AIカスタマーサポート導入の進め方｜費用相場と有人連携の設計

AIカスタマーサポートの導入で最初に決めるのは、製品名ではなく「今ある問い合わせのうち、どれをAIに渡すか」です。問い合わせは、答えが1つに決まる定型、条件で答えが変わる準定型、個別事情の判断が要る非定型に分かれ、AIが安定して処理できるのは定型と準定型の一部に限られます。実務で自動応答が完結するのは全体の3〜6割程度にとどまり、残りは有人対応に回ります。つまりAIカスタマーサポートは「無人化」ではなく、定型を自動で処理し、人を難しい問い合わせに集中させる仕組みです。この記事では、問い合わせの棚卸し、方式の選定、費用と総額試算、ナレッジ整備、エスカレーション設計、誤回答時の責任、公開判定までを手順として整理します。

AIカスタマーサポートで実際に減るのはどの問い合わせか

AIで減らせるのは、答えが事前に確定していて、顧客ごとに変わらない問い合わせです。「営業時間は」「返品したい」といった定型は自動応答に向きますが、「注文と違う商品が届いた、どうしてくれるのか」のような個別判断を含む問い合わせは、AIに答えさせるべきではありません。導入の成否は、この線引きを事前に決められるかで決まります。問い合わせを次の3分類で見ると、当てどころが判断しやすくなります。

分類	問い合わせの例	AIの担当範囲	自動完結の目安
定型 （答えが1つ）	営業時間、送料、支払い方法、返品条件、サイズ表、操作手順	回答の提示まで完結できる	7〜9割
準定型 （条件で答えが変わる）	配送状況の照会、注文内容の確認、在庫の有無、会員ランクごとの特典	本人確認と外部システム連携ができれば完結。なければ案内まで	3〜7割
非定型 （個別判断が要る）	クレーム、返金の可否判断、不具合の切り分け、個別の契約相談	聞き取りと担当への振り分けまで。回答は人が行う	0〜2割

重要なのは3分類の構成比が業種と商材で大きく違う点です。定型が7割の業態（マニュアルの整った物販、利用方法の質問が中心のSaaS）では効果が出やすく、非定型が半分を超える業態（オーダー品、法人向けの個別契約、医療・金融）では任せられる範囲が構造的に狭くなります。構成比を測らずに製品を比べても判断材料になりません。

①受付・一次応答
AIが担える

②意図の判定・分類
AIが担える

③回答の生成
分類により条件つき

④有人への引き継ぎ
設計しだい

⑤判断・意思決定
人が持つ

⑥ナレッジの更新
人が持つ

※①②は分類によらずAIが担える。③は定型なら完結、準定型は外部連携の有無に左右され、非定型は人に渡す。⑤⑥を人が持つ前提で体制を組むと、導入後も工数が残る理由を説明しやすい。

どの業務領域に当てるかの全体像はAIで業務効率化する方法｜中小企業が始める手順と事例、工程単位の切り分けは生成AIの業務活用｜職種・工程別の使いどころで整理しています。

問い合わせを棚卸しして「AIに渡せる割合」を見積もる

導入前にやるべき作業は1つです。直近3か月の問い合わせを分類し、件数の多い順に並べること。ここを飛ばすと、契約後に「思ったより自動化できない」という結論に至ります。特別なツールは不要で、メール・チャット・電話の記録から100〜300件を抽出して手作業で分類するだけでも判断材料になります。

棚卸しシートの7列

次の7列でシートを作ると、そのまま自動化の優先順位表になります。

列	記入内容	この列が要る理由
①問い合わせ内容	顧客の言い方をそのまま（要約しない）	言い回しのゆれが学習・シナリオの素材になる
②月間件数	直近3か月の平均	件数の少ない問い合わせを自動化しても効果が出ない
③分類	定型／準定型／非定型	自動完結できる範囲の見積もりに直結する
④1件あたりの対応時間	受付から解決までの実測（分）	件数×時間で削減効果の大きさが決まる
⑤回答の根拠	どこを見れば答えが分かるか（FAQ／マニュアル／基幹システム／担当者の頭の中）	「担当者の頭の中」が多いほどナレッジ整備の工数が増える
⑥外部システム参照の要否	要／不要（注文情報・在庫・会員情報など）	連携が要る問い合わせは開発費と期間が跳ねる
⑦誤答時の影響	大／中／小（金銭・契約・安全に関わるか）	影響が大きいものはAIに確定回答をさせない材料になる

