NTTドコモビジネスに学ぶ生成AI電話自動化｜月間3,000件規模の問い合わせを効率化する導入手順
コールセンターや問い合わせ窓口では、人手不足、入電集中、待ち時間の長期化、従来IVRの使いづらさが大きな課題になっています。オペレーターの採用難や離職率の高さにより、従来どおり人だけで問い合わせ対応を続けることに限界を感じている企業も少なくありません。
こうした中で注目されているのが、生成AIを活用したAI電話対応や問い合わせ自動化です。公表情報によると、NTTドコモビジネスは三菱UFJ銀行向けに、生成AIエージェントを活用した発話ベースルーティングを提供しています。顧客の発話内容をもとに問い合わせ意図を判定し、適切な担当者や窓口へ接続する取り組みです。
結論として、生成AIコールセンター導入を成功させるには、AIツールを入れるだけでは不十分です。問い合わせ分類、音声ログ分析、FAQ・ナレッジ整備、有人対応との切り分け、KPI設計、セキュリティ対策をセットで進める必要があります。
なお、本記事で扱う「月間3,000件」は、導入効果を考えるためのモデルケースです。NTTドコモビジネスの公表事例そのものの実績値ではなく、問い合わせ自動化を検討する際の試算前提として解説します。
生成AIによる問い合わせ自動化が注目される背景
コールセンターが抱える人手不足と入電集中
多くのコンタクトセンターでは、繁忙期の入電集中、応答率の低下、放棄呼率の上昇、オペレーター教育コストの増加が課題になっています。金融、通信、保険、公共系の窓口では問い合わせ件数が多く、すべてを有人対応で処理するには限界があります。
さらに、対応品質が担当者に依存しやすい点も問題です。新人オペレーターが多い現場では、FAQやナレッジベースを探す時間が長くなり、AHTやACWが伸びることもあります。
従来IVRでは解決しにくい課題
従来のIVRは、顧客に「1番を押してください」「2番を押してください」と番号選択を求める仕組みです。入電を整理するには有効ですが、顧客にとっては音声ガイダンスが長く、自分の用件がどの番号に該当するか分かりにくいという不満が生まれます。
番号選択ミスによる誤転送や、複数回の転送によるたらい回しが発生すると、顧客体験は大きく低下します。そこで注目されているのが、自然発話をAIが理解して振り分ける発話ベースルーティングです。
NTTドコモビジネスの生成AIルーティング事例とは
発話ベースルーティングの概要
NTTドコモビジネスの公表事例で注目すべき点は、顧客が番号を押すのではなく、電話口で用件を話すだけでAIが内容を解析し、適切な窓口へつなぐことです。これは、従来IVRの操作負担を減らし、誤転送を抑えるためのAIルーティングといえます。
基本的な流れは以下のとおりです。
- 顧客が電話口で用件を話す
- 音声認識エンジンが発話をテキスト化する
- 生成AIが問い合わせ意図を分類する
- FAQ、ナレッジ、接続ルールを参照する
- 最適な窓口、担当者、または自動応答へ振り分ける
ルーティング・自動応答・オペレーター支援の違い
生成AIによる電話対応には、大きく3つの活用領域があります。
| 活用領域 | 内容 | 代表例 |
|---|---|---|
| ルーティング | 用件を判定し、適切な窓口へ振り分ける | 発話ベースルーティング、AIルーティング |
| 自動応答 | AIやボイスボットが定型質問に回答する | 営業時間案内、手続き方法案内 |
| オペレーター支援 | 有人対応中にAIが回答候補や通話要約を支援する | 応対履歴作成、後処理削減 |
NTTドコモビジネスの事例で中心となるのは、顧客の発話内容をもとに適切な接続先へつなぐルーティングです。完全自動化とは異なるため、自社導入時には「どこまでAIに任せるか」を明確にすることが重要です。
月間3,000件規模の問い合わせを自動化した場合に期待できる効果
オペレーター対応件数と待ち時間の削減
例えば月間3,000件規模の問い合わせがある場合、営業時間案内、店舗案内、手続き方法、書類送付依頼などの定型問い合わせをAI電話対応やボイスボットに任せられれば、有人対応の負荷を大きく下げられます。
