。

別に1日30分とかでもいいと思うんです。ログを見る。ここに問題があるとわかった。それを少しでもいいから修正する。その構造が明確になっていれば、この改善ループをあとは回すだけなので、1日30分でも時間を取ることさえできれば少しでも進めることはできるのかなと思います。

また、チューニング自体にもAIを活用することができればより時間の短縮に繋がるのではないかと思います。

企業ごとに導入のフェーズも違いますよね

分析からはじめる必要があるお客様もいらっしゃれば、分析はある程度できているけれど次にどこから着手すればいいかよくわからない、というフェーズのお客様もいます。また、しっかり分析もされていて改善も進めているが、新たな課題が出てきて、より良くするためにもっと尖らせていこうとしているフェーズのお客様もいらっしゃいます。

お客様それぞれ、組織の状況に応じて進行度合いが違うので、その進行度合いをこちらでちゃんと把握して、そのタイミングにふさわしいご提案をする。そこは即レスAIのサクセスの担当者がやってくれています。

（カスタマーサポートで使えるAIの種類と選び方は、カスタマーサポートに使えるAIは何がある？で整理しています）

11. AIによる効率化の先に、何を目指すのか

秦さんにとって、カスタマーサポートにAIを入れる目的は何ですか

お問い合わせにAIチャットボットを入れれば絶対に成功するかというと、業種や問い合わせの難易度などもあるので、入れればお問い合わせを大幅に削減できるとは言い切れません。ただし、入れ方によって、いろいろな形で効果を出すことはできると思っています。

お客様（ユーザー）側で言えば、24時間365日、知りたいことがあったときにいつでも知ることができる。品質も安定している。覚えている量に個人差が出ないので、ナレッジを整えた範囲であれば、誰が対応しても同じだけ答えられる。人によって嫌な対応をされることもない。安定した品質で、知りたいことをしっかり教えてもらえるところが、ユーザーにとってのメリットですし、お問い合わせをこれまで煩わしいと思っている層もお問い合わせしやすくなるメリットもあると思います。

働いている側からすると、最初の時点でAIが一次受けをして、お客様の言いたいことを整理してくれる。感情だけで何が言いたいかわからない、言語化できていないお客様の困りごとが言語化されるので、その状態で有人に来ると話がわかりやすい。何に困っていて、何を求めているのかを把握する負担は、その分だけ減らせます。クレームの温度感も、必ず下がると言い切れるものではありませんが、そうした効果は期待できると思っています。

一方で、単調な問い合わせはある程度完結した状態で入ってくるので、人が対応するのは、本当に人間がやらないと答えられない複雑なものが中心になります。内容そのものは難しくなりますが、そこにはやりがいも感じられると思うし、学ばなければいけないこともスポットになってくるので、向き合いやすくなると思います。

その先に、何を見ていますか

人間でやらなくていいことをAIに任せていけるようになれば、事業目線では、人間ができることを増やしていかないといけないと思っています。

CSも、問い合わせを受けるだけではなく、お客様の声を事業としてより良くしていくために発信していく。事業に対して新しい価値を生み出したり、お客様の課題に入り込んで、カスタマーサクセスや営業の領域まで含めた提案をしていく。対応の負担が軽くなったぶんを、そちらに向けられるようになるのではないかと思っています。

カスタマーサポート自体は、AIが発展してもなくなることはないと思います。ただ、守備範囲を広げて、お客様への積極的な提案や、お客様の声を事業に発展させるような行動が求められていくと想像しています。

よくある質問

Q. コールセンターで新人が辞めやすいのは、いつですか

秦が経験した現場では、座学研修の途中で辞める人も一定数いましたが、一番多かったのは着台して独り立ちしてからの3ヶ月でした。座学とOJTに1〜3ヶ月かけるため、入社から3ヶ月から半年のあいだが第一関門になります。ここを超えると定着しやすくなる傾向があります。

Q. オペレーターの育成で効きやすい施策は何ですか

行動が明瞭な施策です。履歴の入力項目を固定して必須にする、こう聞かれたらこう返すというスクリプトを用意するなど、やったかやっていないかで追いかけられるものは効果が出やすい。反対に、気持ちや意識を変えることを前提にした施策は、効果測定も難しく浸透しにくい傾向があります。

Q. SVや管理者が育つまでに、どのくらいかかりますか

秦が経験した現場では、最短で1年半、平均では2年から3年でした。加えて、オペレーターと良質なコミュニケーションが取れるか、尊敬されるかという素養も必要になるため、候補になる人材を見つけること自体が難しくなります。

Q. シナリオ型チャットボットとAIチャットボットの一番の違いは何ですか

想定される質問（Q）を人手で無数に登録し、誤回答を直し続ける作業が必要かどうかです。シナリオ型では回答（A）よりも質問（Q）の網羅が難しく、チューニングに専任の工数がかかります。生成AI型ではQの登録は不要になりますが、回答の材料になるナレッジを整備し続ける運用は必要です。

Q. 保留時間は、どのくらいが許容されるものですか

秦が経験した現場では「30秒が3分に感じられる」と教わっていました。実際の30秒が、保留音を聞いているお客様には3分ほど待たされた感覚になるという意味で、30秒以内に回答を見つけられるかが1つの目安になっていました。

Q. カスタマーサポートにAIを導入するとき、最初にやるべきことは何ですか

ツールの選定よりも先に、改善のループを回す構造を作ることです。1日30分でもログを見て、問題を見つけて、少しずつ修正する。まとまった時間を確保しようとして優先度が下がると、上げられるはずの解決率が上がらないままになります。

カスタマーサポートのAI活用にお悩みではありませんか？

カスタマーサポートの現場は、人が辞める理由も、育たない理由も、品質が落ちる理由も、だいたい構造で決まっています。AIはその構造のどこに効いて、どこには効かないのか。GMO即レスAIには、それを現場で見てきた人間がいます。

分析からはじめる段階なのか、次にどこから着手するかを決める段階なのか、すでに動いているものをもう一段尖らせる段階なのか。進行度合いはお客様ごとに違うので、いまの状況をうかがったうえで、どこから着手するかを一緒に考えます。一度話してみたいという方は、こちらからご相談ください。

▶ GMO即レスAIへ相談する