AIコンタクトセンター構築のための『再設計』 運用し続けるための壁の越え方 第4回

2026年12月号 <AIコンタクトセンター構築のための『再設計』 運用し続けるための壁の越え方>

長崎大都

戦略編

第4回最終回

日本型ナレッジの「壁」を越える
人とAIをつなぐ新たな学習基盤

全件対応を重視する文化に精緻なマニュアル、現場に蓄積された暗黙知。日本のコンタクトセンターの応対品質を支えてきたこれらの強みが、AIオペレータの導入・運用においては新たな課題となる。最終回では、日本固有のナレッジ構造を解明し、人とAIが共通の基盤で学び、応対品質を高め続ける「ヒューマンAIループ」のあり方を解説する。

PROFILE
RightTouch 代表取締役CEO
長崎大都
京都大学を卒業後、IGPI入社。複数企業の事業戦略立案から新規事業立ち上げ、事業投資に従事。2019年よりプレイドに参画しRightTouchを創業。AIコンタクトセンター構築を支援するプラットフォーム「QANT(クアント)」を開発・提供。代表取締役として事業全体をリード。

 これまで本連載では、AIオペレータを本格的に機能させるための具体的な手法を扱ってきました。しかし、なぜ日本のコンタクトセンターにはここまで緻密なナレッジ設計や運用体制が必要になるのでしょうか。その答えは、日本固有の規制・文化・顧客期待が重なって生まれた「日本型ナレッジ」の構造にあります。

 最終回となる今回は、この問いの根っこにある、日本のコンタクトセンターならではの構造と、AIコンタクトセンターがそこにどう向き合うべきかをお伝えします。

Appleサポートにみる
「顧客の期待」

 例えば、Appleのサポートは、米国では高く評価される一方、日本では評価が分かれることがあります。米国型サポートの代表格であるAppleは、意図的に「8割の顧客の満足とスピード」に最適化された設計を採用しています。即時の交換・修理で大多数を素早く処理する一方、複雑で個別対応が必要な残り2割は後回しになってしまいます。英語圏のレビューには称賛が並びますが、「全件対応・取りこぼしゼロ」が重視される日本市場では、この2割のケースが目立ちやすくなります。

 これは、どちらの設計が優れているという話ではありません。市場ごとに顧客が何を期待し、何を品質と捉えるかが異なる、という話です。日本でAIコンタクトセンターを設計する私たちにとって重要なのは、「日本の顧客が何をどのレベルで期待しているか」を正確に理解し、そこに応えられるAIオペレータを自分たちの手で作ることです。

AIコンタクトセンター設計で
押さえておくべき3つの特徴

 AIコンタクトセンターを設計するうえで押さえておくべき、日本のコンタクトセンターが長年かけて磨いてきた3つの特徴があります。

 1つめは、全件対応を大切にする文化です。例外的な問い合わせも取りこぼさず拾おうとする姿勢が、結果としてナレッジを「足し算」で増やし続けてきました。この蓄積されたナレッジの量こそが、AIオペレータに学習させるべきデータの厚みでもあります。

 2つめは、精緻なオペレータ向けマニュアルです。金融業界の適合性原則、製薬業界の薬機法に基づく報告義務、労働施策総合推進法やカスタマーハラスメント防止条例など、日本の規制は説明責任を重視するため、「何をどう案内し、どう対応したか」を事後的に再現できる粒度のマニュアルが求められてきました。このマニュアルをAIオペレータがどう参照できる形にするかは、連載第2回で課題として扱いました。

 3つめが、文書化されない暗黙知の厚みです。気の利いた一言、お客様のタイプに応じたトーン調整、自社ブランドらしい間合い──ハイレベルな応対品質を決定づけるこれらの要素の多くは、マニュアルには書かれず、ベテランが直接新人に教え、真似させ、フィードバックするという徒弟的なプロセスで受け継がれてきました。

 オランダの心理学者であるヘールト・ホフステード博士の個人主義指標(社会において「個人」と「集団」のどちらを重視する傾向が強いかを表す指標)では、米国の91に対し日本は46と約半分で、個人の利害より集団の調和を優先する社会構造が、この暗黙知の継承を支える土壌になっています。経営学者の野中 郁次郎氏が「暗黙知と形式知の相互の往復」を理論化するSECIモデルを日本企業の観察から生み出したのも、偶然ではありません。この暗黙知をAIオペレータにどう渡すかが、日本のAIコンタクトセンターにとって最大の論点になります。

「日本型ナレッジ」の
強みと構造的課題

 全件対応・エッジケース網羅、強い規制による精緻なマニュアル、そして先回りと共感を重視する暗黙知の厚みというこの3つの特徴は、互いに結びつきながら育ってきました。全件対応を大切にするからナレッジは増え続け、増え続けるナレッジを説明責任に耐える形で残そうとするからマニュアルは精緻になり、精緻なマニュアルの行間を埋めるのが現場の暗黙知になる、という関係です。こうして形成されてきたのが、欧米とは根本的に異なる「日本型ナレッジ」です。そのため、AIオペレータを構築するにあたってこの3つを個別に扱おうとすると、うまくいきません。

 実際、ある金融機関では、オペレータ向けマニュアルは複雑な分岐や注釈だらけで、そのままではAIが正しく読み取れる形式になっておらず、AI向けナレッジを別で構築することにしました。以来、商品改定のたびにオペレータ向けとAI向けの両方を更新する運用が続きました。ある月、担当者の異動が重なり、AI向けだけ更新が漏れました。結果、AIオペレータは古い条件を案内し続け、発覚したのは顧客からクレームが入った後でした。さらに、ベテランオペレータが長年現場で培ってきた「この言い回しのお客様は、実は解約を迷っていることが多い」といった判断は、オペレータ向けにもAI向けにも落とし込めないまま、ベテランの退職とともに組織から失われていきました。