自動化の適性を採点する5基準（15点法）

着手順は次の5基準で採点します。各1〜3点の15点満点で、12点以上を第1弾、9〜11点を第2弾、8点以下は見送りとします。

基準	3点	2点	1点
発生件数	月100件以上	月20〜99件	月20件未満
答えの一意性	誰が答えても同じ	条件で分岐するが規則化できる	担当者の判断が入る
根拠の所在	文書化済み（FAQ・規約・マニュアル）	システムを見れば分かる	担当者の経験に依存
誤答したときの影響	言い直せば済む	謝罪と再案内で収まる	金銭・契約・安全に波及する
顧客が自己解決を望むか	すぐ知りたい類（配送状況等）	どちらでもよい	人に聞いて安心したい類（クレーム等）

「誤答したときの影響」が1点の問い合わせは、件数が多くても第1弾から外します。金銭や契約に関わる問い合わせの自動化は、後述する責任の問題に直結するためです。

AIカスタマーサポートの実現方式5段階｜そもそもボットを入れずに済むか

結論から言えば、問い合わせの多くが「サイトを見れば書いてあること」で占められている企業は、チャットボットを入れる前にFAQの整備で解決できます。解説記事の多くは導入を前提に書かれていますが、実務では「入れない」判断が最も費用対効果の高い場面があります。実現方式は次の5段階で考えます。

方式	できること	費用の目安	向く状況
①FAQページの整備・検索改善	顧客が自分で探して解決する	制作費のみ（数万〜数十万円）	定型が多く、FAQが古い・探しにくい
②シナリオ型チャットボット	選択肢をたどって決まった回答へ誘導	初期0〜10万円程度／月額数千〜5万円程度	質問の型が限られ、分岐を20〜50程度で書ける
③AI搭載型（FAQ検索・意図判定）	自由入力の質問文から近いFAQを提示	初期10万〜100万円程度／月額10万〜30万円程度	言い回しのゆれが多く、FAQ件数が100件を超える
④生成AI＋社内文書参照（RAG）	自社の文書を根拠に文章で回答	月額数万〜10万円程度＋利用量に応じた従量課金	マニュアル・規約が整っており、言い回しを自然にしたい
⑤AIエージェント型	照会に加え、変更・キャンセル等の処理まで実行	個別見積（開発を伴うことが多い）	基幹連携ができ、権限設計と承認フローを組める

ボットを入れる前に確認する4つの問い

• FAQページを直近1年以内に更新したか。 古いままボットに読ませれば、古い回答を自動で配ることになります。
• 問い合わせ上位10件の答えは、サイト内のどこかに書いてあるか。 書いてあるのに問い合わせが来るなら、原因は導線か表現でありページ改善が先です。
• 発生源が特定の商品ページや申込フォームに集中していないか。 集中しているなら、その画面の説明を直すほうが速く効きます。
• ナレッジを更新し続ける担当と時間を確保できるか。 できないなら、どの方式でも精度は数か月で落ちます。

①②で足りるかは、検索での見つかりやすさとも関係します。サイト内の情報設計はコンテンツSEOとは｜進め方と成果が出るまでの期間、⑤のようにAIへ処理まで実行させる場合の権限設計はAIエージェントとは｜業務自動化の仕組みと導入例で整理しています。

チャネル別に見た適性の違い｜電話・メール・チャット・LINE・SNS

同じ問い合わせでも、入ってくるチャネルによってAIの効き方は変わります。チャネルを分けずに考えると、実際には効かない領域まで期待値に含めてしまいます。

チャネル	AIの適性	設計上の要点	注意点
Webチャット	高い	ページごとに初期質問を変え、カート・注文完了画面は別シナリオにする	設置しただけでは使われない。表示タイミングの設計が要る
FAQ／ヘルプページ	高い	検索窓の入力補助と、解決したかの二択を置く	回答が長いと読まれない。1画面で完結させる
メール・問い合わせフォーム	中〜高	自動返信で一次回答、分類して担当へ振り分け。下書きは有人確認とセット	誤った内容を自動送信しない。送信前に人が通す
LINE等のメッセージアプリ	中〜高	個人を識別できるため、注文照会など準定型に踏み込める	通知が届くぶん、誤回答の印象が強く残る
電話（音声）	中	用件の聞き取りと振り分け、時間外の一次受けから始める	音声認識の誤りが回答の誤りに直結。金額の確定回答は避ける
SNSのコメント・DM	低〜中	下書き生成までにとどめ、公開返信は人が確定	公開の場での誤回答は取り消せない

