コールセンターのエージェント生産性を本当に向上させる方法

「エージェント生産性」が本当に意味すること

ほとんどすべてのセンターが陥る罠がこれです。生産性が「スループット」として定義されてしまうことです。1時間あたりの対応通話数。1シフトあたりのクローズ済みチケット数。平均処理時間(AHT)をさらに20秒削る、といったことです。これらは数えやすいからこそ危険なのです。

1時間あたりの通話数を最適化すると、エージェントは急いで対応し、早々にクローズし、顧客をコールバックのキューに突き返すようになります。見た目の良いダッシュボードは手に入りますが、誰も見ていないカスタマーエフォートスコアは上昇していきます。問題を解決しない速い対応は生産的ではなく、単に速いだけです。

本当のエージェント生産性とは、1時間あたりの有用なアウトプットです。きちんと解決された問題、怒って戻ってこない顧客、そしてうまく処理された複雑な問題です。それを追跡する指標は、まったく別のセットになります。

この「ペアリングのルール」があなたを誠実にしてくれます。量の指標は必ず質の指標とセットで追跡し、片方を破壊してもう片方で勝てないようにするということです。初回解決率は、単独で追いかける価値のある生産性指標に最も近いものです。なぜなら一度で解決された対応は、フォローアップも再オープンもエスカレーションも生まないからです。これをCSATと再オープン率とあわせて読めば、実態を本当に信頼できます。

シフトの時間が実際にどこへ消えているか

生産性を上げる前に、時間がどこに消えているのかを正直に見なければなりません。ある典型的なエージェントの1日を見ると、たいてい最も小さい割合を占めるのは、誰もが仕事のすべてだと思い込んでいる部分、つまり難しい問題を解決することです。

シフトの大部分は、仕事のように感じられて実際にはほとんど成果を生まない3つのことに費やされています。同じティア1の質問に何百回目かの回答をすること、正しい答えを見つけるために散らばったドキュメントや過去のチケットを掘り返すこと、そしてタグ付けやメモ、まとめ作業のような通話後の事務処理です。だからこそ「エージェントを増やす」と「もっと速く動くよう促す」のどちらも効果が薄いのです。すでに漏れているシステムに容量を追加しているだけであり、多くの場合、その追加人員のコストをAIが節約してくれる方が安上がりです。

これはエージェントが燃え尽きる理由でもあります。反復的な対応件数はやる気を削ぎますし、処理時間の目標に追われながら答えを必死に探すことは、興味深い問題を解決するのとはまったく違う種類のストレスです。あるCXリーダーと話したとき、その人は目標を完璧に言い表しました。すべてに回答するAIが欲しいのではなく、確信が持てる対応だけを処理し、それ以外には手を出さないAIが欲しいのだと。そうすれば人間には、本当に人間が対応する価値のあるチケットが回ってきます。この漏れを塞げば、生産性と士気を同時に改善できます。

コールセンターのエージェント生産性を実際に改善する7つの方法

どれもストップウォッチの小手先の技ではありません。仕事がエージェントに届く仕組みそのものを変える施策です。

1. まずナレッジの問題を解決する

エージェントは答えを「書く」ことよりも「探す」ことに多くの時間を奪われています。マクロが古くなっていたり、ナレッジベースが最新でなかったり、本当の答えの半分がベテランエージェント一人の頭の中にしかなかったりすると、あらゆる対応に「検索税」がかかります。

AIに手をつける前に、ナレッジ管理を整えましょう。常に最新に保たれ、エージェントが実際に信頼できる唯一の情報源です。これが最もレバレッジの高い一手なのは、人間であれAIであれ、他のあらゆる改善が「取り出せる正しい答えが存在すること」に依存しているからです。あるEUのHRソフトウェア企業の開発ディレクターは、自動化がまったく入る前の段階で、ドキュメントに即座にアクセスできるようになった瞬間、チーム全体の日々の生産性が大きく向上したと私たちに教えてくれました。

2. 反復的なティア1業務はAIに処理させる

ここが本丸です。問い合わせの一定割合がパスワードリセット、注文状況の確認、「返金はどうなっていますか」といった質問であれば、それらにエージェントは不要で、必要なのは即座に届く正しい答えだけです。過去のチケットで学習したAIヘルプデスクエージェントは、それらをエンドツーエンドで解決できます。

ここでの生産性の計算式は、人間側のプロセス変更で得られるものとはまったく違います。対応件数の100%についてエージェントを速くしているのではなく、対応件数の大きな部分をそもそも人間から取り除いているのです。Gridwiseが導入初月でティア1解決率73%を達成できたのはこのためです。残る対応、つまり難しい27%こそ、エージェントが最初からシフトの時間を費やすべきだったものです。より詳しい内容はカスタマーサポート自動化のガイドで解説しています。

3. 残るチケットにはエージェント用のコパイロットを用意する

すべての問い合わせを自動解決すべきというわけではありません。人間が対応するすべての案件について、AIのヘルプデスクコパイロットがナレッジから返信の全文を下書きし、エージェントがそれを確認し、微調整して送信します。これにより、5分かかっていた調査と執筆の作業が、30秒の確認作業に変わります。

