単なるブームという言葉ではおさまらないほど、AI導入機運が高まる国内のコンタクトセンター／カスタマーサポート市場。しかし、事例の多くは要約による後処理時間の短縮、部分的な呼量削減程度で、ドラスティックな変革や顧客満足度／ロイヤルティ向上を果たした事例はまだほとんど耳にしない。さまざまな活用シーンで導入支援するテックタッチの中出氏が現状と課題を改めて整理する短期連載、１回めの日米コンタクトセンターにおける違いから検証する。
テックタッチ 取締役CFO/CPO 中出昌哉
米国のフィンテック企業であるRampでは、カスタマーサポートへの問い合わせの90％を、人間が一切介在することなくAIエージェントで解決している。住宅ローン大手のRocket Mortgageでは、かつて数日を要した借り換え手続きが、AIによって約30分で完結するようになった。いずれも、AIカスタマーサービスのスタートアップであるSierra社のプラットフォームが支えているサービスだ。Sierraは元Salesforce共同CEOのブレット・テイラー氏が2023年に創業し、わずか2年間で企業価値100億ドル（約1.5兆円）に達した。Fortune 50企業の40％がすでに顧客だという。
ファストフード業界の状況も似ている。Wendy’sは「FreshAI」と名付けたAI音声注文システムをドライブスルーに実装し、Taco Bellも全米で音声AIの展開を進めている。マクドナルドも2024年にIBMとのAI音声注文テストを実施、精度不足で一度は打ち切ったものの、Google Cloudと組み直して４万3000店舗へのAI導入を再び推進中だ。注文精度をAIで検証する「Accuracy Scales」、AIが店舗運営を管理する「仮想AIマネージャー」——テクノロジーを店舗オペレーションの根幹に据えるという方針には、揺らぎがない。
そして米国の調査会社大手、Gartnerは2026年中に会話型AIがコンタクトセンターのエージェント人件費を全世界で800億ドル（約12兆円）削減すると予測している。Deloitteも生成AIを導入済みの企業のうち25％が2026年末までにAIエージェントの本格展開に踏み切ると見込む。数字だけ見れば、答えは明白に思える。「AIで人間を置き換える」ことが、コンタクトセンターの未来だ、と。
しかし、日本のコンタクトセンターが同じ道を辿れるかどうかは、「やる気」の問題ではなく「構造」の問題でもある。少なくとも今後５年のスパンで見れば、日本市場の構造が指し示す方向は完全自動化ではなくCo-pilot型——AIが人間の判断を横で支えるモデル——だと考えている。日本では、2030年に向けて数百万人規模の労働力不足が見込まれており、AIに期待される役割も「人を置き換える」こと以上に、「限られた人材の力を増幅する」ことへと傾くだろう。10年後の技術環境は予測しがたいが、現時点での構造的条件が示す道筋は明確だ。
1. 米国はなぜ「完全自動化」に走るのか
米国のコンタクトセンターが完全自動化に突き進んでいる背景には、いくつかの事情がある。まず、人件費の高さだ。米国のコンタクトセンターにおけるエージェントの平均年収は日本の同職種と比較して高く、そのうえに離職率は30〜45％に達する。採って、育てて、辞められる。このサイクルのコストが重いからこそ、「そもそも人間を介在させない」こと自体が直接的なコスト削減になると考えられている。
次に、「成果ベース課金」という新しいビジネスモデルが登場したことが大きい。Sierra社に代表される新興プレイヤーは、AIが顧客の問題を「実際に解決した件数」に応じて課金する。従来の「席数×月額」とは根本的に異なるこのモデルは、導入企業にとってROIの計算を極めてシンプルにした。「人間１人分のコストで、AIは何件さばけるか」——この比較が容易になったことで、自動化投資のアクセルが一気に踏まれている。
そして、音声AI技術の進化だ。2026年現在、英語圏の音声AIはレイテンシ（応答遅延）500ミリ秒以下を実現し、音声クローニング技術によって「人間と区別がつかない」レベルの会話品質に近づきつつある。電話の相手がAIなのか人間なのか、もう顧客にはわからない——そんな世界が英語圏では現実になり始めている。
