AIで通信業界のカスタマーサポートを自動化する方法

通信業界のサポートが特殊である理由

私はeeselのサポートチームで働いており、日々キューに向き合いながら、実際の自動化が何をもたらすのかを観察しています。通信業界は、純粋な件数の多さが問題の形そのものを変えてしまう業界です。だからこそ、設定を1つ触る前に、その理由をはっきりさせておく価値があります。

通信業界のサポートを他と分ける要素は2つあります。1つ目は、件数が膨大で波が激しいことです。普段の火曜日は「データ残量はどれくらいか」「今月の請求がなぜ高いのか」という質問の洪水ですが、基地局が1つ落ちれば、同じ障害についての質問が1時間で1万件も急増します。2つ目は、キューの相当な部分が規制対象または契約に関わるものであり、単なる情報提供ではないという点です。番号ポータビリティ、早期解約料、解約はボットに自由にやらせたい質問ではありません。つまり通信業界は、自動化に最適な面(巨大で繰り返しの多いTier-1の部分)と、うかつに自動化すると危険な面(残りは実際の法的・金銭的な結果を伴う)の両方を併せ持つ、最も分かりやすいキューなのです。

その繰り返しの多いコア部分こそ、自動化が報われる場所です。私たちが一緒に仕事をしたある大量処理の事業者は1日500件以上のチケットを処理しており、正直な見立てとして、ごく一握りの質問タイプが全体を支配していました。同じわずかな質問が何度も繰り返されているのです。通信業界も同じ形をしていますが、規模がさらに大きいだけです。ここでの罠は、件数が多いからといって初日からAIをすべてに向けるべきだと考えてしまうことです。それは違います。

ステップ1: キュー全体ではなく、Tier-1の部分から自動化する

最もよくある間違いは、AIを一度にすべてに向けてしまうことです。安定していて、文書化された答えのある繰り返しの多いチケットから始めましょう。そここそがAIによるチケットデフレクションが安全で、かつ件数の多い領域だからです。

ほとんどの通信業界チームにとって、自動化しても安全なリストは、データ使用量・残高の確認、プランやオプションに関する質問、SIMアクティベーションの手順、カバレッジや障害状況、パスワードやアカウントのリセットです。人間に残すべきなのは、答えが変動するものや、実際の結果を伴うもの、つまり契約紛争、解約、番号ポータビリティ、不正利用やSIMスワップ、大規模障害のエスカレーションです。

この線引きをあらかじめ行っておくことは、後のエスカレーションルールにもなります。あるチケットがポータビリティのリクエスト、解約、請求に関する紛争のにおいがするなら、AIの仕事はそれを認識して素早く引き継ぐことであり、自分で対処しようとすることではありません。最初のスライスの選び方については、Tier-1デフレクションのプレイブックで詳しく解説しています。

ステップ2: ナレッジを、すべて連携する

このステップが、通信業界のサポート自動化が実際に機能するかどうかを決めます。そして、チームが最も投資を怠りがちなステップでもあります。AIは与えられた情報からしか回答できないので、優れたエージェントなら手を伸ばすであろうものすべてを与えましょう。

それは公開のヘルプセンターだけでは足りません。ナレッジベースや各種文書、請求・プランに関するFAQ、過去に解決済みのチケット(顧客が実際にどう言葉にするかへの本物の答えを示す、あなたが持つ中で最も豊富な情報源です)、社内Wiki、そしてリアルタイムの障害・ネットワーク状況ページも含まれます。そうすることで、基地局がダウンしている最中にAIが「すべて問題ありません」と答えてしまう事態を防げます。

自分でこれを構築する代わりにツールを使う実務的な理由はこうです。eesel AIはヘルプデスク、過去のチケット、そしてConfluence、Google Docs、Slackなど100を超えるソースに数クリックで接続でき、それらを同期し続けます。プランやプロモーションが変わるたびに文書を手作業で再インデックスする、といったことはしたくないはずです。

ステップ3: すべての回答を根拠づけ、引用を必須にする

ここに、信頼できるサポートAIと、負債になってしまうサポートAIを分ける精度の規律があります。すべての回答は、検証済みのナレッジに根拠を置き、元の文書への引用を伴うべきです。「モデルが答えはXだと考えている」ではなく、「これが答えで、これが引用元のプランページです」という形です。

ここから2つのことが導かれ、どちらも通信業界にとって重要です。1つ目は、AIが一般的な学習データからプランや請求に関する質問に答えるのを防ぐことです。これこそが、存在しない料金を作り出してしまうハルシネーションの原因です。2つ目は、誤った回答を「見えるナレッジのギャップ」に変えることです。AIが根拠のある答えを見つけられなければ、それは不足している文書を書くべきだというシグナルであり、顧客に先に見つかってしまう静かな失敗ではありません。ルールベースのチャットボットにはこれができません。だからこそ、顧客が自分の言葉で請求の質問を言い換えた瞬間に、決定木型のボットはもろさを見せてしまうのです。

ステップ4: 確信度に基づいてルーティングし、きれいにエスカレーションする

根拠づけはAIに何を言うべきかを教え、ルーティングはAIにいつ止まるべきかを教えます。AIには、確信があり根拠がある場合には自動返信させ、そうでない場合、あるいはチケットがステップ1で決めた「人間に残す」バケットのいずれかに該当した瞬間にエスカレーションさせたいはずです。月に数千件のチケットを扱うあるCXリーダーが、この要件を私よりうまく言い表しています。

