AIサポートエージェントとは？仕組みと実際にできること

AIサポートエージェントとは実際に何か

マーケティングを取り除けば、AIサポートエージェントはサポートキューの自律型ワーカーです。知識に向けて設定し、ヘルプデスクに接続すると、訓練されたエージェントと同じようにチケットを処理します。質問を読み、回答を見つけ、あなたのトーンで返信を書き、チケットに必要なことをすべて実行し、クローズするか人間に渡します。

その最後の部分がすべてです。旧世代のカスタマーサービスチャットボットは最初の部分しかできず、しかも不十分でした。意思決定ツリーを構築し、顧客が予期しないことを入力すると、ボットは「よく理解できませんでした。言い換えてください」に戻るだけでした。AIサポートエージェントはキーワードマッチングではなく大規模言語モデルで構築されているため、見たことのない意図を読み取り、次に何をすべきかを推論できます。

変化は会話をルーティングするツールから解決するツールへの転換です。ライブチャットウィジェットはメッセージを収集してキューに入れるだけです。エージェントはメッセージを読み、返金ポリシーを確認し、注文が返品期間内であることを確認し、返金を処理し、チケットをタグ付けして返信します。人間がメールの件名を読み終わる前にすべてを完了させます。

AIサポートエージェント vs チャットボット vs コパイロット

3つの用語が互換的に使われていますが、同じものではありません。最も明確な考え方は自律性の段階です。ソフトウェアが自分でどれだけのことをするか、そして人間がどれだけループにとどまるかを表しています。

AIコパイロットは中間に位置し、ほとんどのチームはここから始めます。返信を下書きし、人間が確認して送信ボタンを押します。これはエージェントアシストとも呼ばれ、人間が安全網になるため、本当に良いエントリーポイントです。AIサポートエージェントは補助輪を外した同じ頭脳です。自分で送信してアクションを実行できるため、以下の信頼度の問題が非常に重要になります。

チャットボットとの比較の詳細版については、AIエージェント vs ルールベースチャットボットに関する記事全体を書きました。簡単に言うと：チャットボットはルールに従い、エージェントは意思決定を行います。

AIサポートエージェントが内部でどのように機能するか

ほぼすべての通話で「これはただのChatGPTがチケットに答えているだけですか？」と聞かれますが、正直な答えはノーです。モデルは一つのピースに過ぎません。これらのシステムがどこで機能しなくなるかを理解するために知っておく価値のある実際のパイプラインを紹介します。

オープンウェブではなく、あなたの知識から学ぶ

実際のエージェントが最初にすることは、ソースの取り込みです。ヘルプセンター、ConfluenceやNotionなどのツールの内部ドキュメント、過去のマクロ、そして最も重要なのは過去のチケットです。解決済みチケットでのトレーニングは、私たちを評価しているチームから最も多く要望される機能です。解決済みチケットはAIに正しい回答だけでなく、正しいトーンと人間が実際に取ったステップも示すためです。

新しい質問に答えるために、エージェントはその知識の関連するチャンクを取得し、顧客のメッセージと一緒にモデルに渡します。これが検索拡張生成（RAG）であり、よく構築されたエージェントがもっともらしいものを作り上げる代わりにあなたのポリシーから回答する理由です。サポート向けの検索レイヤーの調整方法について知りたい場合は、RAG vs ベクターデータベース vs ハイブリッド検索でオプションを比較しました。

行動するのに十分な自信があるかどうかを判断する

これがおもちゃとツールを分けるステップです。何かを送信する前に、優れたエージェントは回答に対してどれだけ自信があるかを採点します。高い信頼度なら返信して解決します。低い信頼度なら静かにし、推測する代わりにチケットを人間にルーティングします。

アクションを実行し、修正から学ぶ

回答は解決の半分に過ぎません。エージェントは実行する必要もあります。チケットのタグ付け、優先度の設定、Shopifyでの注文照会、返金のトリガー、または適切なチームへのエスカレーションです。そして、人間が下書きの一つを編集すると、その修正がフィードバックされ、次の似たようなチケットが正しい回答に近くなります。ループ全体が時間をかけて締まっていくため、通常3ヶ月目は1週目よりはるかに良く見えます。

AIサポートエージェントが今日実際にできること

理論はここまでにしましょう。私がチームに展開されているのを見てきたことに基づいて、これらが現在本番環境で処理しているものを紹介します。

返信の下書きと送信。 中核となる仕事です。Zendesk、Freshdesk、Gorgias、Front、またはHubSpotに接続すると、繰り返しのチケットに対して根拠のある返信を下書きします。下書きのみモードから始め、信頼できるようになったら自動送信に移行できます。

フロントラインでの対応とクリーンな引き継ぎ。 顧客向けチャットエージェントとして、チームがオフラインのときに素早い質問に答え、人間が必要な瞬間にすぐに適切なチケットを開きます。引き継ぎをうまく行うことが重要で、ZendeskのAIエージェントから人間への転送で詳しく説明しています。

トリアージ、タグ付け、ルーティング。 返信しない場合でも、エージェントはすべての受信チケットを読んでタグ付けし、優先度を設定し、内部ノートとして提案された返信を待機させながら適切なキューにルーティングすることでその価値を発揮します。eコマースの受信トレイでの実際のトラフィック試験では、エージェントは93%のトリアージ精度を達成し、誤検知なしでスパムの100%をキャッチしました。これだけでもチームの作業の多くを軽減します。詳しくはチケットトリアージガイドをご覧ください。

