AIカスタマーサービス統計2026年版:eeselのデータと検証済み60件の統計

主なポイント

引用する価値の高い一行統計を、まずeesel自身のデータから紹介します。

1. eeselのサンプルのチームの**73%**が、AIが直接送信するより多くの返信をAIに下書きさせていました(26チーム中19チーム、eeselデータ、2026年)。
2. eeselのサンプルのチームの**19%**が、下書きより多くの直接返信をAIに送らせていました(26チーム中5チーム、eeselデータ、2026年)。
3. eeselのサンプルのチームの**81%**が、AIに社内メモを残させていました(26チーム中21チーム、eeselデータ、2026年)。
4. eeselのサンプルの中央値のワークスペースでは、AIサポート用に約1,500件のナレッジ項目が接続されています(26チーム、eeselデータ、2026年)。
5. AIで財務上のプラスの成果を示せたサービス・サポートリーダーは**24%**にとどまります(Gartner、2026年)。
6. 顧客の**87%**が、サービスにGenAIを使う企業は人に連絡する手段を用意すべきだと答えています(Gartner、2026年)。
7. AIアシスタントを使うサポート担当者は、1時間あたり**15%**多くの問題を解決します(Quarterly Journal of Economics、2025年)。
8. AIを理由にエージェントを削減したカスタマーサービスリーダーは**20%**にとどまります(Gartner、2025年)。

eesel自身のデータが示すこと

私は2年間、AIサポートをめぐって人々が何を検索しているかを見てきましたが、ほとんどの統計ページは同じ借り物の数字で答えています。ここにGartnerのリリース、あそこにベンダーの調査、といった具合です。それらも有用で、このページの後半に載せています。ただ、私が最初に取り上げたのは、他の誰にも公開できない唯一のデータセット、つまりeeselのAIが実際のヘルプデスクの中で何をしたかです。

サンプルは、事例を公開していて、その裏に利用ファイルがある26のeeselワークスペースです。合計で、2026年8月8日から9月8日の間に約47,000件の会話がeeselのAIヘルプデスクエージェントを通りました。複数のヘルプデスクとウェブサイトのチャットが使われています。詳しい手法は後述の調査方法のセクションにありますが、要点は、どの数字も少なくとも5ワークスペースと1,000件の会話を対象とし、顧客名は一切出していないことです。

サポートチームは実際にヘルプデスクでAIをどう運用していますか?

ほとんどのチームは、送信ボタンに人を残しています。26チーム中19チーム(73%)で、AIは顧客への返信よりチーム向けの下書きを多く書いていました。26チーム中5チーム(19%)では、下書きより多くの返信を顧客へ直接送っていました。残りは、タグ付けや情報の参照など他の用途に使っていました。

これは1か月の活動のスナップショットであり、チームがどのように導入を始めたか、なぜその設定を選んだかを示す証拠ではありません。eeselは直接返信もできますが、このサンプルでは下書きのほうが一般的でした。仕組みを知りたい場合は、カスタマーサービス向けAIコパイロットとエージェントアシストのガイドで下書きの設定を解説しています。

ヘルプデスクによって違いますか?

少しあります。サンプルの基準(5ワークスペース以上かつ1,000会話以上)を満たすヘルプデスクは2つです。

このサンプルでは、Gorgiasのチームのほうが下書きがより一般的でした。これらの小さなグループでは、ヘルプデスク自体が違いを説明するとは言えません。

FreshdeskとHubSpotはこの期間では基準を下回ったため、データを無理に引き伸ばさず除外しました。ヘルプデスク標準の選択肢を比較する場合は、Zendesk AI、Gorgias AI、Freshdesk AIの解説でそれぞれを取り上げています。

AIは返信以外に何をしていますか?