「AIが質問の100%に答えられることは決してありません。私が必要としているのは、自信を持って対応できるチケットだけを処理し、それ以外はすべてそのままにしておいてくれるAIです。」

月に7,000件のチケットを扱うあるCXリーダー

これがすべてです。根拠のある部分では高い確信度で、それ以外の部分ではきれいな引き継ぎを行う。優れたAIチャットのエスカレーションは、単に「受信箱に送る」だけではありません。会話全体、顧客のプランやアカウントの文脈、AIがすでに確認したソースを渡すため、エージェントはスレッドの途中から引き継ぐことができ、顧客に電話番号を3回目も繰り返させることにはなりません。通信業界のキューでは、ルーティングを現実に合わせて配線しましょう。ポータビリティや解約のリクエストは継続維持(リテンション)チームへ、請求に関する紛争は財務チームへ、障害報告はインシデントフローへ、といった具合です。ワークフローのパターンについてはチケットエスカレーションのガイドで解説しています。

ステップ5: 本番稼働前に、実際の過去チケットでシミュレーションする

AIをオンにしてライブトラフィックを見守る、という形でローンチしてはいけません。すでに解決済みの直近数千件のチケットに対して、非公開の場でAIを実行することでローンチしましょう。このステップが「準備できていると思う」を実際の数字に変えてくれます。そして通信業界のキューでは、サンプルサイズが問題になることは決してありません。

優れたシミュレーションは、過去の会話をAIに再生させ、AIが何と答えていたであろうかを見せてくれます。これにより、実際の解決率を測定し、AIがどのチケットで間違えていたかを正確に把握し、顧客が1人も関わる前にコストを予測できます。私たちがこれを行っているのは、自信満々に聞こえるボットが静かに誤った回答をしているのを目にしてきたからです。そのため今では、怒った顧客から悪い回答について知らされるのではなく、すべてのロールアウトをまず過去のチケットに対してシミュレーションしています。

もしシミュレーションの結果、AIがTier-1の45%をきれいに解決し、特定のトピック(たとえば新しいローミングオプション)でつまずいているとわかったなら、それは贈り物です。そのトピックについて文書を修正し、誰にも見られる前に再実行できます。試験運転の中で正しいカスタマーサービスの指標を追うことが、正直な本番稼働の目標を設定する方法です。

ステップ6: 狭い範囲でローンチし、そこから拡大する

本番稼働の際は、対象範囲を絞り込んでおきましょう。1つのチャネル、検証済みのTier-1トピック、それ以外はすべて完全にエスカレーションする、という形です。1〜2週間、実際の数字を見守り、ライブトラフィックで見つかったギャップを修正し、そのあと1トピックずつ範囲を広げていきます。

ここが成果の現れる局面です。モビリティデータ企業のGridwiseは、AIが初月でTier-1リクエストの73%を解決し、その結果は7日間のトライアル中にすでに見えていました。数値化しにくい成果も本物です。あるカスタマーサクセスの新入社員はこう表現しました。

「ベンダーとの関係というより、パートナーシップのように感じます。新しく入ったカスタマーサクセスの担当者は、eesel AIのボットがオンボーディング期間中の親友だったと冗談を言っていました。」

Jon Miron、Yellowdig

よく見かける間違い

通信業界の導入では、いくつかの罠が何度も繰り返し現れます。

• すべてを一度にやろうとする。 初日からすべてのチケット種別を自動化すれば、誰かの請求について公の場で誤答することがほぼ確実になります。検証済みのTier-1の部分から始めましょう。
• マーケティングサイトだけしか与えない。 AIが請求FAQや過去のチケットを読めなければ、実際のプランに関する質問には答えられません。すべてを連携しましょう(ステップ2)。
• 引用がない。 根拠なしに請求に関する質問に答えるAIは、いずれ料金を作り出してしまいます。ソースへのリンクを必須にしましょう。
• 障害時のケースを無視する。 急増時には、AIはネットワーク状況ページを把握し、障害報告をインシデントフローへ回さなければなりません。サービスは問題ないと安心させてはいけません。
• 料金体系を後回しにする。 解決件数課金、会話単位課金、チケット単位課金は本当に異なるものであり、通信業界の件数規模ではその差が深刻な金額になります。契約する前にAIと人間のコストの計算を確認しましょう。

通信業界のサポートにeeselを試す

通信業界のサポートキューを自動化しようとしているなら、eesel AIはまさにこの形の課題のために作られています。巨大で繰り返しの多いTier-1の部分が、絶対に自動化してはいけないチケットのすぐ隣にある、という状況です。既存のヘルプデスク(Zendesk、Freshdesk、Frontなど)に接続し、過去のチケット、文書、請求FAQから数分で学習し、実際のチケット履歴でシミュレーションできるので、本番稼働前に解決率がわかります。料金は従量課金制で、処理済みチケット1件あたり約0.40ドル、席数(シート)課金はありません。そのため、コストは人員数ではなく実際に自動化した分に応じてスケールします。

通信業界に特にフィットする理由は、その「コントロール」にあります。引用付きの根拠ある回答、規制対象の内容に対する確信度ベースのエスカレーション、そして自社の履歴に対する試験運転によって、解約に半分片足を踏み入れた顧客から誤った回答について知らされる、という事態を防げます。