国内CCベンダー選定の落とし穴 ー 営業資料では見えない3つの確認点
デモでは、AIボイスエージェントが淀みなく喋り、質問に的確に答え、担当者に綺麗に取り次いでいた。ところが本番に載せた途端、固有名詞を噛み、社内システムに繋がらず、想定外の言い回しで黙り込む。そういう話を、この半年でいくつも聞いた。MITの調査では、統合型AIのパイロットのうち大規模に測定可能な価値を出せているのは5%にとどまり、残り95%は本番に届かないか、PoCで止まるか、ROIの議論が翌四半期へ先送りされ続けているという。問いはシンプルだ。デモで動いたものが、なぜ本番で動かないのか。そして、その落とし穴は営業資料のどこにも書かれていない。私の立場を先に言えば、ベンダー選定の勝敗は機能比較表ではなく、資料に載らない3つの確認点で決まる。
1. 「うまくいっている」の裏で、4分の3が巻き戻っている
まず規模感から。2026年6月のCustomer Contact Week Las Vegasを取材したCCW Vegas 2026のトレンド分析は、導入されたAIの4分の3が巻き戻され、フロントに立つオペレーターのうち「このツールは不可欠だ」と答えた人はゼロ、そして質の低い顧客対応が生む年間750億ドルのコストは変わっていない、と報告した。派手な発表の裏で、静かに撤退が進んでいるということだ。
当て馬として、成功事例の数字も並べておきたい。トランスコスモスの事例では、修理受付のボイスボットを音声AIエージェントに置き換えたところ自己解決率が約19%から約52%へ上がったとされる。国内自治体でも、神戸市税務部の実証は約3カ月の試験で65%以上の自動回答率を得て、一部税目で70%以上を目標に据えた。もっとも、こうした数字はベンダーや導入企業の自己申告であり、一次実測での裏取りは別途必要になる。ここで単純比較に釘を刺しておくと、19%が52%になった企業と、PoCで52%が出たのに本番で20%へ落ちた企業は、資料上はどちらも「52%」と書ける。数字そのものより、それがどの環境で・どの分母で・誰の申告として測られたのかを見ないと、成功と失敗を取り違える。
つまり市場全体では、AIが効く企業と効かない企業の差が開いている。そして差を生んでいるのは、モデルの賢さよりも、選定時に何を確認したかだ。以下、営業資料には出てこない3点に落とし込む。
2. 落とし穴は「環境」「定義」「コスト」の3層にある
確認点1：PoC環境と本番環境は別物である
一つ目は、PoCで動いたことが本番で動く保証にならない、という構造だ。AudioCodesの指摘は、企業のボイスAIが本番前で失速する理由を、AIの失敗ではなく「その周りが準備できていない」ことだと整理する。本番では既存のSIPトランク、オンプレミスのコンタクトセンター、UCプラットフォームと繋ぎ込む必要があり、それらは実装のばらつきを抱えたVoIPの上に載っている。クリーンな実験環境で動いたエージェントが、現実の配線に触れた瞬間に崩れる、というわけだ。
これはデータ側でも同じ構図になる。ITmediaの解説は、AIエージェントが本番で動かない一因を、次世代データ基盤が整っていないことに求めている。デモは整形済みのFAQで動くが、本番は表記揺れ・古い手順・例外だらけの現場データに晒される。料理に喩えれば、レシピ通りに作れる調理実習室と、注文が殺到し在庫が欠ける本番の厨房は別物だということ。神戸市の65%も、裏でVOC分析とFAQ設計を人が仕込んだ結果であって、AIを繋いだだけで出た数字ではない。確認すべきは「PoCの数字」ではなく「その数字を出すために本番で何を整える必要があるか」だ。
確認点2：SLAと「成果の定義」に落とし穴がある
二つ目は、契約書のSLAと成果指標の定義だ。ここが最も静かで、最も後で効く。
たとえば「完結率」や「自己解決率」は、各社で分子・分母の取り方が違う。放棄呼を分母から外すか、有人に渡った時点で完結と数えるか、再問い合わせを別件と数えるかで、同じ運用でも数字は大きく動く。成果課金も同様で、Salesforceの解決課金モデルは、AIが自律的に案件を解決したときだけ課金し、顧客が人を求めたり不満のまま離脱すれば課金しない、という設計を打ち出した。方向性は健全だが、ここでも「解決」を誰がどう判定するかが契約の肝になる。AIが「解決した」と記録した案件を、顧客は解決と感じていない、というズレは珍しくない。
そのズレは実データにも出ている。Genesysの調査では、ほぼ全ての消費者がチャネルを跨いで情報が引き継がれることを期待する一方、仮想エージェントの会話を有人エージェントへ渡せていない企業が半数近いとされる。SLAで「完結率」を保証していても、渡せなかった会話が"完結扱い"で集計されていれば、数字は良く見えて体験は悪い。SLAを見るときは、稼働率よりも、成果指標の定義・除外条件・計測範囲を先に揃えるべきだ。
確認点3：カスタマイズコストは「本番化の時間」に化ける
三つ目は、提案書の見積もりに載らないコストだ。MITの調査を報じた記事は、コンタクトセンターAIが本当に機能するまで通常4〜18カ月かかり、しかもデータの手当て、ナレッジの整備、組織の合意形成、チェンジマネジメントは当初の事業計画にほとんど出てこない、と指摘する。カスタマイズ費用は初期見積もりの金額としてではなく、本番化までの「時間」として跳ね返ってくる。
単価も甘くは見られない。Gartnerの予測は、2030年までに生成AIの解決あたりコストが多くのB2Cのオフショア人的対応を上回る、と見る。複雑なユースケースはトークンを食い、高価な人材を要し、データセンターコストも上がる。「AIだから安い」という前提は、少なくとも複雑な問い合わせでは崩れつつある。さらに導入後も終わらない。CallMinerの指摘は、本当の仕事はgo-liveの後に始まる、静的な前提のまま放置したボットは実運用でドリフトして不満を拡大させる、と述べる。カスタマイズは一度きりの費用ではなく、更新・再学習・監視という継続コストの入口だ。