作業の多くは顧客に届きません。26チーム全体では次のとおりです。

• 96%(26チーム中25チーム)が、AIに回答前にチーム自身のナレッジを検索させています。
• 81%(26チーム中21チーム)が、AIにチーム向けの社内メモ(要約、下書き、不足している情報)を残させています。
• 38%(26チーム中10チーム)が、AIにチケットのタグ付けや分類をさせています。
• 23%(26チーム中6チーム)が、AIに回答前にリアルタイムの注文・商品データを参照させています。
• 38%(26チーム中10チーム)が、役割の異なる2つ以上のAIエージェントを運用しています。

社内メモの数字は予想していませんでした。5チーム中4チームが、AIを単なる返信マシンではなく、人のために記録を残すチームメイトとして使っています。そうした役割を想定しているなら、次にAIによるチケット要約とAIによるチケット分類を読む価値があります。

AIサポートエージェントにはどのくらいのナレッジが必要ですか?

サンプルの中央値のワークスペースでは、約1,500件のナレッジ項目が接続されています。ヘルプセンターの記事、過去のチケット、ウェブページ、アップロードしたファイルなどです。チームの77%(26チーム中20チーム)は、ヘルプセンターだけでなく3種類以上の情報源を接続しています。これは接続されているナレッジの量であり、AIが返信ごとに読む項目数ではありません。

これは、サービスリーダーの61%が編集待ちのナレッジ記事を抱えているというGartnerの調査結果とも一致します。過去のチケットは、ヘルプセンターが残す穴を埋めます。eeselのAIナレッジベース構築ガイドでは、最初に何を接続すべきかを解説しています。

AIはどのくらいの会話を処理していますか?

中央値のチームは、eeselを通して月に約300件の会話を処理しました。チームの27%(26チーム中7チーム)は1,000件以上でした。件数は非常に偏っており、少数の大規模チームが会話の大半を担っているため、上記のすべての統計はチケット数ではなくチーム数で数えています。

言語別の統計は、利用可能なデータが各言語に必要なチケット数を満たさないため除外しました。設定の詳細は多言語カスタマーサポートをご覧ください。

このデータでは(まだ)分からないこと

このサンプルはAIが何をしたかを記録したもので、顧客の問題が解決したかどうかではありません。そのため、このページにはeeselの解決率も、AIと人間の初回返信時間の比較、ハンドオフ率、稼働開始までの時間も載っていません。利用可能なクローズのデータは、公開の基準を満たしていません。裏付けられない数字を載せるより、省くほうを選びます。

AIカスタマーサービスの導入統計

経営層レベルでは導入はほぼ普遍的で、その多くは上からの圧力によって進んでいます。

• カスタマーサービスリーダーの**85%**が、2025年に顧客向けの対話型GenAIを検討または試験導入する予定でした(リーダー187人、Gartner、2024年12月)。
• サービス・サポートリーダーの**77%**が他の経営幹部からAI導入の圧力を感じており、75%が前年より大きなAI予算を持っています(リーダー265人、Gartner、2025年10月)。
• カスタマーサービスリーダーの**91%**が、2026年にAIを導入するよう経営陣から圧力を受けています(リーダー321人、Gartner、2026年2月)。
• カスタマーサービス組織の**66%**がエージェント型AIを使っており、2025年の39%から増えています(サービス担当者3,075人、Salesforce、2026年)。
• サービスチーム自身の推定では、現在ケースの**30%**をAIが処理しています(サービス担当者6,500人、Salesforce、2025年)。
• CXリーダーの**65%**が、自チームはすでにCX業務全体でAIを使っていると答えています(CXリーダー1,000人超、HubSpot、2024年)。
• 組織の**92%**が、カスタマーサービスでAIを導入または試験導入しています(意思決定者600人、Five9、2026年)。
• サポートチームの**約44%**が業務全体でAIを使っており、1年前の32%から増えています(Freshworksのプラットフォームデータ、Freshworks、2026年)。
• 大企業の**86%**がサービスでGenAIを導入、試験導入、または検討していますが、AIによるサービスを提供する準備ができていると感じているのは49%だけです(経営幹部1,002人、Capgemini、2025年)。

注目すべきギャップがあります。86%が取り組んでいるのに、準備ができていると感じているのは49%です。そのギャップに通常何があるかは、AIカスタマーサービス導入の失敗例の一覧で取り上げています。

顧客はAIカスタマーサービスを信頼していますか?