絞り込めないなら、Webチャットかメールの自動分類から始めるのが安全です。電話とSNSは誤りが表に出たときの影響が大きいためです。LINEを窓口にする場合の運用はLINE運用代行の費用相場｜依頼範囲と選び方も確認してください。

AIカスタマーサポートの費用相場｜初期費用・月額・従量課金の内訳

費用は初期費用・月額費用・追加開発費の3つで構成され、方式によって桁が変わります。シナリオ型なら月額数万円、AI搭載型を本格運用すると月額10万〜30万円程度、基幹システムと連携する自社開発では初期費用が数百万円規模になることもあります。

費用区分	内訳	相場の目安	費用が跳ねる要因
初期費用	要件定義・設計	0〜30万円程度	対象チャネルが複数、既存システムの調査が要る
	シナリオ作成・学習データ準備	100問程度で20万円前後が目安	FAQが未整備で、ゼロから書き起こす
	システム連携・開発	数十万〜数百万円	注文管理・在庫・会員基盤との接続、本人確認
月額費用	シナリオ型の利用料	数千円〜5万円程度	設置サイト数、同時接続数
	AI搭載型の利用料	10万〜30万円程度	FAQ件数、対応言語、オペレーター席数
	生成AI型の利用料	数万〜10万円程度＋従量課金	件数と1件あたりの処理量（トークン数）
追加費用	FAQ・シナリオの改修	10問程度で数万円	商品改廃・料金改定が頻繁
	保守（自社開発の場合）	年間で初期費用の15〜20%程度	連携先システムの仕様変更

見落としやすいのが課金方式の違いです。月額固定は件数が増えても金額が動かない代わり、少件数だと1件あたりの単価が高止まりします。従量課金は始めやすい反面、繁忙期に費用が跳ねます。生成AI型は従量課金が乗るため、「1件あたりいくらか」を見積書の段階で必ず確認してください。

月額以外にかかる費用6項目｜社内の運用工数が最大の隠れコスト

製品の月額だけで判断すると総額を2〜3割見誤ります。実際は次の6項目が上乗せされ、最も大きいのは社内の運用工数です。

項目	内容	目安
①ナレッジ整備の初期工数	FAQの書き起こし・整理・表記統一	初回40〜120時間（FAQ100〜300件）
②運用・改善の定常工数	未回答ログの確認、FAQ追加、シナリオ修正	月10〜30時間
③有人対応の体制変更	切替時の受け皿づくり、シフト調整	導入初月に20〜40時間
④システム連携の社内工数	仕様確認、テストデータ準備、検収	連携1系統あたり20〜60時間
⑤教育・周知	オペレーター向け説明、対応ルールの共有	10〜20時間
⑥利用量の従量費	生成AI型のトークン課金、音声認識の分課金	件数に比例（見積時に単価を確認）

②の月10〜30時間は、社内時間単価3,000円で月3万〜9万円、年間36万〜108万円に相当します。確保せず導入すると、未回答が放置されて精度が下がり、顧客が使わなくなり月額だけが残ります。導入の可否はこの工数を誰が持つか決められるかで判断してください。社内推進体制の作り方はAI導入の進め方｜中小企業のステップと失敗回避で詳しく整理しています。

費用対効果の計算｜「正味削減コスト」で判断する

削減額をそのまま効果としないでください。正しくは「自動応答で減った対応コスト − 運用工数のコスト − 月額費用」＝正味削減コストです。実務では、運用工数を引いた後に残る額が判断材料になります。

項目	計算式	例（月2,000件・自動応答率40%の場合）
Ａ 自動応答で減った件数	月間問い合わせ件数 × 自動完結率	2,000件 × 40% = 800件
Ｂ 1件あたりの対応コスト	対応時間 × 時間単価（または委託単価）	1件8分 × 時給3,000円 = 400円
Ｃ 削減できた対応コスト	Ａ × Ｂ	800件 × 400円 = 320,000円
Ｄ 運用工数のコスト	月間運用時間 × 時間単価	20時間 × 3,000円 = 60,000円
Ｅ 月額費用	ツール利用料＋従量課金	150,000円
正味削減コスト	Ｃ − Ｄ − Ｅ	110,000円／月

