「問い合わせ対応にAIを入れたい」というご相談は、たいていチャットボットの話から始まります。LINE公式アカウントに載せる、サイトの右下に置く、FAQを読ませる。
先に結論を書きます。カスタマーサポートのAI化で最初に手をつけるのは、顧客の目に触れる場所ではありません。顧客に届く前の、社内の下書きです。 そして自動返信は、いちばん最後に回します。
順番が逆になると、何が起きるか。ボットが的外れな答えを返し、顧客が「人を出せ」と書き、結局オペレーターが最初から読み直すことになります。手間は減らず、印象だけ悪くなる。導入前より悪い状態です。
この記事では、カスタマーサポートにAIを入れる順番を4つの段階に分けて書きます。どこから始めて、何が確認できたら次に進むのか。そして多くの会社が飛ばしてしまう「回答できないとAIに言わせる」設計についてです。
なお、ここに書くのは当社が自社のマーケティングをAIで運用してきた中での判断基準です。どの会社でも同じ効果が出るという話ではありません。
理由は精度ではありません。取り返しがつかないからです。
AIに任せるか人が持つかを、当社は「間違えたときに戻せるか」で分けています。この線引きは私たちの働き方でも書いているとおりです。
社内の下書きなら、間違っていても消して書き直せます。誰も困りません。ところが顧客に送ってしまった返信は、取り消せない。しかも問い合わせをしてくる顧客は、すでに困っているか、怒っているかのどちらかです。いちばん間違えてはいけない相手に、いちばん検証されていないものをぶつけることになります。
もうひとつ、順番を逆にすると学習する材料が作れません。
AIに顧客対応をさせるには、何を、どういう言い回しで、どこまで答えてよいのかという判断が要ります。それは社内にあります。ベテランのオペレーターの頭の中と、過去の対応履歴です。ところが多くの会社で、この履歴は整理されていません。表記が揺れ、古い料金の案内が残り、例外対応がメモ書きで散っている。
その状態のままボットに読ませると、古い案内を自信満々に返します。「AIが間違えた」と言われますが、実際は元の資料が間違っていたのです。
つまり、顧客対応から入る会社がつまずくのは、AIの性能ではなく、社内の整理が済んでいない状態で外に出したからです。
社内の業務からどう着手するかという話は社内へのAI導入は、どの業務から手をつけるべきかに書きました。カスタマーサポートはその中でも、特に外に近い業務です。
段階は4つです。下に行くほど顧客に近く、戻しにくくなります。
| 段階 | やること | 顧客に届くか | 次に進む条件 |
|---|---|---|---|
| 第1段階 | オペレーターの回答下書きをAIが作る | 届かない | 下書きがほぼそのまま使える状態になった |
| 第2段階 | よくある問い合わせの一次回答案を用意する | 届かない | 過去の問い合わせの大半に、用意した案が当たる |
| 第3段階 | 人が見てから、その回答を返す | 人の確認を経て届く | 修正せずに送れる割合が安定した |
| 第4段階 | 一部の問い合わせだけ自動で返す | 直接届く | ここまでの記録が揃ってから判断する |
見ていただきたいのは、第1段階と第2段階では、顧客に何も届かないことです。
ここで何をしているのかというと、資料の整理です。AIに下書きを作らせると、社内資料の矛盾が一気に出てきます。料金表と案内文で条件が違う、返品規定が二種類ある、部署によって言い回しが違う。人間のオペレーターは経験でこれを吸収していたので、誰も問題に気づいていませんでした。
この洗い出しが、実は導入でいちばん価値のある工程です。 ボットを置いても、ここをやっていなければ同じ矛盾が顧客に出ていきます。
第3段階が、多くの会社にとっての実際の着地点になります。AIが回答案を作り、オペレーターが確認して送る。応対の速さは上がり、新人でもベテランに近い文面が出せるようになる。それでいて、最後に人が見ているので取り返しはつきます。