デフォルトではそうではありません。顧客はAIを使いますが、ほとんどは人が手の届くところにいることを望み、一度の悪い体験からは立ち直りにくいのです。

• 顧客の**64%**が、企業にカスタマーサービスでAIを使ってほしくないと答えています(顧客5,728人、2023年12月実施の調査、Gartner、2024年7月)。
• 顧客の**53%**が、企業がサービスにAIを使うと知ったら競合への乗り換えを検討すると答えています(同じGartner調査、2024年)。
• 顧客の**87%**が、サービスにGenAIを使う企業は人に連絡する手段を用意すべきだと答える一方、50%はGenAIでやり取りが楽になると答えています(顧客3,566人、Gartner、2026年8月)。
• 顧客の**49%**は、提供されていればチャットボットを使ったはずと答えましたが、直近のサービス利用でチャットボットを使ったのは7%だけでした(顧客3,566人、Gartner、2026年9月)。
• 3倍:顧客は、サービス上の問題を解決するのに、企業のチャットボットより外部のGenAIツールを使う可能性が約3倍高く、企業のチャットボットの利用は2022年から変わっていません(Gartner、2026年7月)。
• 顧客の**54%**が、製品やサービスの推奨についてAIより人間のエージェントを信頼しており、AIを信頼するのは32%です(米国の顧客5,801人、Gartner、2026年4月)。
• 米国の成人の**19%**が、AIは人よりカスタマーサービスをうまく提供すると考えており、47%は劣ると考えています。AI専門家では42%が優れていると答えています(成人5,410人、Pew Research Center、2025年)。
• 26%から55%へ:人に連絡できる選択肢が見えると、AIカスタマーサービスへの信頼は2倍以上になります(消費者3,000人、Five9、2026年10月)。
• 消費者の**58%**は、迅速で完全であれば、人とAIのどちらが解決しても気にしません(消費者4,000人、Genesys、2025年)。
• 消費者の30%、Z世代とミレニアル世代では37%が、より速いサービスのために人ではなくAIエージェントを利用すると答えています(消費者15,015人、Salesforce、2024年)。

Five9とGenesysの数字を並べると、サポートリーダーへのメッセージはシンプルです。顧客は問題が解決することを気にしており、出口が見えると安心します。トーンの調整をどれだけ重ねるより、目に見えるAIから人へのハンドオフのほうが信頼に効きます。昔からの「チャットボットかライブチャットか」という問いについては、AIチャットボットとライブチャットの比較をご覧ください。

AIでサポートチームは速くなりますか?

はい。そして最も強い根拠はベンダー製ではなく独立した調査です。効果は主に新人のエージェントと定型業務に表れます。

• 生成AIアシスタントを使うサポート担当者は、5,172人のエージェントを対象に、1時間あたりの解決件数が**15%**増えました。経験の浅いエージェントが最も伸び、最も経験豊富なエージェントは速度の向上がわずかで、品質もわずかに下がりました(Quarterly Journal of Economics、2025年)。
• カスタマーサービスの問題の**14%**がセルフサービスで完全に解決され、顧客が「とても簡単」と呼ぶ問題でもセルフサービスで解決されるのは36%だけです(顧客5,728人、2023年12月実施の調査、Gartner、2024年8月)。
• AIを使うサービス担当者は、定型ケースにかかる時間が**20%**減り、週に約4時間が空きます(サービス担当者6,500人、Salesforce、2025年)。
• AIエージェントを導入したサービス組織の**70%**が、60日以内に測定可能な価値を得ています(担当者3,075人、Salesforce、2026年)。
• FreshworksのプラットフォームでAIエージェントの平均デフレクション率は**83%**で、解決時間は9分超から5分未満に短縮されました(Freshworks自身のプラットフォームデータ、33,000超のアカウント、Freshworks、2026年)。
• AIコパイロットを使うエージェントは、チケットの要約にかける時間が**56%**減りました(Freshworksのプラットフォームデータ、Freshworks、2025年)。
• サービスリーダーの**55%**が、AIで顧客対応量を増やしながら人員を横ばいに保っています(リーダー321人、Gartner、2025年12月)。
• AIで先行するカスタマーケア組織の**42%**が、セルフサービスとデフレクションによって増加していた問い合わせ量を反転させ、40%がCXスコアが大幅に向上したと報告しています。後発組織では12%です(McKinsey、2026年)。

ビジネスケースで私が引用するのはQJEの研究です。査読を受けており、実際のサポート担当者を測定しています。新人のエージェントが最も伸びたという結果は、チームと並行してアシスタントを試すことを後押ししますが、eeselのサンプルのチームの選択を説明するものではありません。パイロット中に追跡すべき指標は、AIカスタマーサービス指標をご覧ください。

カスタマーサービスのAIにはいくらかかり、元は取れますか?