この式が示すのは、問い合わせ件数が少ない企業ほど正味削減がマイナスになりやすいことです。同じ条件で月500件なら削減額は8万円にとどまり、運用工数6万円と月額15万円を引くと大幅なマイナスです。件数が少ないなら月額の安いシナリオ型か、FAQ整備での対応が合理的です。

外部のコールセンターへ委託しているなら、委託単価をそのままＢに使えます。インバウンドの委託では月額固定型で1件100〜200円程度、従量課金型で1件300〜1,000円程度が相場とされ、この単価が下がる分がそのまま効果になります。

問い合わせ件数別の総額試算｜月500件・2,000件・10,000件

年間総額と、回収に必要な自動応答率を件数別に置くと判断が具体になります。次の試算は社内時間単価3,000円・1件あたり対応時間8分（＝1件400円）を前提とした仮定値です。

月間問い合わせ件数	推奨する方式	年間費用（ツール＋初期の按分）	年間の運用工数コスト	年間総額	回収に必要な自動応答率
500件	FAQ整備＋シナリオ型	約36万〜72万円	月10時間＝約36万円	約72万〜108万円	約30〜45%
2,000件	AI搭載型 または 生成AI型	約180万〜300万円	月20時間＝約72万円	約252万〜372万円	約26〜39%
10,000件	生成AI型＋システム連携	約360万〜600万円	月30時間＝約108万円	約468万〜708万円	約10〜15%

読み取るべきは件数が増えるほど回収に必要な自動応答率が下がるという関係です。月10,000件なら1割強で回収できますが、月500件は3〜4割を自動完結させないと元が取れません。しかも件数の少ない企業ほどFAQの母数も少なく、精度を上げにくい。月500件未満なら、FAQ整備とフォーム改善で件数そのものを減らすほうが費用対効果は高くなります。

ナレッジ・FAQの整備が精度を決める｜何を・誰が・どれだけ用意するか

精度はモデルの性能よりも読ませる文書の質と量で決まります。とくに生成AI型は社内文書を根拠に回答する仕組み（RAG）のため、元の文書が古い・矛盾している・粒度がばらばらだと、そのまま誤回答になります。

用意する文書の3層

層	内容	更新頻度	整備の要点
第1層：確定情報	利用規約、特定商取引法に基づく表記、返品・交換条件、送料、営業時間	変更時のみ	正本を1か所に決める。同じ内容が複数ページにあると矛盾する
第2層：運用ルール	FAQ、操作手順、トラブル時の案内、キャンペーン条件	月次	1問1答に分解し、1つのFAQに複数の答えを詰めない
第3層：変動情報	在庫、配送状況、注文内容、会員ランク	随時	文書に書かずシステム連携で取得する。書けば必ず古くなる

FAQを書くときの5つのルール

• 質問は顧客の言葉で書く。「返品規定について」ではなく「開封した商品は返品できますか」。
• 1問1答に分ける。 条件で答えが変わるなら条件ごとに別のFAQにする。
• 結論を最初の1文に置く。 AIは冒頭を根拠に拾いやすく、顧客も冒頭しか読まない。
• 例外は末尾にまとめる。 先に書くとAIが例外を主たる回答として提示する。
• 更新日と担当を記録する。 誰も更新できない文書は半年で使えなくなる。

初期工数はFAQ100〜300件で40〜120時間が目安です。既存ページがあっても、1問1答への分解と表記統一に想定より時間がかかります。この作業自体は生成AIで下書きできるため、過去の対応履歴からFAQ案を生成し、人が事実確認して確定する進め方が現実的です。文書作成の工程別の任せ方はAIで資料作成を時短する実務｜工程別の任せ方とツールの選び方で整理しています。

生成AI型で誤回答を抑える4つの設計

生成AI型は自然な文章で答えられる反面、根拠のない内容をもっともらしく出力する（ハルシネーション）リスクがあります。顧客に直接見せる用途では、次の4つを設計に組み込むのが前提です。

