カスタマーサービスにAIチャットボットを導入している企業の実例

顧客は迅速な回答を期待しています。標準的な「午前9時から午後5時まで」のサポート窓口は一般的ではなくなりつつあります。人々は24時間体制で、しかも素早い助けを求めています。このプレッシャーにより、多くの企業が解決策としてAIに注目しています。

AIチャットボットはまず検討される対象ですが、すべてのAIが同じように作られているわけではありません。モデルの中には、人間のエージェントを置き換えるのではなく、彼らと「協力」するために設計されているものもあります。業界は、行き止まりの電話メニューのように感じられるルールベースのボットから脱却しつつあります。新世代のAIは、まるで「新しいチームメイト」のようです。自社のデータから学び、ブランドのトーンを習得し、チームと一緒に働きます。

この記事では、カスタマーサービスにAIチャットボットを導入している大手企業が、どのようにそれを運用しているかを詳しく解説します。何がうまくいっていて、何がうまくいっていないのか、そして直面している共通の課題を探り、その上でチームベースの協調的な導入アプローチを提案します。

カスタマーサービス向けAIチャットボットを理解する

カスタマーサービス向けのAIチャットボットとは、人間の会話を模倣するプログラムです。その目的は、ウェブサイト、ヘルプデスク内、またはSlackのような社内ツールなど、さまざまなチャネルで顧客の質問に答え、問題を解決することにあります。

これらは自然言語処理（NLP：Natural Language Processing）などの技術で動いています。これにより、AIは単に入力されたキーワードだけでなく、人が何を尋ねているのかを理解します。ボットがメッセージの背後にある意図や文脈を把握するのに役立ちます。

最新のAIは、単にスクリプトに従うだけではありません。多くのプラットフォームは、自社のナレッジベース、過去のサポートチケット、ヘルプセンターの記事、社内ドキュメントから学習します。これにより、AIは承認された情報のみを提供するため、チームと同じような口調で、正確な回答を出すことができます。

単独のボットとしてではなく、「AIチームメイト」として考えるのが有用です。適切に統合されたAIは、単にチャットする以上のことができます。注文を検索したり、ヘルプデスクのチケットを更新したり、返品を処理したりといったアクション（行動）を実行できます。単なる会話ツールではなく、ワークフローのパートナーになるのです。

AIチャットボットを活用している企業の例

これが実世界でどのように機能しているか、いくつか例を見てみましょう。大手ブランドがどのようにAIを使用し、何に成功し、どのような障害に突き当たったかを確認します。

Klarna：大規模なサポートの自動化

ユースケース： 後払い（BNPL）サービス大手のKlarnaは、大量のカスタマーサービスチャットを処理するためにカスタムAIアシスタントを導入したと発表し、注目を集めました。その計画は、返金、支払い、注文に関する一般的な質問を、毎回人間を介さずに管理するというものでした。

報告された成功例： 初期の結果は驚くべきものでした。導入初月、KlarnaのAIアシスタントは230万件の会話を処理しました。これはエージェント700人分に相当する仕事量であると同社は述べています。また、顧客の解決時間が平均11分から2分弱に短縮されたとも報告しています。

限界： 発表から1年後、Klarnaは再び人間のエージェントを雇用していることを明らかにしました。CEOは、コスト削減のためにAIに集中しすぎた結果、サービスの質が低下したことを認めました。これは、人間のエージェントにより良いツールを提供するのではなく、完全に置き換えようとする際に生じる可能性のある課題を示しています。

この1週間、KlarnaのAIの対応を受ける『光栄』に預かりました。私の質問を誤解し続け、全く助けになりませんでした。結局、元々購入した店舗に連絡しましたが、そこでは翻訳プログラムが使われていて、担当者との意思疎通が非常に困難でした。Klarnaとの紛争が解決するかどうか、いまだに分かりません。本当に嫌になります。

Reddit

異なるアプローチ： 代替案となるのは「AIチームメイト」モデルです。「全か無か」の戦略ではなく、eesel AIのようなプラットフォームを使用すれば、定型業務を自動化しつつ、品質チェックや複雑な問題については人間のチームが管理を維持できます。このモデルは、顧客体験を損なうことなく効率化を目指すものです。

デルタ航空：パーソナライズされたトラベルコンシェルジュの作成

ユースケース： デルタ航空は、Fly Deltaアプリに組み込まれたAI搭載アシスタントであるDelta Concierge（デルタ・コンシェルジュ）を開発しています。目標は、旅行者に旅全体をサポートするプロアクティブで個人的なアシスタントを提供することです。

