会話型AIの導入と課題
こんにちは。あなたから共有いただいた資料、これすごく面白いですね。今日はフォトブックサービスのmybookで、マックOS関連の問い合わせ、この自己解決率をなんと40%も上げたっていう、アスカネットさんの事例をちょっと深く見ていきたいなと思ってます。
なんかカスタマーサポートでのAI活用の一つこう進んだ形が見えてきそうですよね。
ええ、そうですね。非常に注目すべき成果だと思います。
具体的には、もともとあったシナリオ型のチャットボットから、GMO即列AIっていう、miiboベースの技術を使った会話型AIに移行したというところに焦点を当てます。
この手元にある資料には、その移行の背景とか、具体的な成果、現場がどう変わったかみたいなことが書かれてるんですね。
はい。
では早速、この何が変わったのか、本質を探っていきましょうか。
なんで移行しなきゃいけなかったのかとか、何がブレイクスルーになったのか、あと、あなたにとってどういうヒントがあるのか、一緒に見れたらなと。
ぜひ。
まずその移行前の状況ですけど、シナリオ型のチャットボットって結構運用で大変なところがあったみたいですね。
資料にも、頑張ってチューニングしてる割に利用率が低いなんて声があったって書かれてますけど、具体的にはどんなところがネックだったんでしょうか。
資料を見ると、大きく3つ課題があったみたいですね。
まず第一に、メンテナンスがすごく複雑だったと。
無数にある分岐シナリオを作ったり更新したりし続ける必要があって、これがどうしても特定のスタッフさんに頼っちゃう、いわゆる俗人化ですよね。
ああ、俗人化。
だから担当者が変わると、もうその引き継ぎだけでものすごい時間がかかっていたと。
うーん、それは大変だ。継続的な改善もちょっと難しくなりますよね、それだと。
そうなんですよ。
他には何かありました?
2つ目が、ユーザーさん側から見た時のFAQの探しにくさですかね。
用意されているシナリオで解決できないと、結局は人が対応する方に流れちゃって。
ああ、結局友人チャットとか電話に。
そうなんです。で、サポート部門の負荷は増えちゃうし、ユーザーさんもすぐ解決できないから満足度が下がっちゃうっていう、なんか悪循環みたいな。
うーん、なるほど。それは確かに辛いですね。で、3つ目の課題というのは?
それはですね、お客さんの本当のニーズっていうのがちょっと見えにくかったことですね。
シナリオにない質問にはやっぱり対応できないので、お客さんが本当は何を知りたいのかとか、どういう情報が足りてないのかっていうのを把握するのが難しかったと。
なるほど。改善のためのネタなど見つけにくいというか。
まさにそういうことですね。
そこで会話型AIの登場ということですね。この技術のやっぱり一番の利点は、資料でもすごく強調されてますけど、既存のマニュアルとかFAQをそのまま学習データとして使えるっていう点。
ええ、まさに。そこがこうゲームチェンジャーというか。複雑なシナリオ作りから解放されるわけですよね。
AIが自分で考えて適切な回答を出してくれる。だから運用負荷がもう劇的に軽くなったと。
資料にも管理画面もわかりやすいし、誰でも使いやすいから俗人化しにくいっていう担当者の方の声が載ってますね。
それは大きいですね。誰でも使えるっていうのは。
で、導入の効果もかなり具体的ですよね。最初に触れたmacOSでの自己解決率40%アップもすごいですけど、メールとか電話での問い合わせ自体が減ったとか、解決までの時間も短くなったとか、あと24時間365日対応できるようになったのも地味に大きいですよね。
そうですね。その定量的な効果ももちろん重要なんですけど、個人的に質的な変化として見逃せないなと思うのが、顧客行動が見える化されたっていう点ですね。
はい。
チャットの履歴を分析できるようになったことで、FAQには載ってない質問とか、あるいは既存FAQのここわかりにくいんじゃないかみたいな改善点が見えてきた。
はい。
顧客様がどんなことを知りたいのか、困っているのかがわかるようになったっていう言葉は、単なる効率化以上の価値を示してるなと感じますね。
なるほど。AIが顧客理解を深めるツールにもなったっていう感じですかね。
顧客ニーズの可視化とスタッフの意識変化
まさにその通りです。さらにもう一つ注目したいのが、スタッフさんの意識の変化ですね。AIなんて遠い世界の話だって思ってたのが、このAIをどうやって育てていこうかっていう主体的な関わりに変わったっていう。
それは面白い変化ですね。
資料によると、他のAIツールを導入するってなった時も、積極的に関われそうみたいな声も出てるらしくて。
これって組織全体のDXを進める力にもつながっていく可能性のある、結構重要な変化点だと思うんですよ。
確かに。AIアレルギーみたいなのがなくなって、むしろ味方につけるみたいな。
そうですね。なので、この事例の成功のポイントをちょっと整理してみると、まず一つ目がシナリオ型から移行したことによる運用の負荷軽減と俗人化の解消。
二つ目が、会話型AIを顧客ニーズの見える化ツールとして活用してサービス改善につなげたこと。
そして三つ目が、スタッフさんのAIに対する意識が変わって主体性が上がったこと。
この三つがうまく揃ったっていうのが、大きな成果につながったんだろうなと言えそうですね。
なるほど。今回はアスカネットさんの事例を通して、会話型AIがもたらす変化の可能性みたいなものを見てきましたけど、
単にツールを入れ替えるっていう話じゃなくて、業務プロセスとか顧客理解、さらには組織の文化まで影響を及ぼすっていうすごく資産に富んだケースでしたね。
本当にそう思います。
この話ってカスタマーサポートの現場に限らず、あなたの業務とかでも何か応用できる点があるかもしれませんよね。
もっと効率的に情報を伝えたりとか、あるいは相手の隠れたニーズをどうやって捉えるかとか、そういう点で何かヒントになるんじゃないかなと。
そうですね。最後に一つ、ちょっと皆さんに考えてみてほしい問いがあるんですが、今回みたいに既にあるテキスト情報からAIが学習して対話を通じて知識を提供できる技術って
顧客対応以外にも、例えば社内のナレッジ共有とか新人研修とか、そういう場面でどんな可能性があると思いますか。
もしあなたの組織の中での日々のやり取りとか、たまってる文書みたいなものがこうしてAIで解析されて対話できるようになったら、どんな今まで見過ごされてたニーズとか改善のヒントみたいなものが浮かび上がってくると思いますか。
ちょっとそういうのを想像してみるだけでも、何か新しい発見があるかもしれないですね。
うーん、確かに。応用範囲は広そうですね。
今日はアスカネットの会話型AI導入事例を深く掘り下げてみました。
それではまた次回の探究でお会いしましょう。