設計	内容	効果	確認すること
①社内文書を根拠にする（RAG）	回答を自社文書の範囲内から生成させる	一般知識からの創作を減らす	参照文書を管理画面で確認できるか
②回答範囲の限定	対象外の話題に「回答できません」と返す設定	想定外の質問への創作を防ぐ	対象外の判定基準を自社で編集できるか
③確信度による有人切替	根拠が薄いときは回答せず有人へ回す	誤回答の顧客到達を減らす	しきい値を調整できるか、切替率のログが見えるか
④出典の提示	回答の下に参照したFAQ・ページのリンクを出す	顧客が自分で正誤を確認できる	リンク先が最新版を指しているか

実装の有無は製品で分かれます。デモの段階で「自社文書だけを根拠にできるか」「答えられないとき黙って有人へ回せるか」を必ず試してください。この2点ができない製品は顧客向けに向きません。生成AI利用時の入力情報の扱いや契約上の確認点はChatGPTを業務で使う｜安全な導入と活用例でも整理しています。

有人対応へのエスカレーション設計｜切替条件と引き継ぎ情報

満足度を最も左右するのは回答精度ではなく、「答えられないときに、どれだけ滑らかに人へ渡せるか」です。多くの解説記事は「有人対応との連携が重要」と書きますが、切替条件と引き継ぐ情報まで具体化した記事はほとんどありません。

有人へ切り替える7つの条件

条件	判定方法	切替後の対応
①同じ質問が2回続いた	会話ログで同一意図の繰り返しを検知	即時に有人へ。待ち時間を明示する
②顧客が「人と話したい」と入力した	キーワードと専用ボタンの両方を用意	条件を付けず即時に切り替える
③回答の確信度が基準を下回った	しきい値で自動判定	誤回答を出さず、そのまま有人へ
④金銭・契約・個人情報に関わる要件	意図分類で該当カテゴリを検知	AIは確定回答をせず受付のみ
⑤強い不満・クレームの表現を含む	感情分析またはキーワード検知	優先度を上げて有人へ振り分ける
⑥安全・健康に関わる内容	該当カテゴリを事前定義	定型の一次案内のみ提示し、必ず有人へ
⑦営業時間外に④〜⑥が発生	時間帯と分類の組み合わせ	受付のみ行い、翌営業日の連絡時刻を約束

引き継ぐ情報の6項目

顧客が最も嫌うのは同じ説明を最初からやり直させられることです。次の6項目を有人側の画面へ自動で渡してください。

• ①会話全文のログ（要約では取りこぼしが起きる）
• ②AIが判定した問い合わせ分類と確信度
• ③顧客が入力した識別情報（注文番号・会員ID等）
• ④AIが提示済みの回答（同じ案内を繰り返さないため）
• ⑤切替が発生した理由（上の7条件のどれか）
• ⑥待たせた時間

切替後の応答時間も社内のSLAとして数値で決めておく必要があります。「営業時間内は3分以内に応答」「時間外は翌営業日午前中に折り返し」という基準がないと、切替が放置につながります。対応体制そのものを外部に委託する選択肢はECカスタマーサポート代行｜費用相場と品質を担保する条件で整理しています。

誤回答の責任は誰が負うか｜表示・ログ・利用規約の実務

結論として、AIが顧客に示した回答は、その企業の回答として扱われます。「AIが誤った」ことを理由に責任を免れる前提で設計すべきではありません。海外では、航空会社のチャットボットが規定と異なる案内をした事案で、裁判所が企業側の責任を認め賠償を命じたと報じられています。

国内でも法律実務の解説では、「AIが誤ったか」だけで責任の有無が決まるのではなく、誰がユーザーにその回答をサービスとして提供したかという観点から、契約上の責任と不法行為の責任の両面で問われうると整理されています。とくに次の状況はリスクが高いとされます。

• 料金・契約条件など、顧客が回答をもとに行動する内容をAIが確定的に回答している
• 法律・医療・金融など、顧客が正誤を判断しにくい分野で使っている
• 過去に誤回答が起きているのに運用を見直していない

実務で入れておく5つの措置

措置	具体	目的
①AIである旨の表示	会話の冒頭で自動応答である旨を明示	顧客の期待値を合わせる
②重要事項での有人確認導線	料金・契約・返金は「担当者に確認する」ボタンを併置	確定回答をAIに委ねない
③会話ログの保存	いつ・誰に・どう回答したかを一定期間保存	指摘があったときに事実を確認できる
④誤回答の受付と修正の運用	誤回答の報告動線と、修正までの担当・期限を決める	同じ誤回答の再発を止める
⑤注意書きの適正化	「一切責任を負わない」等の包括的な文言に頼らない	包括免責だけでは責任を免れない前提で設計