報告された成功例： ベータテスト中、このアシスタントはリアルタイムのフライト情報の提供、パスポートの期限切れに関するリマインダーの送信、空港内での案内などの機能を提供することができました。

限界： この種のAIは、特定の独自アプリに紐付いた大規模なカスタムメイドのプロジェクトです。ほとんどの企業にとって、このようなものをゼロから構築することは現実的ではないかもしれません。また、AIの知識が1つのプラットフォーム内に閉じ込められてしまい、他の場所で活用できないという側面もあります。

異なるアプローチ： より迅速に導入できるソリューションを求める企業にとって、eesel AIの内部チャット（Internal Chat）エージェントは、さまざまなナレッジソース（Confluence、Googleドキュメント、Notionなど）に接続でき、SlackやMicrosoft Teamsなどのツール内で動作します。これにより、スタッフ向けの内部ナレッジリソースを迅速に展開できます。

H&M：Eコマース体験の合理化

ユースケース： H&Mは、Kikなどのメッセージングプラットフォーム上でAIチャットボットを使用し、「デジタル・スタイリスト」として活用しました。ボットは買い物客にスタイルの好みを尋ね、新しい商品を見つけたりコーディネートを組んだりするのを手助けします。

報告された成功例： このボットは、ユーザーがH&Mの膨大なカタログの中から商品を選び出すのを支援します。何度もスクロールする代わりに、顧客はインタラクティブな体験を通じて、興味のありそうな服に案内されます。これは、AIを使ってオンラインショッピングをより個人的なものにする好例です。

限界： 商品を見つけるのには便利ですが、このようなEコマースボットの多くは特定の領域に特化しており、それ以上のアクションを取ることができません。注文状況の確認や返品処理、配送の遅延調査などはできない場合があります。つまり、顧客がサポートに関する問題を抱えている場合、会話を人間に引き継ぐ必要が出てきます。

異なるアプローチ： 機能を拡張するために、一部のチャットボットは他のプラットフォームと直接統合できます。例えば、eesel AIのEコマース向けチャットボットはShopifyなどのプラットフォームと連携してアクションを実行できます。これには、注文の検索、返品の処理、チャット内でのプロダクトカルーセルや「カートに追加」ボタンなどの販売機能の提供が含まれます。

バンク・オブ・アメリカ：大規模なパーソナライズされた財務ガイダンスの提供

ユースケース： バンク・オブ・アメリカの「Erica（エリカ）」は、何数百万人もの顧客の日々の銀行業務を支援する仮想財務アシスタントです。支出の追跡、サブスクリプションのキャンセル、残高確認、さらにはメリル（Merrill）投資口座での取引のサポートも行います。

報告された成功例： Ericaは広く利用されている銀行アシスタントです。15億回以上のクライアントインタラクションを処理し、3,700万人以上のクライアントにサービスを提供しており、AIが大規模に個人的な財務アドバイスを提供できることを示しています。

限界： Ericaのようなシステムを構築するために必要なリソースは膨大です。開発期間、セキュリティ設定、継続的なメンテナンスコストを考えると、完全にエンタープライズ向けのカテゴリーに属します。強力なツールではありますが、ほとんどの企業が模倣できるモデルではありません。

異なるアプローチ： エンタープライズグレードのセキュリティ機能を提供しつつ、代替となるソリューションも存在します。eesel AIはデータの暗号化を提供し、SOC 2 Type II認定のサブプロセッサーを使用しており、迅速なセットアップができるよう設計されています。このアプローチは、グローバルバンクのようなリソースを持たない企業でも、安全なAIを利用できるようにすることを目指しています。

カスタマーサービス向けAIチャットボットの共通の課題

上記の例を見ると、いくつかのパターンが見えてきます。大規模なAIは素晴らしいものですが、典型的な導入プロセスには、多くのチームにとって導入を困難にする課題が伴います。

長期間にわたる複雑なセットアップ

多くのプラットフォームでは、長期のオンボーディング、複雑な設定、エンジニアの工数が必要です。デルタ航空やバンク・オブ・アメリカが使用しているようなカスタムソリューションは構築に数年を要しており、結果が出るまでに長い時間がかかりました。