つまり、米国で起きていることは単なる「AIブーム」ではない。人件費構造・ビジネスモデル・技術成熟度の３つが同時に揃ったことによる構造的な転換だ。
2. 日本はなぜ「そうなりづらい」のか
翻って、日本のコンタクトセンターを見てみよう。
リックテレコム刊「コールセンター白書2025」の調査では、生成AIの導入率は前年度から大きく伸びている。しかし中身を見ると、VOC（顧客の声）の要約、FAQの自動生成、音声マイニングによる全件要約といった「裏方業務の効率化」が中心で、顧客との直接対話をAIに任せるケースはまだ少数だ。
なぜ、米国のような「完全自動化」に向かわないのか。そこには3つの構造要因がある。
（１）日本語の壁
日本語の自然言語処理は、英語と比べて格段に難しい。敬語の使い分け、方言、主語の省略、曖昧な表現に加えて日本語はそもそも文脈依存度が高く、同じひと言でも前後の会話で意味が大きく異なる。例えば、「赤色のセーターがお気に入りで嬉しい」（ポジティブな評価）、「もっといろんなバリエーションがあると嬉しい」（要望）といった具合だ。AIにとっては、この「コンテキスト込みで意図を推定する」ことがとにかく厄介だ。英語圏で実現されている「人間と見分けがつかない音声AI」を、日本語の電話応対で同じ水準に持っていくには、まだ距離がある。
（２）「おもてなし」が規定する期待値の高さ
日本のサービス文化——「おもてなし」は、単なるマナーの話ではない。それは、日本の顧客が無意識のうちに持っている「期待値のベースライン」そのものの規定といえる。ニーズを「言われる前に」察する、声のトーンから感情を読み取る、些細な不便にも丁寧に謝る。こうした体験が「当たり前」として求められる市場では、AIが正確な回答を返すだけでは足りない。「正解を出すこと」と「信頼される対応をすること」の間にある溝は、日本市場では他国よりもずっと深い。
象徴的なのは、ソフトバンクが開発した「エモーション・キャンセリング」技術だろう。顧客の怒りの声をAIが穏やかなトーンに加工し、オペレータの心理的負担を減らすというソリューションだが、注目すべきはその設計思想だ。「AIが顧客に代わって応対する」のではなく、「人間のオペレータがより良い応対を続けられるようにAIが支える」ということにある。日本市場が求めているのは、AIによる「代替」ではなく、AIによる「支援」なのだということを、この技術は端的に示している。
（３）人件費構造の違い
米国ではオペレータ１人あたりの人件費が高いため、「人を減らす」ことが直接リターンになる。しかし、日本では同じロジックが成り立ちにくい。むしろ日本の多くのセンターが抱えている課題は、「人が足りない中で、１人ひとりのパフォーマンスをいかに上げるか」だ。人を減らすのではなく、人を活かすためにAIを使う——この方向性は、日本の人件費構造から半ば必然的に導かれる結論でもある。
日本のコンタクトセンターにとって「完全自動化」は、構造的にフィットしない。そして、その代わりに浮かび上がるのが「Co-pilot型」——AIが人間の隣で判断を支えるモデル——だ。これを、日本のサービス文化に根ざした「おもてなしモデル」と呼びたい。具体的には、AIが裏方として、顧客の発話内容に応じて、過去の問い合わせ履歴や契約情報、関連FAQ、注意すべき案内事項がその場で自動表示され、応対後の記録や要約まで引き受ける。人間はそのぶん、検索や後処理といった作業負荷から解放され、顧客の不安や不満の背景を読み取り、どの順番で、どの温度感で伝えるべきかという対話そのものに集中できる。この役割分担こそが、日本市場の強みを活かす形だと考えられる。
3. Co-pilot型が応対現場にもたらすもの
では、Co-pilot型は現場で具体的にどう効くのか。完全自動化との違いを整理しておきたい。
●オペレータの「判断力」が拡張される
Co-pilot型では、AIが顧客の発言をリアルタイムに分析し、「このFAQを参照してください」「今の発言にはリスクがあります」と横からガイドする。オペレータは情報検索や文脈整理という「作業」から手が離れ、「顧客の感情を読み取り、最適な言葉を選ぶ」ことに集中できるようになる。