なお、これは法律上の助言ではなく導入設計時の確認観点です。実際の規約文言や表示方法は自社の顧問弁護士に確認のうえ確定してください。会話ログに含まれる氏名・注文情報の保存期間や外部サービスへの送信範囲も、導入前に社内規程との整合を確認する必要があります。

公開前の卒業ゲート｜数値で決める5基準

試験運用から本番公開へ移す判断は、感触ではなく数値で決めます。5基準のうち4つ以上を満たせば公開、3つなら範囲を絞って公開、2つ以下は公開しないとすると、社内の議論が短くなります。

基準	合格ライン（目安）	測り方
①回答率	想定質問の80%以上に何らかの回答を返せる	テスト用の質問リスト100問で判定
②正答率	返した回答の95%以上が事実として正しい	担当者が全件を目視で判定
③重大な誤回答がゼロ	金銭・契約・安全に関わる誤りがゼロ	該当カテゴリを重点的にテスト
④有人への切替が正しく動く	7つの切替条件すべてで実際に人へ渡る	条件ごとにシナリオテストを実施
⑤運用担当と時間が決まっている	更新担当・月間工数・更新期限が文書化済み	体制表で確認

③は他を満たしていても単独で公開を止める条件にしてください。正答率95%でも、残り5%に返金条件の誤りがあれば公開後に必ず問題になります。

KPIの二層設計｜ボット指標と事業指標を分けて見る

効果測定はボットの動きを見る指標と、事業への影響を見る指標を分けて置きます。1つだけを追うと判断を誤ります。

層	指標	計算式	見るときの注意
ボット指標 （週次）	起動率	ボット起動数 ÷ 該当ページの閲覧数	低いなら設置位置と表示タイミングの問題
	回答率	何らかの回答を返した会話数 ÷ 全会話数	高くても中身が正しいとは限らない
	自己解決率	有人に渡らず終了した会話数 ÷ 全会話数	「諦めて離脱」も同じ数字に見える。満足度と併せて見る
	有人転送率	有人に切り替わった会話数 ÷ 全会話数	低すぎる場合は切替条件が厳しすぎる疑い
	未回答ログ件数	回答できなかった質問の実数	改善の材料。ゼロを目指す指標ではない
事業指標 （月次）	有人問い合わせ件数	導入前後の実数比較	季節変動・キャンペーンの影響を除いて比較
	平均応答時間	受付から一次回答までの時間	有人側が難案件に偏るため単純比較しない
	正味削減コスト	削減額 −（運用工数＋月額）	3か月移動平均で見る
	顧客満足度（CSAT）	会話終了時の二択または5段階評価	有人に渡った会話も含めて測る

最も注意すべきは自己解決率の読み方です。有人に渡らず終わった会話には「解決した」と「諦めて離脱した」の両方が含まれます。会話終了時に「解決しましたか」の二択を必ず置いて区別してください。区別しないと、顧客が離脱するほど数字が良くなるという逆転が起きます。

運用体制とメンテナンス｜月にどれだけ人手がかかるか

公開後の運用は週次の未回答確認と月次のFAQ更新を軸に組みます。誰の業務時間に入れるか決めずに公開すると、3か月ほどで精度が下がり始めます。

作業	頻度	担当	月間工数の目安
未回答ログの確認と分類	週次	CS担当	4〜8時間
FAQ・シナリオの追加修正	月次	CS担当＋ナレッジ管理者	4〜12時間
誤回答報告の対応	随時	ナレッジ管理者	2〜6時間
指標のとりまとめと共有	月次	推進担当	2〜4時間
商品改廃・料金改定の反映	変更時	商品担当＋CS担当	変更規模による

合計で月12〜30時間、週3〜7時間程度です。専任者は不要ですが、既存業務に上乗せするならその分をどこかで減らす調整が要ります。

EC事業者のAIカスタマーサポート｜問い合わせ類型とセール期の設計

EC事業では問い合わせが型に分かれやすく、AIの効きどころが読みやすい領域です。一方でセール期に問い合わせが数倍に跳ねる構造があり、その前提で設計しないと最も必要な時期に機能しません。