第4段階の自動返信は、ここまで来てから判断すれば足ります。先に置く理由がありません。
「いきなり全部は無理なので、まずFAQボットだけ小さく試したい」という進め方は、一見ものすごく手堅く見えます。
ところが、小さく置いたボットも顧客からは会社の窓口に見えます。規模が小さいことは、顧客にとって何の言い訳にもなりません。「試験運用中です」と書いてあっても、間違った答えを受け取った人の心証は同じです。
小さく試すなら、顧客に見えない場所で小さく試す。第1段階がまさにそれです。
ここが、いちばん飛ばされる論点です。
AIは、分からないときに黙りません。それらしい答えを出します。カスタマーサポートで問題になるのは、間違った答えそのものより、間違った答えが自信のある口調で出ることです。顧客はそれを会社の正式な回答として受け取り、その前提で動きます。
だから、入れる前に決めておくことがあります。
1. 答えてはいけない問い合わせを、先にリストにする。 解約条件、返金の可否、契約内容の個別解釈、不具合の原因の断定、健康や安全にかかわる判断。これらは正しく答えられる場合でも、AIに答えさせない範囲として切っておきます。合っているかどうかではなく、外したときに戻せないかどうかで決めます。
2. 該当したら、答えずに人へ渡す動きを作る。 「お答えできません」で終わらせると顧客は宙に浮きます。誰に、どのくらいで渡るのかまでを文面に書く。ここを決めずに置くと、担当者不在の時間帯に問い合わせが溜まります。
3. 判断がつかないときも、人へ渡す。 ここが抜けやすい。答えてよい範囲かどうか自体が微妙なとき、AIは往々にして答えるほうを選びます。迷ったら人、という既定にしておきます。
この3つは、第1段階の下書きの時点から効きます。下書きの段階で「これは自分では答えられません」と書いてくれば、オペレーターがそこだけ調べればいい。逆にこの設計がないまま第3段階に進むと、オペレーターは全文を疑って読むことになり、確認の手間が元より増えます。
確認をどこに置くかという設計そのものについては、AIが書いたものは、誰がどこで確認するのかに詳しく書きました。
やることは3つです。
1. 直近の問い合わせを、実際の文面のまま集める。 想定問答集ではありません。顧客が書いた実物です。整理されたFAQは、すでに答えられる問いしか載っていません。困るのは、そこに載っていない書かれ方をした問い合わせのほうです。
2. その中から「答えてはいけないもの」を先に抜く。 抜いた残りが、AIに任せる候補です。多くの会社で、この作業は半日で終わります。そして、この半日が導入全体の方向を決めます。
3. 資料の矛盾を洗い出す担当を決める。 ツール選定より先です。料金・条件・例外対応がどこに書いてあり、どれが最新なのか。ここが片付いていない会社は、どのツールを入れても同じところで止まります。
まだやらなくていいこともあります。ツールの比較、LINE公式アカウントへの実装、自動化率の目標設定。 これらは第1段階と第2段階が回ってから決めて間に合います。先に決めると、整理が済んでいない資料を前提にした設計になります。
カスタマーサポートのAI化でうまくいっている会社は、たいてい地味なところから始めています。ボットを置く前に、社内の資料を整えている。答えさせない範囲を先に決めている。
派手さはありませんが、顧客に間違った答えが届かないという一点で、この順番には意味があります。逆から入ると、最初の一件の苦情で全体が止まります。
当社の企業向けAI研修では、こうした「任せる範囲の切り方」と「答えさせない設計」を、その会社の実際の問い合わせを見ながら組み立てます。内容は企業向けAI研修をご覧ください。
※本記事は2026年8月時点の考え方をまとめたものです。カスタマーサポートへのAI導入効果を測った統計調査にもとづくものではなく、当社の運用と支援の経験から書いています。個別の運用については、扱う情報の性質によって判断が変わります。