その結果、応対中に「この顧客が本当に不安に思っていることは何だろう」と考える余裕が生まれる。表面的な質問の処理ではなく、顧客の言葉の裏にある感情や本音に耳を傾ける時間ができる。完全自動化型では、AIが「処理」を担い、人間は例外対応にのみ介入する。Co-pilot型は、すべての応対において人間の判断力をAIが底上げする。この違いは、応対品質の「平均値」にはっきり現れてくる。
●複雑な案件への対応力が維持される
マクドナルドがIBMとのAI音声注文テストを打ち切った背景には、複雑な注文パターンへの対応精度の問題があった。自動化率90％を達成しているRampでさえ、残りの10％——複雑で感情的な対応が求められるケースは、引き続き人間が担っている。
コンタクトセンターでも事情は同じだ。定型的な問い合わせはAIで処理できても、クレーム対応、複数の条件が絡む問題、顧客の感情が高ぶっている場面では、人間の判断ナシでは回らない。Co-pilot型であれば、こうした高難度の案件でもAIがリアルタイムに情報を整理・提示し、人間の対応品質を支え続けることができる。
●現場の持続可能性が高まる
完全自動化型では、「AIに任せる業務」と「人間がやる業務」の線引きが曖昧で、オペレータが「AIが失敗した時の後始末係」に位置づけられがちだ。これはモチベーションの低下と離職を招く。Co-pilot型であれば、オペレータの役割は「AIの補助」ではなく「AIに支えられた判断者」だ。自分の判断が応対の中心にあるという実感は、仕事への意義を保ち、長期的な人材定着につながる。人手不足が深刻な日本のコンタクトセンターにとって、これは見過ごせないポイントだ。
4. もう１つの価値軸——VOCの回収と経営への還元
ここまではCo-pilot型の「応対現場でのメリット」を見てきた。しかし実は、このモデルにはもう１つ、別の階層の価値がある。VOC（顧客の声）の回収と経営への還元だ。
これは「応対品質が上がりました」という話とは、そもそもレイヤーが異なる。現場で何が起きるかという議論と、その結果として企業が経営レベルでどんな情報を手にできるかという議論は、分けて考える必要がある。
完全自動化型のAIは、顧客の問い合わせを効率よく「処理」することに最適化されている。問題が解決されれば、トラブルチケットはクローズされる。しかしその効率的な処理の過程で、顧客が言葉の裏に込めた「期待外れだというため息」や「この機能があれば使い続けたいという微かなニーズ」——そうした感情的な文脈は、どうしても削ぎ落とされてしまう。
AIがコモディティ化する時代——どの企業のAIも、同じ品質の「正解」を返せるようになる時代——において、差別化の源泉は「正確な回答」だけではない。顧客自身がまだ言語化できていない潜在的なニーズを拾い上げ、製品開発やサービス改善に還元できるかどうか。ここが、企業間の競争力の分かれ目になっていく。
Co-pilot型では、AIが応対を支えることでオペレータに時間的な余裕が生まれ、「顧客の本音を汲み取る」という仕事が初めて可能になる。この「経営の種」としてのVOCの回収は、自動応対では構造的に難しい。有人チャネルとCo-pilot型の組み合わせだからこそ成り立つ、もう１つの価値軸だ。
「効率化」と「経営インテリジェンスの獲得」は、目的が異なる。日本型のCo-pilot型はこの両方を同時に実現し得る構造を持っている。センターを「処理工場（コストセンター）」から「経営に情報を還元する拠点（バリューセンター）」へと進化させる可能性は、完全自動化型よりもCo-pilot型の方が高い。
5. しかし「現場」は止まっている
ここまでの議論は、いわば戦略の方向性の話だ。しかし多くのセンターでは、この方向性が正しいと頭では理解しつつも、現場の実装が進まないという壁にぶつかっている。
原因は、マネージャー・SV・オペレータの三者の間にある、認識と負担のギャップだ。
マネージャー・経営層がAI導入に期待するのは、AHT（平均処理時間）の短縮や自己解決率の向上による生産性の改善だろう。これは経営判断として当然のことだ。ただ、「AIを入れたのだから、要約時間は半分になるはず」という期待が先行すると、現場が新しいツールに適応するまでの過渡期に生じる混乱や、品質のバラつきといった"移行コスト"が見えにくくなることがある。また、トップダウンでのAI導入は中々現場に浸透しないことも多い。