 ナレッジを整理・削減すればAIオペレータに必要な網羅性が失われますし、マニュアルの精緻化だけを進めれば現場の負荷が増し、暗黙知への依存はむしろ深まります。これまでの連載で扱ってきたナレッジ設計や運用体制の話は、AIコンタクトセンターがこの3つの特徴をまとめて捉えられる、1つの構造として設計するための方法論だったともいえます。

人とAIが支え合う
「ヒューマンAIループ」

 その構造こそが、本連載を通じて論じてきた「ヒューマンAIループ」です(図1)。AIコンタクトセンターの土台となる考え方であり、AIオペレータが応対を重ねるほど賢くなる仕組みへと変える発想でもあります。

図1 ヒューマンAIループ
図1 ヒューマンAIループ

 AIオペレータの応対とナレッジ改善を回す「AIループ」と、オペレータの応対とナレッジ改善を回す「ヒューマンループ」──多くの企業はこの2つのオペレーションを別々に回そうとしています。しかし、両者が別々に走っている限り、暗黙知・ナレッジ・教育という3つの「分離コスト」が組織に蓄積していきます。ベテラン暗黙知は消失し、人向けとAI向けのナレッジの二重管理、オペレータを育てる学習サイクルとAIオペレータを育てる学習サイクルは交わらない。AIコンタクトセンター化を進めるほど現場の管理負荷が増すのは、2つのループがバラバラなことから生まれます。

 ヒューマンAIループは、この2つのループを、1つのナレッジ基盤を介して統合します。具体的には3つのことが同時に成立します。第一に、AIオペレータとオペレータ(人)、両方の応対結果が、共通ナレッジ基盤に常時書き戻されます。第二に、オペレータ向けマニュアルとAIオペレータ向けナレッジが、このシングルソースから同時に特定・更新される仕組みを持ちます。

 先ほどの金融機関の例に当てはめてみます。商品改定で約款の解約手数料の条件が変わると、その条項に紐づくオペレータ向けマニュアル、FAQ、AIオペレータ向けナレッジが一覧で特定され、それぞれの形式に合わせた修正案が作られます。担当者が確認して承認すれば、人向けとAI向けの両方に同じ改定が反映されます。逆向きの流れもあります。改定後の応対で、オペレータが「新しい条件はこう言い換えると伝わりやすい」と補った説明や、AIオペレータが答えきれなかった問い合わせは、同じ共通基盤に書き戻されます。そして同じつながりを通じて、人向けとAI向けの両方に届きます。原典の変更も現場の気づきも、片方のナレッジにだけ反映されることはありません。担当者が異動しても、AI向けだけ更新が漏れるという事態は構造的に起こりにくくなります。

 第三に、SVやベテランオペレータが口頭で伝えてきた暗黙知の継承プロセス自体が、AIオペレータの学習プロセスと同じ仕組みに乗ります。オペレータを教育するプロセスとAIオペレータを教育するプロセスを1つにして初めて、これまで個人の頭の中にしかなかった暗黙知が、組織の資産としてAIオペレータに受け渡されていきます。

 この循環が回り続ける限り、全件対応で増え続けるナレッジは整理された形を保ち、説明責任に必要な網羅性は維持され、暗黙知は個人から組織へ、そしてAIオペレータへと着実に移転します。3つの特徴は、AIコンタクトセンター化を阻む対立する課題から、ヒューマンAIループの中で互いを支え合う要素になります。

成否を分ける
「暗黙知」の資産化

 このヒューマンAIループを機能させるカギは、日本のコンタクトセンターに蓄積されてきた暗黙知と、正面から向き合うことです。応対品質を決定づける暗黙知を形式知に変換し、オペレータとAIの応対評価を共通化し、AIオペレータに継続的にフィードバックする仕組みを持てるかどうかが、成否を分けます。

 裏を返せば、日本のコンタクトセンターが積み重ねてきた全件対応、精緻なマニュアル、そして現場に眠る暗黙知は、この仕組みを作るうえで欠かせない土台です(図2)。世界で最も要求水準の高い顧客に応え続けてきたこの土台の上にヒューマンAIループを築き、AIオペレータに落とし込めれば、より広い市場で高付加価値として届けられるようになります。

図2 日本と欧米のサポートの違い
図2 日本と欧米のサポートの違い

◇◇◇

 日本のコンタクトセンターが進むべき道は、全件対応、精緻なマニュアル、暗黙知という3つの特徴を前提として受け止め、これらの特徴を有機的に取り込めるヒューマンAIループを成立させることです。海外で磨かれたAIオペレータ活用の知見も、当然取り入れるべき土台となります。そのうえで、日本の現場に蓄積されてきた暗黙知を、AIオペレータに仕組みとしてきちんと受け渡し、体現できるかどうかが問われています。人とAIが同じ基盤の上で学び合い、応対のたびに組織の知が更新されていく仕組みを持てるかどうかが、これからのコンタクトセンターの応対品質、引いては企業・ブランドそのものの競争力を分けます。

このコンテンツは会員限定です。
限定コンテンツを見るには無料会員登録が必要です。

お申込み

会員限定2026年11月20日 00時00分 公開

2026年11月20日 00時00分 更新

おすすめ記事

その他の新着記事

  • スーパーバナー(コムデザイン)

●コールセンター用語集(マネジメント編)

●コールセンター用語集(ITソリューション編)

記事検索 

購読のご案内

月刊コールセンタージャパン

定期購読お申込み バックナンバー購入