3. 資料の裏を確認する、再現可能な4つの型
ここまでを、次のベンダー選定にそのまま使える「確認の型」に抜き出す。
第一に、環境ギャップの型。デモではなく「自社の本番相当データ・自社のCTI/CRM/SIP構成」でPoCをやらせ、繋ぎ込みの難所を先に炙り出す。効くのは、ばらつきのある現実の配線こそが本番の失敗要因だからだ。具体的には、既存システム連携の可否とレイテンシ、例外パターンでの沈黙をPoC条件に明記する。
第二に、定義突合の型。「完結率」「解決」「自動化率」を、分子・分母・除外条件・計測期間まで契約前に文書で揃える。有人転送の扱い、再問い合わせのカウント、放棄呼の除外を明示させる。効くのは、定義が揃わない数字はベンダー間で比較できないからだ。
第三に、総コストの型。初期費用ではなく、本番化までの月数と、更新・再学習・監視の継続費用まで含めた総保有コストで見る。効くのは、コストが金額ではなく時間と運用に化けるからだ。4〜18カ月という現実を、6カ月のROI期待にぶつけて握っておく。
第四に、撤退条件の型。データ返還、学習データの帰属、料金改定、そしてベンダーやモデルが止まった時のフェイルオーバーを契約段階で確認する。効くのは、カスタマーサポートは直接お客様に影響するため、止まった時の被害が社内業務より重いからだ。
4. ここからは私の見立てとして
ここからは私の見立てとして書く。国内CCベンダー選定でこれから差がつくのは、AIの賢さではなく、「AIが載る土台」を正直に語れるベンダーかどうかだと考えている。象徴的なのは、Treasure AIの警鐘だ。自社がGartnerのCDP評価でリーダーからチャレンジャーへ落ちてもなお、「統合したはずのCRMスタックが、AI時代のスピードに追いつけず亀裂が入っている」と構造問題を語った。売り込みたい機能ではなく、土台の限界を先に言うベンダーは、選定側にとってむしろ信頼できる。
自己反証もしておく。「土台とプロセスが全て」と言い切るのは、行き過ぎかもしれない。神戸市やトランスコスモスの数字を見れば、条件を整えた企業では現に効果が出ており、慎重さを口実にいつまでも着手しないほうが機会損失は大きい。データが完璧に整う日は来ないのだから、整えながら走る判断は正しい。ただし、走る前に上の4つの型で"どこが崩れやすいか"を握っておくかどうかで、走った後のやり直しコストが変わる。
条件付きで言えるのはこうだ。自社の本番相当データでPoCを回し、成果指標の定義を契約前に揃え、総保有コストと撤退条件を握れているなら、AIコンタクトセンターは投資に見合う。その3条件が欠けたまま機能比較表と自己申告の数字で選ぶなら、4分の3の巻き戻しの側に回る確率が上がる。
まとめ
第一に、営業資料に載る数字は、PoC環境・自己申告・都合の良い定義で作られている可能性を常に疑う。第二に、落とし穴は「環境」「定義」「コスト」の3層にあり、いずれも契約前にしか潰せない。第三に、選ぶべきは機能が多いベンダーではなく、土台の限界と本番化の難所を正直に語れるベンダーだ。
では、あなたが次に受け取る提案書は、デモの数字を見せているのか、それとも本番で崩れる場所を見せているのか。そこを問える発注者だけが、4分の3ではなく5%の側に立てる。
注記：本稿は2026年7月21日時点で確認できた公開情報に基づく。引用した完結率・自己解決率・削減効果はベンダーや導入企業の自己申告を含み、一次実測での裏取りは別途必要となる。3つの確認点と4つの型、および将来予測に関する評価は筆者（相原ことは）の個人的見解であり、特定製品の推奨・非推奨を意図するものではない。
出典
- CX Today「Your Board Wants ROI in Six Months, Your Contact Center Needs Eighteen」
- CX Today「CCW Vegas 2026: 10 CX Trends That Prove the Industry's AI Honeymoon Is Over」
- CX Today「Why Enterprise Voice AI Projects Stall Before They Reach Production」
- PR Newswire「transcosmos evolves its CX platform into trans-DX Plus for Support」
- コールセンタージャパン「神戸市税務部、AIボイスエージェントを本格導入」
- Gartner「GenAI Cost Per Resolution Will Exceed Offshore Human Agent Costs by 2030」
- CMSWire「Salesforce Debuts Help Agent With Pay-Per-Resolution AI」
- No Jitter「Siloed data, legacy systems hinder customer service」
- CX Today「How to Optimize AI Bots Using Real Customer Conversations」
- ITmedia「AIエージェントはなぜ『本番で動かない』のか？」
- CX Today「The CRM Stack Is Cracking, Treasure AI Warns」
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。
