HubSpot Service Hub のナレッジベース AI: 仕組み、設定方法、コスト

Service Hub における「ナレッジベース AI」の意味

ナレッジベース はそれ自体では、ヘルプ記事の整然としたライブラリ、つまり顧客がチケットを開く前にたどり着くセルフサービスセンターにすぎません。「AI」の部分は、そのライブラリに 2 つの新しい仕事をさせるために HubSpot が上に重ねるものです。自分で質問に回答し、何が欠けているかを教えてくれます。

HubSpot Service Hub は HubSpot のカスタマーサービス製品で、HubSpot CRM の上に直接構築されているため、サポート、営業、マーケティングがすべて 1 つの顧客レコードを参照します。ナレッジベース自体は有料機能で、Professional プランでは 最大 2,000 記事のナレッジベース 1 つ が利用でき、Enterprise では 25 個のナレッジベースと 10,000 記事まで拡張します。

これが重要な理由は、ナレッジベースは完全で最新であるぶんだけ役に立つものであり、それを手作業で維持するのはサポートチームの誰も進んで引き受けたがらない雑務だからです。AI 機能はその問題に対する HubSpot の答えです。ちょうど 2 つあり、それぞれ別の仕事をするので、何かをオンにする前に分けて理解しておく価値があります。

2 つの AI 部分: Customer Agent と Knowledge Base Agent

Breeze Customer Agent: 回答レイヤー

Breeze Customer Agent は玄関口です。メールとライブチャットの問い合わせに 24 時間 365 日対応する AI エージェントで、ナレッジベースの記事と接続されたコンテンツから回答を引き出します。名前、目標、性格を与えてナレッジベースに向けると、ソース記事へのリンクを含む回答で顧客に返信し始めます。

これが実際にチケットを自己解決する部分です。顧客がナレッジベースですでに回答済みのことを尋ねると、Customer Agent が最初から最後まで処理し、チケットは人間に届きません。HubSpot 自身の説明では、解決率を 会話の 65% とし、解決時間の 39% 削減を主張しています。これらはベンダーの数字なので、約束ではなく上限として扱ってください。ただし仕組みは健全です。良い記事が入り、自己解決されたチケットが出ていきます。

Breeze Knowledge Base Agent: 執筆レイヤー

ここが実際に面白い部分であり、「ナレッジベース AI」が単なるチャットボット以上である理由です。Breeze Knowledge Base Agent（2026 年半ば時点でベータ）は逆方向に働きます。記事を読むのではなく、解決済みの会話を監視し、対応する記事がないまま何度も出てくるトピックに気づき、それらをカバーする新しい記事を下書きします。

上のスクリーンショットで、HubSpot は「ナレッジギャップ」テーブルを表示し、「Sustainable Products」のようなトピックを、それに触れた会話の数でランク付けし、完成した下書きをそっとナレッジベースに落として確認できるようにします。これこそが、2 つのエージェントを別々よりも一緒のほうが価値あるものにするループです。Customer Agent がドキュメントから回答し、Knowledge Base Agent がドキュメントが尽きる場所に気づき、次の顧客の一団は前の一団が得られなかった回答を得るのです。

賢い設計であり、紙の上ではどのサポートリーダーも欲しがる自己維持型のナレッジベースです。正直な注意点は、「解決済みの会話を監視する」とは、これから先のやり取りから学習することを意味し、すでにアカウントに眠っている何年分ものチケット履歴からではないということです。このギャップには後で戻ってきます。HubSpot のアプローチと、過去のチケットで学習する ために作られたツールを分ける主な点だからです。

Service Hub でナレッジベース AI を設定する方法

設定の順番が重要です。回答レイヤーは回答するための記事を必要とするので、まずナレッジベースを構築し、それからエージェントをオンにします。

1. ナレッジベースを公開する。 Service 設定からナレッジベースを作成し、最もよくある質問をカバーする記事を少なくとも数本公開します。何かが本番に出るまで Customer Agent には自己解決するものがないので、「完全な」ライブラリを待つのではなく、上位 10〜20 の質問トピックから始めましょう。
2. Customer Agent をオンにする。 AI エージェント設定で、エージェントに名前を付け、目標（例えば「課題を解決する」）を設定し、トーンを選び、ナレッジベースとその他の承認済みコンテンツに接続します。対応するチャネルを絞り込めるので、まずはチャットだけで始めるのが合理的です。
3. Knowledge Base Agent（ベータ）を有効にする。 会話が流れ始めたら、Knowledge Base Agent をオンにして、繰り返し発生する未回答トピックをナレッジギャップとして記録し、それらの記事を下書きさせます。
4. 公開する前に確認する。 エージェントは下書きします。自動公開はしません。各下書きを正確さとトーンの観点から確認し、編集してから承認します。この確認ステップが品質のゲートなので、最初の数週間は省かないでください。
5. ナレッジギャップレポートを見守る。 ギャップテーブルをバックログとして扱いましょう。会話が最も多く記事がないトピックこそ、次の自己解決が生まれる場所です。

最初に指摘しておく価値のあることが 1 つあります。両エージェントは Professional プラン以上に存在し、これには必須の一度きりのオンボーディング費用も伴います。つまり「AI をオンにする」は既存プランの無料トグルではなく、有料ティアに紐づいています。これが、ほとんどの設定ガイドが省く部分につながります。