支出は急速に増えていますが、実証された成果は追いついていません。

• サービス・サポートリーダーの**24%**が、AIのユースケース全体で財務上のプラスの成果を示しています(複数部門のリーダー1,303人、Gartner、2026年7月)。
• 12%:サービス・サポートリーダーは2025年予算の中央値12%をAIに投じており、10の事業部門で最高です(同じGartner調査、2026年)。
• カスタマーサービスリーダーのAI支出は**38%**増加した一方、サービス全体の予算は2%の増加にとどまりました(リーダー199人、Gartner、2026年8月)。
• 3ドル超:2030年までに、GenAIの解決1件あたりコストは3ドルを超え、多くのB2Cオフショアの人間エージェントより高くなります(Gartner予測、2026年1月)。
• AIエージェントを導入した企業は、サービスコストとケース解決時間が平均**20%**下がると見込んでいます(専門家6,500人、Salesforce、2025年)。
• 「CXトレンドセッター」企業の**90%**が、エージェント向けAIツールで前向きな成果を報告しています(回答者約10,500人、Zendesk、2024年)。
• CXリーダーは、来年のCX関連支出の**33%**をAIに充てる計画です(意思決定者1,181人、Genesys、2025年)。
• 5社中4社がカスタマーケア予算の10%未満しかAIに使っておらず、半数はパイロット段階で止まっています(McKinsey、2025年)。

ばらつきに注目してください。Zendeskの上位企業は90%が成果を得ていると言い、Gartnerの幅広いサンプルでは24%です。どちらも真実でありえます。差は、測定しているチームとしていないチームの間にあるからです。料金モデルも重要です。Zendesk AIやGorgiasのような解決ごとの課金は、チケットごとの課金とは挙動が異なります。両方の試算はAIカスタマーサービスのコストのガイドで扱っています。

AIはカスタマーサービス担当者に取って代わっていますか?

ゆっくりで、予測より少なめです。ほとんどのリーダーは、役割を削るのではなく作り替えています。

• カスタマーサービスリーダーの**20%**が、AIを理由にエージェントの人員を削減しました(リーダー321人、Gartner、2025年12月)。
• サービス組織の**42%**が、対話型AIデザイナーや自動化アナリストなど、新しいAI関連の役割を採用しています(同じGartner調査、2025年)。
• サービスリーダーの**85%**が人間のエージェントの責任範囲を広げており、31%は2027年初めまでにAI起因の人員削減を実施または計画しています(リーダー321人、Gartner、2026年4月)。
• サービスリーダーの**63%**が、解雇ではなく自然減で第一線の人員を縮小しています(同じGartner調査、2026年)。
• 組織の80%超が今後18か月でエージェントの人員削減を見込んでおり、主に自然減、採用凍結、解雇によるものです。84%はエージェントのプロフィールに新しいスキルを加えています(Gartner、2025年12月)。
• サービスリーダーの**58%**が、AIのコンテンツをレビューするナレッジマネジメントの専門家へとエージェントをスキルアップさせる計画です(Gartner、2026年2月)。
• AIを使うサービス担当者の**71%**が成長の機会が生まれると答え、86%が新しいスキルを身につけています(専門家6,500人、Salesforce、2025年)。

「ナレッジマネジメントの専門家」の統計は、eeselのデータとつながります。中央値のエージェントは約1,500項目から回答しており、誰かがそれを最新に保たなければなりません。その仕事はサポート向けAIエージェントのコーチングの記事で扱っています。AIと人のチケットあたりの計算は、AIエージェントと人間エージェントのコスト比較をご覧ください。

