AIコールセンターと呼ばれているものは、4種類ある

「AIコールセンター」や「AI電話」という言葉だけで製品を探し始めると、目的の異なる機能を同じ土俵で比較することになります。先に整理すべきなのは、自社の電話業務のどこに困っているかです。

困りごと	AIを導入する業務	AIが代わりにやること
夜間や繁忙期の電話を取りこぼす	受電	話し言葉での一次受付と記録
督促や予約確認の電話に人手を割いている	発信	確認・案内の電話による顧客状態の把握
新人の応対が安定せず、熟練者が教育に時間を取られる	応対支援	文字起こしと回答候補の提示による応対の安定化
応対後の記録づくりに時間を取られる	後処理	記録・要約の自動作成による事務時間の削減

受電・発信は、人が対応する電話の件数を減らします。応対支援・後処理は、電話の件数は変えずに、1件ごとのオペレーターの負担を軽くします。4つは排他ではなく、組み合わせて導入できます。効果が異なるので、以下では種類ごとに「効果のある条件」と「導入前に決めておくべきこと」を見ていきます。

受電: 定型の用件が入電の多くを占めるときに効果がある

• 向いている業務: 住所変更や営業時間の案内など、定型の用件が多い一次受付
• AIがすること: 話し言葉で用件を聞き、定型の手続きを完結させる
• 導入時のポイント: オペレーターへ橋渡しする条件を先に決める

番号をプッシュして選ぶIVRの代わりに、話し言葉で受けるボイスボットを置く構成です。「ご用件をお話しください」に「引っ越したので住所を変えたい」と答えると、AIがそのまま変更手続きを案内します。

導入前には、2つ決めておきます。1つ目は「どの用件までAIに任せるか」。2つ目は「どの時点で人に代わるか」です。どちらの線引きも、材料は用件別の入電集計です。住所変更や営業時間の案内のような定型の用件が多数を占めるなら、受電の自動化には大きな効果が生まれます。全用件をAIで受ける前提にすると、定型から外れた通話でAIが案内できず、顧客を待たせたあげくオペレーターへ回すことになります。

発信: 同じ内容の伝達を相手を替えて繰り返すときに効果がある

• 向いている業務: 督促、予約の前日確認、配送日の調整
• AIがすること: 決まった内容の電話を、相手を替えて繰り返しかける
• 導入時のポイント: 留守番電話の判定と、AIであることの名乗り方を設計する

支払いの確認、予約の前日確認、配送日の調整などの、同じ内容の伝達を繰り返す場合は、かける側の自動化に向きます。使う技術は受電の自動化と同じですが、発信では、受電とは別に「留守番電話をどう見分けるか」「AIからの電話だとどう伝えるか」を決める必要があります。この2つの設計は AIからの電話は、AIが受ける電話と何が違うのか に記載しています。

応対支援: 用件が複雑で自動化しにくいときに効果がある

• 向いている業務: 用件が複雑で、受電の自動化が難しい窓口
• AIがすること: 通話を文字に起こし、回答候補や手順をオペレーターの画面に映す
• 導入時のポイント: AIの出力は顧客に流さず、読み上げの判断はオペレーターに残す

用件が複雑で、受電の自動化が難しい。そういう窓口に向くのが、応対を置き換えずに人を支える技術です。通話をその場で文字に起こし、内容に合った回答候補や手順をオペレーターの画面に映します。複雑な問い合わせでも、人が最終判断をする前提なら導入しやすい方式です。AIの出力がそのまま顧客に流れることはありません。読み上げるかどうかの判断は、画面を見たオペレーターが決めます。

効果は文字チャットの顧客応対で測定されていて、解決件数の増え幅は経験の浅いオペレーターほど大きいという結果です[1]（電話応対での同様の測定は、公開文献では確認できません）。文字チャットの結果を電話の窓口にも当てはめるなら、新人が多い窓口ほど恩恵が大きい可能性があります。測定の数字と、人手不足のどこに効くのかは コールセンターの求人倍率は1を切っている。それでも人手不足が続く に記載しています。

後処理: 迷ったら、ここから始める

• 向いている業務: 応対後の記録づくりに時間を取られている窓口
• AIがすること: 文字起こしから記録・要約・分類を自動で作る
• 導入時のポイント: 間違いは人が直してから確定する運用にする

応対のあとには、通話記録と分類の事務作業が残ります（アフターコールワーク）。文字起こしから要約や分類を自動生成すれば、通話後に記録を書く時間を減らせます。

どれから入るか迷うなら、最初の候補は後処理です。人が確認してから確定し、AIの記録を起点に後続の処理を自動で動かさない運用にすれば、失敗の被害を小さく抑えられます。出力を顧客が聞くことはなく、間違いは確定前に直せます。顧客向けの応対フローを変えずに試せる場合が多いのも利点です。ここで文字起こしの精度と運用の感覚をつかんでから、受電や応対支援へ広げる順番が組めます。

AIの応対に残る、4つの限界

どの業務に導入する場合でも、次の4つの限界のどれかに向き合うことになります。

• 聞き間違い: 電話音声では音の情報が削られる
• 誤回答: 生成AIはもっともらしい誤りを返すことがある
• 会話の間: 話し終わりを誤判定するとテンポが崩れる
• 応答の遅れ: 音声認識・生成・音声合成を順に通るぶん遅延が生じる

聞き間違いは4つの業務すべてに関わります。誤回答は文章を生成する業務に、会話の間と応答の遅れは、AIが顧客と直接話す受電・発信に主に現れます。それぞれの理由は 電話の音声認識はなぜ聞き間違えるのか、自動応答のAIは、言ってはいけないことをどう避けているのか、AIとの通話はなぜ会話が噛み合わないのか、AIの声は自然になったのに、なぜ返事は遅いのか に分けて記載しています。テンポの問題については、相手の声を聞きながら話せる対話の研究が進んでいます[2]。製品を選ぶときは、この4つを実際の通話環境で確かめることが前提になります。

結局、どこから始めればいいのか

最初から「AIで全部受ける」ことを目指す必要はありません。まず自社の入電を用件別に数え、定型業務と例外業務に分ける。件数が多く、判断の少ないところからAIに任せる。この順番なら、受電・発信・応対支援・後処理のどこから着手すべきかが見えてきます。判断がつかなければ、まず後処理からです。

TARVOでは、この切り分けの調査から音声AIの開発までを受託で承っています。詳しくは AI受託開発 をご覧ください。