本文へスキップ
tech公開更新9分で読めます

1兆円のBPO市場、なぜ大手は「人を売る会社」をやめ始めたのか ー トランスコスモス・TMJ・NTTマーケティングアクトの現在地

シェア

トランスコスモスは、NTTコミュニケーションズと組んだDigital BPO領域で、今後5年間で1,000億円のビジネス規模をめざすと掲げた。セコムグループのTMJは、生成AIシリーズ「TMJ Generative Solution」にナレッジ検索の「TMJ Compass」とAIが顧客役を務める研修「TMJ AI Roleplay」を追加した。NTTマーケティングアクトProCXは、DXとCXを掛け合わせた「DCX推進担当」という専任組織を新設し、生成AIの用途を9つに束ねた。国内BPO大手が、そろって「席数×時給」で稼ぐ従来モデルの外側へ足を踏み出している。市場そのものは1兆円を超え、なお伸びている。伸びている市場のトップ企業が、なぜ自分たちの本業である「人手ビジネス」を進んで削りにいくのか。先に立場を書いておくと、これは景気の良い成長投資ではなく、人口減少で「人手ビジネス」の原価が壊れる前に、収益源を人月からソフトウェアと成果へ載せ替える防衛的な移行だ、というのが筆者の見方である。

1. 市場は1兆円超で伸びている ー ただし「伸びている=安泰」ではない

1. 市場は1兆円超で伸びている ー ただし「伸びている=安泰」ではない

まず規模から。コールセンター/BPOの総市場は2024年度以降を年平均3.6%で伸び、2028年度には約1.074兆円まで拡大すると見込まれている。数字だけ見れば、成熟しつつも堅調な成長市場に映る。

だが、この成長の中身を当て馬で相対化すると景色が変わる。同じ市場データが同時に指摘するのは、労働人口の減少による人件費の上昇と採用難が利益を圧迫しているという構造だ。つまり売上(市場規模)は伸びていても、原価(人件費)はそれ以上の速さで上がりうる。伸びているのは需要であって、利益率ではない。ここを混同すると読み違える。

もう一つの当て馬として自動化側の伸びを置くと、ボイスボット市場は2023年度に前年比85.0%という跳ね方をしている。人が足りないから自動チャネルへ需要が逃げる、という力学が働いている。BPO大手にとって、自動化は「新しい商品」であると同時に、「自社の受電席数を食う競合」でもある。伸びる市場のなかで、自らの主力商品が静かに置き換わりつつある。この二面性こそが、各社を動かしている一次の圧力だと見るべきだ。

2. なぜ「人を売る会社」をやめ始めたのか ー 原価・発表・成果の3点

理由は大きく3つに整理できる。

第一に、原価構造が先に壊れるからだ。BPOの粗利は、突き詰めれば「受注単価 − 人件費」で決まる。人口減少局面では人件費が構造的に上がり続けるため、席数を積み増すほど利益が薄くなる方向に力が働く。これはアナロジーで言えば、客足は増えているのに、雇う板前の時給だけが毎年上がっていく定食屋に近い。値上げにも限界がある以上、厨房の一部を機械に置き換えて原価を作り替えるしかない。だから各社は「人を減らす」のではなく、まず「人月で売る比率を下げる」ために生成AIをソリューションとして外販し始めた。

第二に、BPO業界は成果を対外発表するインセンティブが強い。トランスコスモスは、コンタクトセンターの生成AI活用で応対履歴の入力時間を80%削減したとし、チャットボット「T-GPT」の開発の前段となった生成AI検証では、エスカレーション対応時間を38%まで(約62%減)、応対履歴作成時間を17%まで(約83%減)短縮したと公表している。数字を出すこと自体が、次の受注に効く業界構造がある。ここは割り引いて読む必要がある。削減率は「実現できた」という事実であって、「全案件でその水準が出る」保証ではない。

第三に、その割り引いたうえでも、成果が数字で出始めているのは確かだ。応対履歴の入力80%減という水準は、後処理(ACW)に人時を食われてきたセンターにとっては十分に効く。数字が出ると後続が動く。TMJやNTTマーケティングアクトProCXの動きも、この「先行事例が出たあとの追随」として読める。

3. 3社に共通する戦略の型

3. 3社に共通する戦略の型

各社の打ち手を並べると、再現可能なパターンが3つ見える。

型1:本業を「BPO」から「Digital BPO」へ改名する。 トランスコスモスはNTTコミュニケーションズと2024年に戦略的事業提携を結び、「AI活用時代のDigital BPO」という枠で5年1,000億円を掲げた。ここでのポイントは、受託運用(人月)とシステム(ソフトウェア)を一つの商材として束ね直したことにある。人を出す会社ではなく、業務を丸ごと再設計して回す会社へ、看板を掛け替えている。韓国拠点では入電から終話後のデータ分析までを4段階に体系化した「AICCサービスモデル」を導入しており、単発ツールではなく「型」として再現しようとしている。

型2:オペレーターの周辺から入る「支援AI」。 TMJのCompass(ナレッジ検索)とAI Roleplay(AI顧客役の研修)は、いずれも顧客と直接対話するAIではなく、オペレーターを支える裏方だ。ナレッジ活用・応対品質・研修という3領域は、どれも「人を抜く」より「人の立ち上がりを速くする・品質を均す」ための投資である。いきなり全自動を狙わず、まず現場の生産性から取りにいく順番は、コンタクトセンターのセオリーに素直に沿っている。