2027年から2030年のAIカスタマーサービス予測

アナリストの予測なので、事実ではなく方向性として受け止めてください。

• 2029年までに、一般的なカスタマーサービスの問い合わせの**80%**がエージェント型AIによって人の助けなしに解決され、運用コストは30%下がります(Gartner、2025年3月)。
• AIによる大規模なサービス人員削減を計画していた組織の**50%**が、2027年までにその計画を撤回します(Gartner、2025年6月)。
• 2028年までに、人間のカスタマーサービスを完全に廃止するFortune 500企業は**0%**です(Gartner、2025年9月)。
• AIを理由にサービス人員を削減した企業の**50%**が、2027年までに新しい職名で同様の業務のために再雇用します(Gartner、2026年2月)。
• 2027年までに、カスタマーサービスの問題全体の**40%**が、非公式なサードパーティのGenAIツールによって完全に解決されます(Gartner、2024年12月)。
• 2030年までに、サービスリクエストの**50%**が「マシン顧客」、つまり購入者に代わって動くAIエージェントによって開始されます(Gartner、2025年3月)。
• サービスチームによれば、2027年までにケースの**50%**をAIが処理するようになります。現在は30%です(専門家6,500人、Salesforce、2025年)。
• CXリーダーの**75%**が、今後数年で顧客とのやり取りの80%が人を介さず解決されると見込んでいます(Zendesk、2024年)。
• 2030年までに、現在のカスタマーサービス職の**49%**がAIによって消えます(Forrester、2026年)。

予測同士が食い違っていること自体が参考になります。Gartnerの80%自律化の予測は、人員削減計画の半数が撤回されるという同社自身の予測と並んでいます。私の読みでは、AIは定型チケットの大半を引き受け、人間のチームはなくならずに、より小さく、より熟練したものになります。

AIカスタマーサービスはどこでつまずきますか?

導入計画に持ち込むべきなのは、失敗に関する統計です。

• 顧客の**27%**が、悪い体験のあとでもう一度チャットボットを試すと答えています(顧客3,566人、Gartner、2026年9月)。
• カスタマーサービスでAIを使った消費者のほぼ5人に1人が何の恩恵も得られておらず、これはAI利用全般の失敗率の約4倍です(消費者20,000人超、Qualtrics XM Institute、2025年)。
• 企業がAIで自動化する際の最大の懸念として、消費者の**53%**が個人データの悪用を挙げ、半数が人に連絡できなくなることを恐れています(同じQualtrics調査、2025年)。
• 消費者の**37%**がAIはでたらめを言うと考えており、CXリーダーの59%がハルシネーションを深刻なリスクと見ています(消費者4,000人、リーダー1,600人、Genesys、2025年)。
• 消費者の**92%**が、人を求める前にAIに与える時間は10分未満で、46%はAIが何度も誤解するためAIの利用をやめています(消費者3,000人、Five9、2026年10月)。
• 消費者の**83%**が、AIから人へのハンドオフの後に、少なくとも時々は同じ説明を繰り返さなければなりません(Five9、2026年6月)。
• 2026年に、企業の3社に1社が、不満を生むAIセルフサービスで顧客体験を損ないます(Forrester、2025年)。
• 「人間と話す権利」に関する規則により、2028年までに人が対応するサービスの量が**30%**増えます(Gartner、2026年1月)。
• サービスリーダーの**61%**が編集待ちのナレッジ記事を抱えており、3分の1超は古い記事を改訂するプロセスを持っていません(リーダー187人、Gartner、2024年12月)。

83%の「同じ説明を繰り返す」統計は、ハンドオフ時にコンテキストを残すべき理由です。eeselのサンプルでは、チームの81%がAIに社内メモを残させていました。これはチームの割合であり、チケットの割合でも、測定したハンドオフの成功率でもありません。残りはAIチャットボットの問題と、サポートでのAIハルシネーションの防止方法をお読みください。

これらのAIカスタマーサービス統計はサポートリーダーにとって何を意味しますか?