柔軟性がなく、管理が難しいワークフロー

古いAIシステムは、複雑で硬直した論理ツリーに依存していることが多く、更新が困難です。ビジネスのポリシーが変わったとき、すべてを手動でやり直さなければならないこともあります。硬直した考え方は時として顧客体験に悪影響を与えるため、戦略の変更が必要になります。

「ビッグバン」ロールアウトのリスク

多くのAIツールでは、顧客に公開する前に安全にテストする方法がありません。そのため、とりあえず「オン」にしてうまくいくことを祈るしかなく、これは大きなリスクです。これが、多くのサポートマネージャーがAIに顧客とのチャットを完全に任せることに慎重になる理由です。

高コストと不透明な価格設定

カスタム構築は高価ですが、標準的なSaaSプラットフォームであっても、価格設定が複雑で予測しにくいことがあります。解決件数ごとに課金されたり、エージェントごとの高額なライセンス料がかかったりするため、予算を立てるのが難しくなります。

カスタマーサービス向けの共同型AIモデル

代替となるアプローチは、AIを「チームメイト」として捉えることに重点を置いています。このモデルは、従来のAIプロジェクトを阻んできた課題を解決するために構築されています。

「人間が介在する」体制で、数分で本番稼働

eeselは「設定」ではなく「招待（invite, don't configure）」という手法を採用しています。ZendeskやFreshdeskなどのヘルプデスクに接続するだけで、過去のチケット、マクロ、ヘルプセンターの記事から即座に学習を開始します。数分で準備が整います。

また、デフォルトで人間が介在する（human-in-the-loop）体制からスタートします。eeselのAI Copilot（AIコパイロット）は、人間のエージェントが承認、編集、または無視できる回答案を提示します。これにより、AIが誤った回答をするリスクを最小限に抑えつつ、チームの生産性を向上させることができます。

平易な英語で制御とカスタマイズが可能

eeselに指示を出すのに開発者である必要はありません。声のトーン、実行できるアクション、エスカレーションのルールを、シンプルで自然な言葉を使って設定できます。例えば、「30日を過ぎた返金リクエストについては、丁寧に断り、代わりにストアクレジットを提案してください」と指示できます。

また、eeselにはシミュレーションモードがあり、過去の数千件のチケットを使って設定をテストできます。これにより、実際に顧客とやり取りする前に、どのように機能したはずかを確認し、解決率の予測を得ることができます。これは「ビッグバン」ロールアウトのリスクを軽減するのに役立ちます。

見習いからフロントライン・エージェントへの明確なステップアップ

eeselは、段階的で管理された導入ができるように設計されています。最初は「見習い（trainee）」としてチームのために回答案を作成することから始めます。チームからのフィードバックを学習するにつれ、特定の種類の質問を処理させたり、最終的にはフロントラインのサポートを単独で任せたりと、「昇進」させることができます。このプロセスにより、信頼を築き、品質管理を維持することができます。

透明性の高い価格モデル

一部のプラットフォームでは、異なる価格モデルを提供しています。例えば、eeselの価格設定は、インタラクションごとの支払いプランに基づいています。エージェントごとの席数料金はないため、コストは予測可能で、成長に合わせて拡張できます。

特にKlarnaの事例は、カスタマーサービスにおけるAIの未来について広範な議論を巻き起こしました。これは、大規模な自動化に伴う巨大な可能性と、重大なリスクの両方を示す強力な例となっています。以下のビデオでは、最初の発表とその業界への影響について探っています。

CX Todayによるこのビデオでは、KlarnaのAIアシスタントに関する最初の発表と、それがカスタマーサービス業界に与える影響について解説しています。

チームの置き換えではなく、増強を目指す

大手企業の例は、AIの可能性と共通の課題の両方を浮き彫りにしています。重要な教訓は、一つの有効なアプローチは、エージェントを置き換えるのではなく「増強（augment）」することであるということです。

このアプローチは、チームに有能な「AIチームメイト」を提供し、定型的なタスクを処理させることに重点を置いています。これにより、人間のエージェントは共感や創造的な思考が必要な高価値な会話に集中できるようになります。

「協調」「安全性」「使いやすさ」に焦点を当てた「AIチームメイト」モデルは、企業がカスタマーサービスでAIの活用を始めるための一つの道筋となります。

このモデルについて詳しく知るには、eeselを自社のヘルプデスクに招待して、過去のチケットでどのようなパフォーマンスを発揮するか試してみてください。