コパイロット方式は、AIを導入する最も安全な方法でもあります。エージェントがすべての返信をコントロールし続けるため、「自信満々のボットが誤った回答をする」リスクがなく、AIはエージェントの編集から学習して次回はより良い下書きを作れるようになります。私たちは以前、自信ありげなボットが静かに間違った回答をするのを目にしたことがあり、だからこそ、あらゆる導入は過去のチケットに対してまずシミュレーションを行っています。

4. ラウンドロビンではなくスキルでルーティングする

間違ったエージェントに届いたチケットは、再割り当てされ、読み直され、やり直されます。これは純粋な生産性の損失です。優れたチケットトリアージは、届いた問い合わせを読み取り、分類し、最も適したエージェント(または自動化)にルーティングします。

優れたチケット分類は、AIが自動解決「しない」チケットに、提案返信を内部メモとして残せることも意味します。担当エージェントがチケットを開いたときには、すでに半分完了している状態です。誤ルーティングが心配な場合は、AIの誤検知を減らすための調整方法についての記事をご覧ください。

5. 自動要約で通話後の事務作業をなくす

まとめ作業の時間は、たいていの生産性の議論では見過ごされがちですが、実際には大きな負担です。エージェントは対応のたびに、メモを書き、タグを付け、フィールドを更新するのに実際の時間を費やしています。自動要約と自動タグ付けはそれを取り戻してくれます。AIが要約を書き、タグを適用し、エージェントはそれを一目確認するだけです。シフト全体で数分の節約を積み重ねると、地味ながら大きな効果の一つになります。

6. 勘ではなく実際のチケットデータでコーチングする

見えないものは改善できません。ここをきちんと押さえているセンターは推測をやめ、チケット分析を使って、実際に時間がどこへ行っているのかを調べます。どのトピックが対応件数を押し上げているか、処理時間がどこで急増するか、ナレッジベースにまるごと欠けている答えはどれか、といったことです。

それによって、本当に重要なコーチングが見えてきます。もし対応件数の30%が良いマクロのない一つのトピックに集中しているなら、必要なのは処理時間についての説教ではなく、ナレッジ記事です。そしてデータがギャップを示したとき、一部のAIシステムは不足している記事の下書きまで作成してくれます。

7. 生の対応件数ではなく初回解決率とCSATを測る

最初に戻りますが、これがすべての改善を守るための変化だからです。AIを導入し、ナレッジベースを磨き上げても、エージェントを1時間あたりの通話数で評価し続ければ、その成果は台無しになります。なぜならエージェントは、評価される数字を最適化するようになるからです。

評価基準を初回解決率、CSAT、初回回答までの時間に切り替えましょう。これらは、あなたが本当に望んでいる行動、つまり問題を一度で、きちんと解決することに報酬を与えます。AIによる初回応答時間の短縮についてのガイドに、これらの数字を動かすための一連の手法をまとめています。

正直に言うと: AIが適している場面、そうでない場面

この点については率直に話します。そうしないと信頼を失うからです。純粋な音声のコールセンターをIVRと電話キューで運用しているなら、eeselは電話システムではなく、ACDやダイヤラーの代わりにはなりません。eeselが見事にこなすのは、多くの現代の「コールセンター」がいつの間にか抱えるようになったテキスト側、つまり電話と並行して存在するメール、チャット、チケットの対応量であり、さらに同じナレッジベースから即座に答えを引き出して電話対応のエージェントを武装させることです。

多くのチームにとって、そのテキストとチャットの対応量こそ、自動化できる反復的な作業が眠っている場所です。それをAIで処理すれば、電話担当のエージェントの待ち行列は短くなり、AIが直接触れていない対応であっても答えを探す時間は速くなり、夜勤を増やさずに24時間対応に近づいていきます。これは、現代のコンタクトセンターが定型業務を自動化に任せるのと同じ考え方です。社内ドキュメントにeeselを導入して運用している決済会社の最高イノベーション責任者は、答えを探す作業や新人エージェントのオンボーディングで最大80%の時間削減を実現したと報告しており、これはあらゆるチャネルに現れる生産性向上です。

サポートチームにeeselを試してみる

あなたのセンターの生産性の漏れが、反復的なチケットと遅い答え探しにあるなら、それはまさにeeselが解決するために作られた問題です。eeselは最良のAIサポートエージェントの一つで、この課題にぴったりです。既存のヘルプデスク(Zendesk、Freshdesk、Gorgias、Frontなど)に接続し、初日から過去のチケットとヘルプドキュメントから学習し、ティア1の対応量を自動解決しながら、それ以外すべての返信を下書きし始めます。まだ比較検討中であれば、最良のAIヘルプデスクソフトウェアのまとめ記事で選択肢を整理しています。

生産性にとって重要な差別化要因は、実際に顧客に返信する前に、自社の過去数千件のチケットに対してロールアウトをシミュレートできる点です。本番環境で気づくのではなく、事前に解決率とカバレッジのギャップを確認できます。料金は使用量ベースで、席数ごとの追加料金はないため、生産性向上が人員数に応じたライセンス料で相殺されることもありません。自社のチケットで無料で試して、エージェントの負担がどれだけ軽くなるか見てみてください。