計画会議に私が持ち込む3つのことです。

1. 直接返信に広げる前に、下書きを試す。 eeselのサンプルのチームの73%は主に下書きでしたが、データは導入の順序を示していません。QJEの研究は新人のエージェントに効果があることを示し、Gartnerは成果を示せているリーダーはまだ24%だと述べています。私の推奨は、拡大する前に自社のパイロットを測定することです。
2. 人への出口をはっきりさせる。 人に連絡できると信頼は26%から55%に上がり(Five9)、顧客の87%がそれを期待しています(Gartner)。コンテキストを引き継ぐハンドオフは、より賢いボットより価値があります。
3. ソフトウェアだけでなくナレッジにも予算を割く。 eeselのサンプルの中央値のワークスペースには約1,500件のナレッジ項目が接続されており、リーダーの61%が記事の積み残しを抱えています。そのナレッジを最新に保つ人は、いまやAIチームの一員です。

まだツールを選んでいる段階なら、AIカスタマーサービスソフトウェアとAIカスタマーサービスソリューションの比較記事で、主な選択肢をヘルプデスク別に比べています。

調査方法

eeselデータ。 eeselの統計は、eeselが公開している顧客事例の裏にある利用ファイルから、2026-10-29時点で集計したものです。公開された事例31件のうち、26件に利用ファイルがあり、残りの5件は除外しています。26ファイルすべてが同じ期間、2026年8月8日から9月8日をカバーし、合計で約47,000件の会話です。

• 会話の定義: AIエージェントが処理したチケット、チャット、またはブラウザ拡張機能の下書き1件です。解決ではなく、このページでは解決率を報告していません。
• 「主に下書き」と「主に直接返信」: 各ワークスペースについて、チームに残された下書き返信の数と、顧客に送信された返信の数を比較しました。これはチケットではなく返信を数えており、各チーム自身の設定を反映しています。
• 基準: 報告するすべての数字は、少なくとも5ワークスペース、かつ少なくとも1,000会話を対象としています。それを下回るヘルプデスク別の集計(FreshdeskとHubSpotを含む)は除外しました。
• チケットではなくチームで数える: 少数の大規模ワークスペースが件数の大半を占めるため、割合はチケット件数ではなくワークスペースの割合です。
• 除外: 下書き(未公開)の事例、eesel自身のワークスペース、テスト用・シード用・デモ用のワークスペース。顧客、ワークスペース、ドメイン、個人は一切名指ししておらず、数字は整数のパーセントに丸めています。
• 既知のバイアス: 公開事例に同意したチームなので、平均的なeesel顧客より熱心である可能性が高いです。

第三者データ。 すべての第三者統計は、2026-10-29に発行元自身のページ(プレスリリース、レポート、PDF、学術誌のアブストラクト)で一字一句確認しました。2024年から2026年に公開された統計のみを含めています。Gartnerの3つの統計(64%、53%、14%)は、2023年12月に実施された調査から2024年7月と8月に公開されたもので、その旨を明記しています。ベンダーの調査にはベンダー名を付しており、Freshworksの数字は同社自身のプラットフォームデータによるものです。

これらの統計を引用してもよいですか?

このページへのリンクを付けて、これらの統計を自由に引用してください。第三者の数字は、元の発行元もあわせて明記してください。それぞれ上記の出典にリンクしています。記者や研究者の方で、ここにないeeselデータの切り口が必要な場合は、上記の調査方法で、このデータセットが裏付けられることとできないことを正確に示しています。

自社のヘルプデスクでeeselを試す

これらの数字がチームの現状に合っているなら、eeselのAIヘルプデスクチームメイトは、まさにこの道のために作られています。既存のZendesk、Freshdesk、Gorgias、Help Scoutのキューに参加し、過去のチケットとヘルプセンターから学び、まずチーム向けの返信と社内メモの下書きから始めます。顧客に1通も話しかける前に、自社の過去のチケットで試すことができ、そのうえで、正しく処理できるチケットの種類について直接返信させることができます。

1,000以上のアプリと連携し、料金は処理したチケットごとなので、チケットを人にハンドオフするたびに追加料金がかかることはありません。eeselを試すのは無料で、カードは不要です。