実際にかかるコスト

HubSpot Service Hub はシート単位の料金で、ナレッジベースと両 AI エージェントは Professional ティア以上でのみ登場します。AI のコストを単独の「最低料金」ではなく文脈の中に置けるよう、全体像をここに示します。

料金は HubSpot の Service 料金ページ に基づき、オンボーディング費用は HubSpot のオンボーディングページ に基づきます。完全な内訳は HubSpot 料金ガイド にあります。

AI 自体はシートの上に乗る従量制のクレジットシステムで動きます。HubSpot が 2026 年 4 月に 成果ベースの料金体系へ移行 して以来、Customer Agent は 解決済み会話 1 件あたり 50 クレジット かかり、1,000 クレジットあたり 9 ドルの年間クレジットレートでは、おおよそ 解決 1 件あたり 0.50 ドル になります。含まれる割り当ては、その固定数をカバーします。Professional の 3,000 クレジットは月に約 60 件の解決、Enterprise の 5,000 クレジットは約 100 件です。それを超えると、追加の HubSpot Credits を購入します。

その料金体系には、二度読む価値のある定義が埋もれています。会話は、AI が コンテンツソースを共有するかアクションを実行し、72 時間以内に人間への引き継ぎがない とき、またはリードを認定したときに「解決済み」としてカウントされます。ある分析が述べたように、「HubSpot の定義による『解決済み』は、『顧客が満足して去った』のと同じではない。」諦めて返信しなかった顧客は、完璧な回答を得た顧客と見分けがつきません。スキャンダルではなく、この指標を盲信せず見守るべき理由にすぎません。

HubSpot のネイティブ KB AI が物足りない点

HubSpot のナレッジベース AI は実在する機能する機能であり、すでに HubSpot CRM の中で生活しているチームにとっては最も抵抗の少ない道です。しかしドキュメントとユーザー報告を掘り下げると、3 つの限界が際立ち、それらが人々を Service Hub AI の代替手段 へと向かわせます。

記事から学習し、チケット履歴からは学習しない。 Customer Agent は公開済みコンテンツから回答し、Knowledge Base Agent はこれから先の会話から下書きします。どちらも、チームが平易な言葉であらゆるエッジケースに少なくとも一度は答えてきた、すでに解決済みの数千件のチケットを掘り起こしません。そのバックログはサポートチームが持つ最も豊かな学習データであり、HubSpot のネイティブ AI はそれをほとんど床に放置しています。

本番稼働する前に実際のチケットでテストできない。 過去の会話のサンプルに対してエージェントを走らせ、何と言ったであろうかを確認する方法がないので、最初の本番テストが本物の顧客になります。ティア 1 サポート のワークフローにとっては、それは緊張するローンチの仕方です。

コストは静かに積み重なる。 シート単位の料金、年間コミットメント、1,500 ドルまたは 3,500 ドルのオンボーディング費用、そしてその上に乗る従量制クレジット、これらすべてが積み上がります。独立系の料金記事は同じ結論にたどり着き続けます。ある HubSpot 料金分析 が述べたように、「異なるハブ、シート料金、オンボーディング費用、追加クレジットの間で、最終的な価格は予想よりはるかに高くなることが多い。」

どんなサポート AI でも常に出てくる、そして購入者が最も気にするコントロールの問題もあります。恐れは AI が役立たずだということではなく、間違ったことを自信たっぷりに答えることです。私たちが話したあるサポートリーダーは、まさに的確に言い表しました。

「AI が質問の 100% に答えられることは決してない…私が必要なのは、自信を持って対応できるチケットだけを処理し、それ以外はすべて放っておく AI です。」

DTC サプリメント企業の CX リーダー、eesel AI 顧客リサーチ

その本能、つまり AI に確信のあるものを取らせ、それ以外はすべて人間に渡すというのは、信頼できるディフレクション数値と信頼できない数値との差です。

これらは Service Hub の AI が間違った選択だということを意味しません。ナレッジベースがすでに充実していて HubSpot の料金体系に満足しているなら、始める場所として妥当であり、私たちの Service Hub AI に関する完全な評価 がさらに深く掘り下げています。しかしこれら 3 つの限界のいずれかが決め手になるなら、それを直すために HubSpot を離れる必要はありません。

あなたの HubSpot ナレッジベースの上で eesel AI を試す

eesel AI は HubSpot に接続し、まさにそれら 3 つのギャップに対処する AI サポートエージェントです。公開済みの記事だけでなく、初日から 過去の解決済みチケットとヘルプドキュメント から学習するので、チームがすでに書いた何年分もの回答がすぐに使える知識になります。その シミュレーションモード は、ライブの顧客に触れる前に何千件もの過去チケットに対してエージェントを走らせるので、ディフレクション率を確認し、ギャップを先に見つけられます。そして信頼度ベースのルーティングにより、確信があるときだけ回答し、それ以外はすべて下書きまたはエスカレーションします。これはあの DTC リーダーが求めていたコントロールそのものです。

料金は チケット 1 件あたり 0.40 ドル の従量制で、シート料金もプラットフォーム料金も必須のオンボーディング料金もないので、コストは AI が実際に処理した分に応じてスケールします。Gridwise のようなチームは、初月でティア 1 リクエストの 73% を解決する のを目にしました。HubSpot のナレッジベース AI を、すでに解決済みのすべてから学習するレイヤーと比較検討しているなら、それこそが行う価値のある比較です。既存の HubSpot セットアップ に接続して、無料トライアルで始められます。