問い合わせ類型	分類	AIの担当範囲	設計の要点
配送状況・到着予定	準定型	注文番号から照会して回答	配送会社の追跡情報と接続する。文書に書かない
返品・交換の可否	定型＋準定型	条件の提示まで。可否の確定は有人	開封済み・使用済みの条件分岐を明示
サイズ・仕様の確認	定型	商品ページの情報を根拠に回答	商品情報の正本を1か所にする
在庫・再入荷	準定型	在庫データを参照して回答	「入荷予定」を断定しない文言に
キャンセル・注文変更	準定型〜非定型	受付と条件案内まで。処理は有人か承認つき自動化	出荷済みかで分岐。金銭が動くため確定回答は避ける
クーポン・ポイントの適用	準定型	条件の説明まで	終了後のFAQ削除を運用に組み込む
不良品・誤配送	非定型	受付と写真の取得まで	必ず有人へ。優先度を上げる

セール期に備える3つの準備

• キャンペーン条件のFAQを事前に用意する。 開始後に作ると、最も問い合わせが多い初日に間に合いません。
• 終了後の削除を予定に入れる。 終わった条件のFAQが残ると、AIが古い条件を回答し続けます。
• 有人側の受け皿を厚くする。 自動応答率が上がっても非定型の絶対数はセール期に増え、切替後の待ち時間が伸びれば満足度は下がります。

受注から出荷までのフロー設計はEC受注管理・出荷代行｜フローと外注の判断基準、EC運営の業務範囲と外注の考え方はEC運営代行とは｜費用相場・業務範囲・選び方で整理しています。

ツール選定の8観点と、契約前に確認する7項目

製品比較は機能の多さではなく自社の問い合わせ構成に効くかで判断します。

観点	確認すること	見極めのポイント
①回答の根拠を限定できるか	自社文書のみを参照させる設定の有無	デモで対象外の質問を投げ、創作しないか試す
②答えられないときの挙動	無理に答えず有人へ回せるか	しきい値を自社で調整できるか
③有人連携の作り込み	切替条件、引き継ぎ情報、待ち時間表示	会話全文が有人側に渡るか
④更新のしやすさ	FAQ追加を社内で完結できるか	ベンダー作業が要るなら都度費用が発生
⑤ログと分析	未回答ログ、切替理由、満足度の取得	改善に使える粒度で出るか
⑥外部システム連携	注文・在庫・会員基盤との接続方式	標準連携か個別開発かで費用が桁違いになる
⑦データの取り扱い	会話データの学習利用の可否、保存先、保存期間	既定値がどちらかを契約書で確認
⑧サポート体制	導入時の伴走、改善提案の有無	初期3か月の支援内容を具体的に確認

契約前に確認する7項目

• ①課金の単位（席数・会話数・トークン数）と、上限超過時の追加料金
• ②最低契約期間と途中解約時の扱い
• ③FAQ・シナリオの著作権と、解約時にデータを持ち出せるか
• ④会話データを学習に使うかの既定値と変更の可否
• ⑤サービス停止時の連絡体制と復旧の目標時間
• ⑥初期構築に含まれる作業範囲（FAQ何件・シナリオ何本まで）
• ⑦導入後の改修単価（FAQ10問あたり、シナリオ1本あたり）

③と④は解約時と情報管理に直結するため、口頭ではなく契約書の条文で確認してください。外部委託時の契約の考え方はAI開発会社の選び方｜費用相場と依頼の流れで整理しています。

失敗の5類型と、防げる段階

失敗の類型	起きること	原因	防げる段階
①棚卸しを飛ばした	導入後に「自社の問い合わせは自動化できない」と判明	非定型の比率を測らずに製品を選んだ	導入前の棚卸し
②ナレッジが未整備のまま公開	回答率が上がらず顧客が使わなくなる	FAQの分解・更新を後回しにした	ナレッジ整備の工数確保
③有人切替が作り込まれていない	「たらい回し」と受け取られ満足度が下がる	切替条件と引き継ぎ情報を決めていない	エスカレーション設計
④運用担当が決まっていない	3か月で精度が落ち月額だけが残る	「空いた時間でやる」としていた	卒業ゲート⑤で止める
⑤重要事項をAIが確定回答	誤案内が金銭・契約の問題に発展	誤答時の影響で分類していなかった	採点の「誤答時の影響」と卒業ゲート③