顧客は長いIVRを聞かずに用件を話すだけで済み、適切な窓口へ早くつながります。結果として、平均待ち時間の短縮、転送回数の削減、CSATの改善が期待できます。
独自モデルによるコスト削減試算
本記事では、月間3,000件の問い合わせに対して、1件あたり5分の対応時間を削減できるケースをモデルとして試算します。
3,000件 × 5分 = 15,000分
15,000分 ÷ 60分 = 250時間/月
月間250時間分の対応工数を削減できる計算です。人件費を1時間あたり3,000円と仮定すると、以下の効果が見込めます。
250時間 × 3,000円 = 75万円/月
75万円 × 12カ月 = 900万円/年
もちろん、実際のROIは自動化率、AHT、AI利用料、FAQ整備コスト、運用改善工数によって変わります。社内稟議では、削減工数だけでなく、応答率改善や顧客体験向上もあわせて説明すると説得力が高まります。
生成AIコールセンター導入の手順
ステップ1. 問い合わせを棚卸しする
最初に行うべきことは、AI製品の比較ではなく、問い合わせ内容の棚卸しです。件数が多い問い合わせ、対応時間が長い問い合わせ、定型化しやすい問い合わせ、誤案内リスクが高い問い合わせを分類します。
| 問い合わせ種別 | AI対応向き | 理由 |
|---|---|---|
| 営業時間・店舗案内 | 高い | 定型回答しやすい |
| 手続き方法の案内 | 高い | FAQ化しやすい |
| 契約内容の確認 | 中 | 本人確認やCRM連携が必要 |
| 苦情・解約相談 | 低〜中 | 感情対応や個別判断が必要 |
| 金融商品相談 | 低い | 誤回答リスクが高い |
ステップ2. 音声ログと応対履歴を分析する
次に、通話ログ、応対履歴、チャットログを分析します。顧客がよく使う言い回し、誤認識されやすい単語、業界用語、社内用語を整理することで、音声認識と意図分類の精度を高められます。
ステップ3. FAQ・ナレッジを整備する
生成AIは参照する情報の品質に大きく左右されます。古いFAQ、重複した回答、表現がばらついたナレッジは整理し、RAGで参照しやすい形式に構造化しましょう。ナレッジマネジメントの整備は、ハルシネーション対策にもつながります。
ステップ4. AIの判定ルールとエスカレーションを設計する
用件分類カテゴリ、接続先ルール、聞き返し条件、有人エスカレーション条件を決めます。重要なのは、AIが迷ったときに無理に回答させないことです。苦情、契約判断、金融商品説明などは有人対応へ切り替える設計が必要です。
ステップ5. PoCで数値検証する
PoCでは「便利そう」ではなく、数値で評価します。発話認識精度、用件分類精度、誤振り分け率、自動応答率、有人転送率、顧客離脱率、AHT削減時間、後処理削減効果を確認しましょう。
ステップ6. 本番導入後に継続改善する
生成AIコールセンターは導入して終わりではありません。通話ログを定期的に分析し、誤分類された問い合わせ、離脱が多いシナリオ、FAQ不足の領域を改善します。SVや現場オペレーターのフィードバックを反映する体制も欠かせません。
導入効果を測るKPI
業務効率化を見るKPI
| KPI | 見るべきポイント |
|---|---|
| 自動応答率 | AIで対応できた割合 |
| 自己解決率 | 有人対応なしで解決できた割合 |
| AHT | 1件あたりの平均応対時間 |
| ACW | 通話後の後処理時間 |
| 応答率・放棄呼率 | 入電に対応できた割合と、顧客が切断した割合 |
顧客体験を見るKPI
顧客体験向上を見る場合は、平均待ち時間、転送回数、一次解決率、CSAT、NPS、クレーム件数を確認します。効率化だけを追いすぎると顧客不満が増えるため、業務KPIとCX指標をセットで見ることが重要です。
生成AI導入時に注意すべきリスク
ハルシネーションと誤回答