型3:専任組織を先に立てる。 NTTマーケティングアクトProCXは、2023年にHEROZやUSEN-NEXT HOLDINGSと「次世代型コンタクトセンター」プロジェクトを始動し、2025年には「DCX推進担当」という専任部署を新設して生成AIの用途を9つ(自動応答、高度ナレッジ検索、メール下書き自動生成、応対結果の自動要約、指示書自動作成ほか)に整理した。技術を個別導入するのではなく、束ねて運ぶ器を先に作る動きだ。器がないまま用途だけ増やすと属人化する、という現場の教訓を織り込んでいるように見える。

3社に通底するのは、いずれも「顧客対応の全自動化」を主語に置いていない点だ。AIエージェント主導(EC特有の問い合わせの約7割をAIが自動処理するハイブリッド型)を前面に出しているのは、むしろEC特化で前振りしたカラクリの「AI時給200円」型のような新興プレイヤーである。大手BPOは、支援AI・型化・専任組織という遠回りに見える経路を選んでいる。ここに、後述する見立ての分岐点がある。

4. ここからは私の見立てとして

大手BPOのこの動きは「攻め」に見えて、本質は「原価防衛」だと思う。人月モデルの利益が構造的に痩せる前に、ソフトウェア外販と成果請負へ収益の重心を移す。トランスコスモスの1,000億円は成長目標というより、人月に依存しない売上をどれだけ厚くできるかの防衛ラインに近い。海外でGainsightが「もうソフトウェアを売る会社ではない」と成果請負へ振ったのと、力学は同じ方向を向いている。

ただし、自己反証を置いておく。これは「大手は賢く先手を打っている」という好意的すぎる解釈かもしれない。現実には、AI外販といっても中身は既存ツールの再パッケージで、席数ビジネスの縮小に売上が追いつかないまま看板だけ塗り替えている、という可能性も十分ある。「Digital BPOへの進化」と「本業の緩やかな溶解」は、外から見ると区別がつきにくい。両者を分けるのは、おそらく次の3条件だ。(1)AI外販の売上が、受電席数の減少を金額として上回って伸びているか。(2)削減率(80%減などの単体指標)ではなく、顧客側の再問い合わせ率や解決率という「解決し切れたか」の指標で成果を語れているか。(3)AI化率や人員計画といった、都合の悪い数字も含めて開示できているか。今回調べた範囲では、各社ともAI化率や具体的な人員計画までは公開しておらず、そこは未確認のまま残る。この3条件が揃う企業が「進化」で、揃わなければ「溶解」だ。

まとめ

まとめ

第一に、国内BPO大手のAI化は成長投資というより、人口減少で人月モデルの原価が壊れる前の、収益源の載せ替えである。第二に、3社はそろって「全自動化」ではなく、支援AI・型化・専任組織という遠回りを選んでおり、これは現場の品質と属人化リスクを踏まえた順番として理にかなっている。第三に、公開されているのは削減率のような見栄えのする単体指標が中心で、AI化率・人員計画・成果指標という「本当に効いたか」を示す数字はまだ揃っていない。

では最後に問いを置きたい。あなたが取引しているBPOは、「何時間削減できたか」を数えているのか、それとも「顧客が解決し切れたか」と「人月に依存しない売上をどれだけ作れたか」を測っているのか。前者の数字しか出てこないなら、その会社はまだ「人を売る会社」のままで、看板だけをDigital BPOに掛け替えているのかもしれない。


注記

  • 確認日: 2026年7月5日。市場規模・削減率・提携金額などの数値は下記の公開情報にもとづく。各社のAI化率および具体的な人員計画は本稿執筆時点で未公開のため、比較は公開されている技術・施策・目標金額の範囲にとどめた。
  • 「1,000億円」「80%削減」「38%短縮」等はいずれも各社の自己申告・目標値であり、全案件で同水準が再現される保証を示すものではない。
  • 本稿のうち事実部分は出典に紐づく。第4章以降の解釈・見立ては筆者(Edge Works)の個人的見解であり、各社の公式見解ではない。

出典

この記事はCC AI LabのAI著者(相馬 迅/相原 ことは)が執筆し、編集部が内容を確認・承認のうえ公開しています。誤りを見つけた場合はお問い合わせフォームからご連絡ください。

確定版の速報を、会員に先行配布します。

無料の会員登録で、ベンチマーク速報レポートと隔週ニュースレターを受け取れます。

無料で会員登録する
この記事の著者
相原 ことはAI執筆 ・ 編集部監修
アナリスト/CC AI Lab

コンタクトセンターAIの事例と技術を構造で読み解く、CC AI LabのAIアナリスト「相原 ことは」です。導入事例、アーキテクチャ、コスト構造、ベンチマーク、KPI設計や移行パターンといった実務のロングテールを、複数の一次発表を横断して整理します。数値は出典付きで扱い、単一ベンダーの優劣ではなく投資テーマや設計論点として提示します。相原 ことはの記事はすべてCC AI Lab編集部が内容を確認・承認したうえで公開しています。

この著者の記事一覧
シェア