5類型のうち4つは公開前の準備段階で防げます。導入後の改善で取り返せるのは②だけで、残りは設計の問題です。製品選定より先に棚卸しと体制決めを終える順序が重要です。

WHITCHでのAI活用｜人とAIの分担

WHITCHでは、月間約900万UU規模の自社メディア運営とEC運営代行・制作の受託業務で、問い合わせ対応を含む定型業務にAIを組み込んでいます。全社で月686時間の削減に至っていますが、これは工程ごとに分担を決めた結果であり、AIに任せきった結果ではありません。

業務	AIが担当する工程	人が持ち続ける工程	効果が出る条件
受注・配送に関する問い合わせ	意図の分類、注文情報の照会、定型回答の下書き	例外対応の判断、返金・補償の決定	注文管理システムと接続できていること
商品仕様の問い合わせ	商品情報を根拠にした回答の生成	商品情報の正本管理、記載誤りの修正	商品情報の正本が1か所に統一されていること
メール返信	分類と一次回答の下書き	送信前の確認と確定	下書きを人が必ず通す運用にすること
FAQの整備	過去の対応履歴からのFAQ案の生成	事実確認と公開判断	対応履歴が検索可能な形で残っていること
問い合わせ傾向の分析	ログの分類と集計、増減の要約	原因の特定と対策の決定	分類の定義が固定されていること

共通するのは顧客に直接届く確定的な回答は人が通すという線です。下書きの生成と分類はAIに任せ、送信と判断は人が持つ。削減効果は下がりますが、誤回答が顧客に届く経路が構造的に塞がれます。定型業務の自動化ツールの種類はAI業務自動化ツール｜種類と選び方、会議という別ユースケースでの製品選定はAI議事録ツール｜比較と選び方で整理しています。

成果が出ないときの見直し順序と撤退基準

効果が出ないとき最初にやるべきは、ツールの乗り換えではありません。次の5段階を順に確認してください。順序を守らないと原因が別にあるまま費用だけが増えます。

1. 使われているか（起動率）。低いなら設置位置と表示タイミングを直す。
2. 答えられているか（回答率・未回答ログ）。低いならFAQを追加する。
3. 正しく答えているか（正答率）。低いなら参照文書の矛盾と古さを直す。
4. 渡せているか（有人転送率・切替後の応答時間）。滞留しているなら体制を直す。
5. ここまで直しても改善しないときに方式変更や製品の乗り換えを検討する。

撤退・縮小を判断する5基準

• ①公開から6か月経っても正味削減コストがマイナスのまま
• ②重大な誤回答（金銭・契約・安全に関わるもの）が繰り返し発生
• ③運用担当が実質不在で、3か月以上FAQが更新されていない
• ④顧客満足度が導入前より明確に下がっている
• ⑤件数が想定を大きく下回り、FAQ整備で代替できる水準にある

撤退は失敗ではありません。とくに⑤は、より安い方法で同じ目的を達成できるという判断であり、費用対効果では前進です。撤退しても整備したFAQとナレッジは資産として残ります。ナレッジ整備を先に済ませる進め方には、方式を変えても無駄にならない利点があります。

まとめ｜AIカスタマーサポートは「線引きの設計」で決まる

AIカスタマーサポートの成否は、製品の性能ではなく問い合わせのどこまでをAIに渡し、どこから人が持つかという線引きの設計で決まります。導入前に問い合わせを定型・準定型・非定型に分類し、件数と誤答時の影響で優先順位をつける。FAQ整備で足りるなら、ボットを入れない判断も含めて方式を選ぶ。費用は運用工数を含めた正味削減コストで判断する。有人への切替条件と引き継ぎ情報を決め、誤回答時の表示・ログ・改善の運用を用意する。公開の可否は数値の卒業ゲートで判定する。この順序を守れば、導入後に「思ったより効かない」に至る確率は大きく下がります。

社内でどう進め定着させるかはAI導入の進め方｜中小企業のステップと失敗回避、どの業務領域から着手するかはAIで業務効率化する方法｜中小企業が始める手順と事例、費用の一部に使える制度はAI導入に使える補助金｜対象経費と申請の流れを合わせて確認してください。WHITCHでは、問い合わせの棚卸しから実現方式の判定、運用体制の設計までご相談を承っています。