多くの企業が
AIカスタマーサポートを導入している。
しかし結果は二つに分かれる。
ある企業では
-
問い合わせ対応コストが大幅に削減され
-
顧客満足度が維持され
-
オペレーターの負荷が減る
一方、別の企業では
-
AIが誤回答を繰り返し
-
顧客が怒り
-
結局AIが停止される
この違いはどこから来るのか。
多くの人は
モデル精度の違いだと思う。
しかし実際には違う。
成功している企業には
共通する特徴がある。
それは
AIの能力ではなく
AIの境界を設計している
という点だ。
つまり
AIができることよりも
AIがやらないこと
を先に決めている。
ここでは
AIカスタマーサポートが成功する企業に共通する
5つの設計パターンを紹介する。
1 AIを「解決エンジン」ではなく「振り分けエンジン」にする
失敗する企業は
AIにこう期待する。
「AIが問い合わせを解決する」
しかし成功している企業は
違う考え方をしている。
AIの役割は
問題解決ではない。
AIの役割は
問い合わせを分類すること
である。
例えば
-
FAQで解決できる問題
-
人間が対応すべき問題
-
トラブル対応が必要な問題
をAIが判断する。
つまりAIは
一次トリアージ
を担当する。
この設計にすると
AIは
-
FAQ回答
-
問題分類
-
担当部署振り分け
に集中できる。
そして
難しいケースは最初から
人間が対応する。
2 エスカレーション境界を明確にする
成功している企業では
AIが人間に引き継ぐ条件が明確に定義されている。
例えば
意図理解スコア < 0.7
→ 人間対応
同じ問題で3回失敗
→ 人間対応
顧客感情が怒り
→ 人間対応
返金・契約変更
→ 人間対応
つまりAIには
止まる条件
がある。
AIは
どこまで答えてよいか
ではなく
どこで止まるか
で設計されている。
3 「顧客の感情」をトリガーにする
カスタマーサポートでは
問題の難易度だけが重要ではない。
重要なのは
顧客の感情
である。
成功している企業では
AIが感情を検知する。
例えば
-
怒り
-
不満
-
強いストレス
が検出された場合
AIは回答を続けない。
すぐに
人間のオペレーターに引き継ぐ。
これは非常に重要な設計である。
顧客が怒っているときに
AIが回答を続けると
顧客体験は急激に悪化する。
4 AIの回答範囲を制限する
失敗する企業は
AIに広い自由度を与える。
結果として
AIは
-
推測で答える
-
不確実な回答をする
-
企業ポリシーと矛盾する
成功している企業は
逆の設計をする。
AIが回答できる範囲を
明確に制限する。
例えば
AIが回答できるのは
-
FAQ
-
商品情報
-
配送状況
-
アカウント基本操作
などである。
それ以外の質問では
AIは答えない。
必ず人間に引き継ぐ。
つまり
AIは
万能なサポート担当
ではない。
限定された領域の担当者
なのである。
5 AIの「失敗」を学習資源にする
成功している企業は
AIの失敗を記録している。
例えば
AIが
-
エスカレーションした会話
-
解決できなかった質問
-
顧客が怒ったケース
これらをすべて
データとして蓄積する。
そして
-
FAQ更新
-
ナレッジベース更新
-
AI改善
に利用する。
つまり
AIの失敗は
改善データ
として扱われる。
このループが回ると
AIは少しずつ
解決できる範囲を広げていく。
成功の本質
AIカスタマーサポートの成功は
モデル性能では決まらない。
成功している企業は
すべて同じことをしている。
それは
AIの境界を設計している。
つまり
AIが
どこまで答えるか
ではなく
どこで止めるか
を決めている。
AIは
自分の限界を理解しない。
だから
その限界は
人間が外に書く必要がある。
コメント