どの言語でも対応。 優れたエージェントは多言語チケット履歴でトレーニングされており、デフォルトで顧客の言語で回答します。一つのエージェントが誰も言語ごとの設定をすることなく、同じ受信トレイでドイツ語、オランダ語、フランス語、スペイン語、さらに4つの言語を処理するのを見てきました。

自分の知識ギャップを埋める。 優れたプラットフォームは、顧客が繰り返し聞いているがドキュメントでカバーされていないトピックを特定し、不足しているナレッジベースの記事を下書きします。エージェントは静かに自分が学習するソースを改善します。

使えるエージェントと派手なデモの境界線

この記事から一つだけ覚えるとすれば、これを覚えてください。すべてに答えるAIサポートエージェントは、少なく答えるエージェントよりも危険です。信頼度ベースのルーティングは最も重要な機能であり、購入者が最も激しく議論するものです。

ほぼすべての通話で同じ反論を聞きます。月約7,000チケットを扱うDTCサプリメントブランドのCXリードがこれを完璧に表現しました。「AIは100%の質問に答えることは決してできないでしょう…私には、自信を持って処理できるチケットだけを処理して、それ以外はすべて放っておくAIが必要です。」 その通りです。エージェントがチケットに誤って答えると、何千もの返信を監査して見つけなければならず、節約した時間は消えてしまいます。

私たちはこれを困難な方法で学びました。自信たっぷりに聞こえるボットが実際の顧客に静かに誤った回答をしているのを見てきたため、現在は1件のライブ返信が出る前に顧客の過去チケットに対してすべてのロールアウトをシミュレーションしています。トピック別のカバレッジを確認し、ギャップを見つけ、それを埋め、その後でスイッチを入れます。このガードレールのないエージェントは生産性ツールに偽装した責任問題であり、自信のないチケットをどのように処理するかについて、どのベンダーにも質問する価値があります。これらの懸念の残りについては、AIと人間のカスタマーサポートに関する考察で掘り下げています。

実際の結果がどのように見えるか

うまく設定すれば、数字は本物です。Zendesk上のギグエコノミードライバー分析アプリがG2で最初の月の結果を共有しました：

「最初の月に、eeselは当社のTier 1リクエストの73%を解決しています。eeselは簡単なZendeskの実装とセットアップを提供します。チームは7日間のトライアル中に迅速に実装して結果を達成しました。」

Kim Simpson、Gridwise、eesel AIヘルプデスクエージェントページで共有

このパターンは非常に異なる規模で繰り返されます。ある大手貸金業者は月10万件以上のドイツ語チケットで完全自動化されたZendeskエージェントを運用しており、一方ある小さなイギリスのチームはわずか9つの同期マクロから56件の解決チケットを得ました。つまり、価値を見始めるために巨大なナレッジベースは必要ありません。

正直な注意点：これらの数字はセットアップとシミュレーションを通じてエージェントを準備したチームからのものです。ボットが初日に全ての90%を解決するという派手なデモは現実ではなく、実際に達成する解決率は、ボリュームの繰り返し度合いとドキュメントの質によって決まります。WISMOと返金の質問に溺れているチームは、深い技術的なエッジケースを処理するチームよりはるかに高い数字を見るでしょう。

爆発なく展開する方法

成功するチームはほぼ全員が同じアークをたどっており、それは「スイッチを入れて立ち去る」ではありません。

1. まず知識を接続する。 過去のチケット、ヘルプセンター、内部ドキュメント。エージェントは学習するものと同じくらい良くなるため、ここに本当の仕事があります。ナレッジベースでAIをトレーニングする方法のガイドが順番を説明しています。
2. 本番前にシミュレーションする。 エージェントを過去のチケットに対して実行し、トピック別にどのように答えたかを確認します。これがリハーサルであり、誤った回答を安全にキャッチする場所です。
3. コパイロットとして始め、その後自律性を与える。 まずエージェントのために下書きさせましょう。例えば注文ステータスの質問に対する下書きを信頼できるようになったら、そのカテゴリだけ自動解決させます。信頼が積み重なるにつれてスコープを広げます。最初はコパイロット、その後完全自動というパターンがほぼ全員が行き着く結果です。
4. 触れるべきでないものを除外する。 機密性の高いチケットタイプ（請求紛争、セキュリティ問題、規制対象のもの）は完全に自動化から除外しましょう。AIが触れるものに対するコントロールは制限ではなく機能です。

生のモデルAPIでこれを自分で構築するかプラットフォームを購入するかをまだ検討している場合、それは本当のトレードオフのある実際の決断であり、カスタマーサポートのためのAIの構築 vs 購入で詳しく説明しました。

eeselを試してみる

eeselは既存のヘルプデスク（Zendesk、Freshdesk、Gorgias、Frontおよび100以上のその他のツール）に接続するAIサポートエージェントで、初日から過去のチケットとドキュメントから学習を始めます。誇りに思う理由：顧客に返信する前に自分のチケット履歴に対してシミュレーションでき、自信のあることだけを自動解決するため、コントロールを犠牲にしてカバレッジを得ることはありません。チームがこれまでクローズしたすべてのチケットを既に読んだ新入社員のように機能します。

シートごとの料金なしでチケットあたり$0.40の使用量ベースで、無料トライアルではクレジットカード不要で$50分の使用量が付与されるため、何も支払う前に実際のチケットを処理する様子を確認できます。