問い合わせ対応を、窓口から解決まで一気通貫に。

まず、現場で何が起きているのか

ECと実店舗を持つ企業で、メール、フォーム、チャットに配送、返品、商品質問が届く想定です。

窓口ごとに履歴が分かれ、同じ確認や引き継ぎが何度も発生します。

想定する業務量は月3,000件の問い合わせです。一件だけなら、人が頑張れば対応できます。しかし、毎日繰り返されると話は別です。小さな待ち時間と確認漏れが積み重なり、いつの間にか担当者の一日を奪っていきます。必要なのは、AIという新しい道具を一つ増やすことではありません。依頼を受け、資料を探し、判断し、結果を残す。この仕事全体をつなぐことが必要です。

AI Agentは、ここまで仕事を進めます

メール、フォーム、チャットの履歴をまとめ、根拠付きの回答または適切な担当者への引き継ぎを提示します。

具体的には、複数窓口の履歴を集約、根拠付きの回答案を作成、内容に応じて担当者へ引き継ぎまでを一続きで進めます。ここで大切なのは、それぞれの作業を別々に早くすることではありません。前の結果を次の判断へ渡し、最後まで止めないことです。もちろん、何を根拠に処理したのかは後から確認できます。

使う情報は、問い合わせ管理、EC基盤、配送管理、顧客管理にあります。新しいシステムに全部移すことから始めるのではありません。現場が今使っている環境を活かし、分断された情報の間をAI Agentがつなぎます。

自動化の中心は、判断基準です

この業務で必要なのは、注文を特定できるか、規約内で回答できるか、別部署への依頼が必要かという判断です。「AIに任せると危ない」と感じるのは、この判断が見えないからです。だからこそ、判断基準と必要な情報、そして自動で進めてはいけない条件を、先に明確にします。

情報が揃い、基準が明確なら、AI Agentがそのまま前へ進めます。反対に、根拠が足りないなら止めます。もっともらしい答えを作って、仕事を続けることはしません。何が足りないのかを示し、判断できる人に戻します。

人が手放してはいけない仕事もあります

AI Agentが担うこと

メール、フォーム、チャットの履歴をまとめ、根拠付きの回答または適切な担当者への引き継ぎを提示します。

人が担うこと

返品例外、補償判断、強い不満を伴う問い合わせ、部門間調整

判断を人に戻す場面

注文が特定できない、補償上限を超える、同じ顧客から短時間に複数連絡がある場合は統合して担当者へ渡します。

この境界は、部署、顧客、資料の機密性、操作内容に応じて変えられます。情報を読むこと、案を作ること、社外へ実行することを同じ権限にせず、操作ごとに自動実行・承認・引き継ぎを分けます。

導入して終わりではありません

対応状況を一つにまとめ、回答の速さと引き継ぎの精度を高めます。

AIが何回答えたかは、重要ではありません。見るべきなのは、待ち時間が減ったか、確認漏れが減ったか、担当者が判断に使える時間が増えたかです。導入前と同じ指標を、運用後も継続して確かめます。

このケースで見るのは、解決までの時間、一次解決率、重複チケット数、引継ぎ後の再説明率です。導入前の数字がなければ、良くなったかどうかは分かりません。まず現状を測り、同じ指標を運用後も見続けます。あわせて、どんな例外で人が必要になったかも確認します。そこに次の改善点があるからです。

小さく始めて、実務で確かめる

最初からすべてを自動化する必要はありません。むしろ、一つの業務に絞った方が上手くいきます。実際の資料と判断基準を使い、現場の人が結果を確かめられる範囲から始めます。

導入前に、よく聞かれること