AIカスタマーサービスのROI:測定方法とビジネスケースの作り方

AIカスタマーサービスにおける「ROI」の本当の意味

専門用語を取り払えば、ROIは1行で表せます。(生み出された価値 − 運用コスト) ÷ 運用コスト。難しいのは割り算そのものではなく、両辺について正直であることです。

コスト側には、明白な項目(ベンダーへの支払い)に加えて、もっと目立たないものがあります。導入にかかる時間、チームがAIの学習と監視に費やす工数、そして誤答のコストです。リターン側には、名前を挙げる価値のある4つのレバーがあります。多くのビジネスケースは最初の1つしか数えず、自らの価値を過小評価しています。

• 人がまったく手を触れずに解消・解決されたチケット。 一番わかりやすいレバーです。
• 本当に人が必要な複雑なチケットのために解放されたエージェントの工数。
• より速い解決・応答時間。 これはスプレッドシートに表れるずっと前に、CSATや顧客維持率に表れます。
• 人員を新たに配置しなくて済む24時間365日の対応。

最初にレバーの全体像を示すのは、私が最もよく目にする失敗が、デフレクションだけでプロジェクトの採算を計算し、その後エージェントの工数と時間外対応を数え入れた途端に、AIが3倍のリターンを生んでいることに驚く、というパターンだからです。1つだけ測るなら、導入前後のチケットあたりコストを測ってください。しかし本当の数字が欲しいなら、4つすべてを数えてください。レバー1をドル換算しようとしているなら、AIエージェント対人間のエージェントのコストの分析が良い補完になります。

実際にかかるコスト(そして誰も警告してくれない料金の罠)

表示価格は簡単な部分です。ROIの計算を狂わせるのは価格そのものではなく、料金モデルです。

チケット単位の従量課金は、ほぼどんなチームにも私が勧めたいモデルです。なぜなら、その単位はあなたがすでに考えている「チケット」そのものだからです。eeselの従量課金では、プラットフォーム料金も席数課金も最低利用料もなく、1チケット0.40ドルから始まります。

1チケットは、やり取りが何往復あっても1チケットです。そして人が対応したチケットには一切課金されません。月1,000件のうち200件だけをAIに振り分けたなら、支払うのは200件分だけです。

さて、ここからが罠です。多くのベンダーは1チケットではなく解決件数ごとに課金しています。表向きは公平に聞こえます(「機能した分だけ払う」)。しかし実際には、静かに2重のペナルティを課します。第一に、AIがチケット解決に上達するたびに請求額が上がるという、極めて奇妙なインセンティブに同意することになります。第二に、ボリュームの急増がまともに直撃します。月間約1,000チケットを扱うある小売業者向けに私たちが行った内部コスト分析では、解決率80%の場合、月額約792ドルの支払いになりますが、ブラックフライデーで4,000チケットに急増すると同じ料率で約3,168ドルにまで膨れ上がる一方、定額やチケット単位のモデルなら請求額は予測可能なままです。課金される単位はサポートの経済性における最大の隠れたレバーの1つですが、ほとんどのROIスプレッドシートは悪い月をモデル化していません。

これは、私たちの実際のウィンバック(解約後の再獲得)の会話でも見られたことです。あるミッドマーケットのチームは、解約した際に率直に、より安いシステムに乗り換えたのであって、コストと信頼性がもっと良ければ残っていた、と語りました。購買判断では、コストと予測可能性がほぼ他のすべてに勝ります。だからこそ料金モデルは製品の付録ではなく、製品そのものの一部なのです。

チームが実際に得ているもの

コストは具体的ですが、リターンになると人は途端にあいまいになります。そこで「AIで時間を節約」といった抽象論ではなく、実際の導入事例からの実数を紹介します。

• Zendeskを使うギグエコノミー向けドライバー分析アプリのGridwiseは、初月でティア1リクエストの73%を解決し、この結果は7日間のトライアル期間中に得られたものです。
• Global Pay(Global Payments)は、ドキュメント内の回答検索において最大80%の時間短縮を報告しました。これはデフレクションではなくエージェント工数のレバーです。
• 英国のあるサポートチームは、Zendesk上でわずか9件の同期済みマクロから56件のタスク解決を実現しました。完璧なナレッジベースがなくてもリターンは見え始めるという良い証拠です。

これらすべてに共通するパターンは同じで、二重に強調したいポイントです。リターンは、ヘルプセンターではなく、あなたの履歴でAIを学習させることから生まれます。 ヘルプセンターは(チケットがエンドユーザーから来るのに)管理者向けに書かれていることが多く、半分は間違った読み手を想定しています。一方、過去に解決したチケットは、最も優秀なエージェントが実際にどう回答したかの記録です。だからこそ、解決済みチケットから学習するツールは、公開ドキュメントしか読まないヘルプデスクネイティブのAIより優れる傾向があるのです。選択肢を比較検討しているなら、ベストカスタマーサービスAIプラットフォームのまとめで、どのツールがこれをうまくやっているかを確認できます。