SV・現場管理者にとって、AIは「新たな管理対象」だ。AIの誤回答（ハルシネーション）が招く品質事故のリスクを最終的にフォローするのはSVであり、AIが生成した要約やFAQの精査・修正に追われる「確認コスト」は増える一方だ。本来注力すべきエージェントの育成やメンタルケアの時間が、AIの”お守り”に食われている。
オペレータの負荷はさらに切実だ。応対しながらCRMに入力し、別のタブでFAQを検索し、さらにAIの回答案が妥当かどうかを瞬時に判断する——この認知コストの重さは、実際にやってみないとわからない。複数の画面を行き来するスイッチングコストは疲弊とミスを生む。AIの回答を鵜呑みにして顧客トラブルが起きるリスクを考えれば、使い慣れた紙のメモの方が「安全」だと感じるのは、リテラシー不足ではなく合理的な判断だ。
この三者のギャップを放置したまま「AIを入れたから効率化できるはず」と期待しても、返ってくるのは投資に見合わないROIと、疲弊した現場だけだ。
6. 2026年、問われている問い
米国では、人件費の高さと技術の成熟が「完全自動化」を構造的に後押ししている。日本では、言語の特性、顧客期待値の高さ、人件費構造の違いから、同じモデルをそのまま持ち込んでも機能しない。
ただしこれは、日本が「遅れている」という話ではない。日本市場の構造は、AIが人間の判断力を支えるCo-pilot型を必然的に要請している。そしてこのモデルには、応対現場でのメリットに加えて、VOCの深い回収を通じた経営インテリジェンスの獲得という、完全自動化にはない価値がある。
問題は、この方向性を現場で実装するための設計がまだ確立されていないことだ。
AIを導入しても現場が変わらない。その根本原因は、AIの性能ではなく、マネージャー・SV・オペレーターの三者が「何をAIに任せ、何を人間が判断するか」の境界線を共有できていないことにある。
2026年に問われているのは、「AIで何ができるか」ではない。「AIによって浮いたリソースを、どこに再投資して顧客との信頼を築くか」という設計の問いだ（パート２に続く）
出典・参考資料：
- 「コールセンター白書2025」（リックテレコム刊）
- Sierra AI 公式サイト・事例（sierra.ai）
- “Agent-Building Agent: Sierra Launches AI Customer Service Agents Builder”, WinBuzzer (2026年3月26日)
- “McDonald’s bets on AI in 2026 to fix a major problem”, TheStreet (2026年1月15日)
- “McDonald’s is ending its drive-thru AI test”, Restaurant Business (2024年6月14日)
- Gartner: Conversational AI in contact centers forecast (2026)
- Deloitte: 2026 Global Predictions on AI agent deployment
- “AI powered Customer Support in Japanese: Balancing Efficiency with Traditional Hospitality”, LiveSalesMan (2025年1月)
＜著者プロフィール＞
中出昌哉
テックタッチ株式会社 取締役CFO/CPO
テックタッチでは、「AI Central」（AI技術を活用した新規事業開発を担う専門組織）の事業責任者としてAI戦略をリード。プロダクト戦略責任者（CPO）および財務責任者（CFO）も担う。一般社団法人日本CPO協会の理事も務める。東京大学経済学部、マサチューセッツ工科大学（MIT）MBA卒。野村證券株式会社にて投資銀行業務に従事し、素材エネルギーセクターのM&A案件を多数手がける。その後、カーライル・グループにて投資業に従事。ヘルスケア企業のバリューアップや、グローバル最大手の検査機器提供会社への投資等を担当。テックタッチには2021年3月、CFOとして入社。著書に、『やりきる意思決定-生成AIという「人間を超える知性」を従える究極のビジネススキル-』（かんき出版）がある