生成AIに自由回答を許しすぎると、事実と異なる案内をするリスクがあります。FAQ・ナレッジに基づく回答に限定し、回答できない場合は有人対応へ切り替える設計にしましょう。
個人情報・機密情報の管理
電話対応では、氏名、住所、口座情報、契約情報などを扱う可能性があります。通話データの保存範囲、匿名化、外部LLMへの送信範囲、監査ログ、閉域環境や専用環境の可否を事前に確認してください。
現場オペレーターの抵抗感
AIは人を置き換えるものではなく、オペレーター支援や後処理削減を行う仕組みとして説明することが大切です。SVや現場担当者を巻き込み、改善意見を運用に反映しましょう。
導入前チェックリスト
- 自動化対象業務と有人対応業務を分けているか
- 音声ログ、応対履歴、FAQを分析できるか
- CTI、CRM、ナレッジベースと連携できるか
- 個人情報、監査ログ、閉域環境などのセキュリティ要件を整理しているか
- 自動化率、AHT、ACW、CSATなどのKPIを定義しているか
- AIで対応できない場合の有人エスカレーションを設計しているか
- 導入後にログ分析とFAQ更新を行う担当者がいるか
ベンダー選定時に見るべきポイント
生成AIコールセンターやボイスボットのベンダーを選ぶ際は、機能一覧だけで判断しないことが重要です。日本語の自然発話に強い音声認識エンジンを持っているか、CTI・CRM・FAQと連携できるか、金融・公共系で求められるセキュリティに対応できるかを確認しましょう。
また、PoC設計、シナリオ改善、運用レポート、現場教育まで支援できるベンダーであれば、本番導入後の改善サイクルを回しやすくなります。
よくある質問
Q1. 生成AIで電話問い合わせを完全自動化できますか？
すべての問い合わせを完全自動化するのは現実的ではありません。定型問い合わせや一次分類はAIに向いていますが、苦情対応、契約判断、金融商品説明などは人が対応すべきです。
Q2. 従来IVRと生成AIルーティングの違いは何ですか？
従来IVRは顧客が番号を選択します。一方、生成AIルーティングは顧客が用件を自然に話すだけで、AIが内容を理解して適切な窓口へ振り分けます。
Q3. PoCでは何を検証すべきですか？
発話認識精度、用件分類精度、誤振り分け率、自動化率、有人転送率、顧客離脱率、削減工数、CSATへの影響を検証します。
Q4. 金融機関でも生成AIを使えますか？
利用は可能です。ただし、個人情報管理、誤回答防止、監査ログ、閉域環境、有人エスカレーションなどの設計が重要です。誤案内リスクの高い領域はAIだけで完結させない方が安全です。
Q5. 導入前に準備すべきものは何ですか？
問い合わせログ、FAQ、応対履歴、業務フロー、接続先一覧、セキュリティ要件、KPI設計を整理しておく必要があります。特に、どの問い合わせをAIに任せ、どの問い合わせを人に残すかを事前に決めることが重要です。
まとめ｜生成AI電話自動化は業務設計とセットで進める
生成AIによる問い合わせ自動化は、コールセンターの人手不足、入電集中、待ち時間の長期化を改善する有効な手段です。NTTドコモビジネスの発話ベースルーティング事例から学べるのは、顧客の自然な発話をAIが理解し、適切な窓口へつなぐことで、顧客体験と業務効率を同時に改善できるという点です。
ただし、成果を出すにはAIツールの導入だけでは不十分です。問い合わせ分類、音声ログ分析、FAQ・ナレッジ整備、PoC設計、KPI管理、セキュリティ対策、有人対応との切り分け、継続改善体制をセットで設計しましょう。
これらを段階的に進めることで、月間3,000件規模の問い合わせ自動化も現実的に目指せます。
生成AIによる問い合わせ自動化を検討中ですか？
まずは自社の問い合わせ内容を棚卸しし、AI化しやすい業務と有人対応が必要な業務を整理することから始めましょう。現在の問い合わせ件数、対応時間、FAQ整備状況、CTI・CRM連携状況を確認することで、導入効果を具体的に試算できます。
- 問い合わせ自動化について相談する
- 生成AIコールセンター導入資料をダウンロードする
- 自動化できる業務を診断する
- PoC設計について相談する