自分の数字で計算する

抽象的なROIは説得力がありません。自分のボリューム、人が対応した場合のフルコスト、そしてAIに任せる割合を入力してください。あとは計算ツールが処理します。

正味節約額が良すぎるように見えるなら、それこそがポイントです。人が対応する場合のフルコストを控えめに5ドルとし、自動化率もわずか45%としても、その差は大きいのです。この数字をファイナンスチームに持ち込む前に、AIエージェント対人間のエージェントのコストの数字と自社のチケットあたりコストを照らし合わせて確認してください。

自分をだまさずに正しく測定する方法

このセクションが、本物のROIケースと希望的観測を分けます。2つの考え方が、その大部分を担っています。

デフレクションは解決ではありません。 デフレクションは単に、チケットが人に届かなかったことを意味するだけです。顧客が正しい答えを得たのか、それとも怒って競合に乗り換えたのかについては何も語りません。解決とは、顧客の問題が実際に解消されたことを意味します。デフレクションを報告してそれをROIと呼んでいると、いずれCSATが下がったときに露見します。だからこそ解決率を測定し、デフレクションはせいぜい補助的な指標として扱ってください。

ベースラインと比較して測定してください。そうしなければ推測しているだけです。 導入前にチケット1件がいくらかかっていたかを記録していなければ、節約額を主張することはできません。私がお勧めするフレームワークは、次の4ステップです。

1. ベースラインを設定する。 今日、チケット1件はフルコスト(給与、ツール、間接費をチケット数で割ったもの)でいくらかかっていますか?
2. デフレクションではなく解決を測定する。 AIが完全に解決したチケットの割合を追跡し、品質を抜き取りでチェックします。
3. 節約されたエージェントの工数を追跡し、それをドルまたは採用しなくて済んだキャパシティに換算します。
4. AI利用コストと差し引きして、本当の数字を出します。

私がこのアプローチを信頼する理由は、これがロールアウト自体のリスクを下げる方法でもあるからです。優れたAIサポートツールは、本番稼働前に過去のチケットに対してシミュレーションできるようにしてくれます。そうすればチケット種別ごとの予測解決率がわかり、ギャップを見つけて、1人の顧客にも影響が及ぶ前に修正できます。このシミュレーションは、ベースラインであると同時に予測でもあります。より詳しい内容が必要なら、私たちはAIサポートROI測定の完全なフレームワークと、デフレクション対人間のデフレクションのステップバイステップ解説を用意しています。より広い指標セットについては、AIカスタマーサービス指標とカスタマーサービスKPIのガイドで、ダッシュボードに何を載せるべきかをカバーしています。

ROIの計算がよく間違う箇所

私がよく目にし、指摘する価値のある失敗パターンをいくつか挙げます。

• デフレクションを解決としてカウントすること。 上で説明した通り、これが最大の問題です。
• 悪い月を無視すること。 料金がボリュームと解決率の両方でスケールするなら、契約前にピークシーズンをモデル化してください。Zendesk AIエージェントの解決率の計算は、ここでの良いチェックになります。
• 監視コストを忘れること。 初期には誰かがAIの下書き回答をレビューします。これは実際の工数です。AIが修正から学習するにつれて急速に縮小しますが、初月分は予算に組み込んでください。
• AIにすべて答えさせること。 最もROIが高いチームは、AIに確信度のしきい値を設け、確信が持てないときはきれいにエスカレーションさせているチームです。自信満々の誤答は、きれいな引き継ぎよりもコストがかかります。AIエージェントのエスカレーションガイドで、その設定方法を解説しています。
• ベースラインを省略すること。 ベースラインがなければ、証明可能なROIもありません。以上です。

ビジネスケースを構築する

これを意思決定者に提示するときは、精査に耐える3つの数字から始めてください。現在のチケットあたりコスト、(ベンダーのパンフレットではなくシミュレーションから得た)予測解決率、そしてAIコスト差し引き後の月次正味節約額です。それに、ファイナンスチームがモデル化できないが顧客が実感する定性的なポイント、つまりより速い応答と24時間対応を組み合わせてください。体系立てた出発点が欲しいなら、AIサポートROI測定のフレームワークはビジネスケースのテンプレートとしても使え、すでにAIをカスタマーサービスに活用している企業は有用な比較対象になります。

正直な注意点として、AIカスタマーサービスがすべてのチームにとって無条件のROIをもたらすわけではありません。ボリュームが極めて小さい、チケットがすべて個別対応を要する、過去のチケットにクリーンにアクセスできない、といった場合はリターンが縮小します。これははっきり言っておく価値があります。良い面だけを並べたビジネスケースは、後で徹底的に突かれるものだからです。

AIカスタマーサービスのROIを試すならeesel

汎用的な計算ツールではなく、自社のチケットでROIを確認したいなら、まさにそのために作られたのがeesel AIです。既存のヘルプデスク(Zendesk、Freshdesk、Gorgias、Frontなど)に接続し、初日から過去に解決したチケットとドキュメントで学習し、過去のチケットに対してシミュレーションできるため、本番稼働前に予測解決率とコストの数字を把握できます。料金はチケット単位で席数課金はないため、規模が拡大してもROIの計算は予測可能なままです。

このシミュレーションこそ、ビジネスケースの構築に実際に使うべき部分です。なぜなら「AIが役立つかもしれない」を「これが実際のキューにおける解決率とドル金額です」に変えてくれるからです。eeselを無料で試すことも、先にAIヘルプデスクエージェントの詳しい解説を読むこともできます。