アウトバウンドのコールセンターをAI化するとき、インバウンドと何が違うのか ー 督促・確認・フォローの設計論点
インバウンド（受電）のAI化は、この半年で一気に事例が増えた。一方で、アウトバウンド（発信）のAI化は、数字だけ見ると派手に見えるのに、現場に落とすと途端に難しくなる。Helport AIがメキシコの消費者金融で公表した実測では、2026年6月の1か月で74万4,249件の発信接続をAIが処理し、登録から申込完了までの転換率は平均49.9%にのぼる。国内でもオイシックス・ラ・大地が導入した督促電話の自動化は、月間5,000件の督促架電をAIエージェントに載せている。
ここで立てたい問いはひとつ。受電で通用したAIコンタクトセンターの設計を、発信にそのまま持ち込んでよいのか。結論を先に言えば、持ち込めない。発信は「相手が待っていない」という一点で、設計の前提が反転するからだ。
1. 数字は出ている、ただし「発信」の数字である
まず規模を押さえる。Helport AIの74万4,249件は、単発のデモではなく3つの与信プロダクトラインの商用運用データで、対話から登録への転換率をひと月で27.8%から32.7%へ引き上げている。国内ではMicoとアグレックスがはなさく生命で実施した保全コールの実証で、接続顧客の95%に要件伝達が完了し、未収による契約失効率を約5%改善する見込みと報告している（LTVベースのROI試算は自己申告）。
比較対象として受電側を置くと、差がはっきりする。カラクリのEC特化型「AgenticCS BPO」は、受電の問い合わせの約7割をAIが自動処理すると謳う。受電で7割という数字が成立するのは、顧客が「困って、自分から」かけてきているからだ。動機と文脈が最初から相手の側にある。単純に発信と並べて「アウトバウンドでも7割いける」と読むのは、この前提の差を無視している。発信の数字は、接続率・約束取得率・入金率という別の物差しで測らなければ意味を持たない。
2. なぜ発信は反転するのか ー 待っていない相手と、発信固有の法規制
受電と発信の最大の違いは、相手の状態だ。受電では、顧客はすでに用件を抱えて回線の先で待っている。発信では、相手は何も待っていないどころか、知らない番号からの着信を警戒している。飛び込み営業とアポあり訪問の違い、と言い換えるとわかりやすい。同じ「訪問」でも、ドアを開けてもらえる確率も、話を聞いてもらえる姿勢もまったく違う。
そしてもうひとつ、発信には受電に無い法規制の層がかぶさる。消費者庁の特定商取引法ガイドは、電話勧誘販売において契約しない意思を示した相手への再勧誘を法17条で禁じている。再勧誘禁止規定に関する運用指針は、「いりません」「結構です」といった明示的な拒否だけでなく、応答せず電話を切ることが繰り返される黙示の拒否も対象に含めると示している。督促であれば貸金業法が時間帯・頻度・勤務先への連絡を制限しており、業種を問わず社会通念上相当な範囲を超える架電は民事上のトラブルに直結する。受電のAIは「早く正確に答える」ほど評価されるが、発信のAIは「かけていい相手に、かけていい時間に、かけていい回数だけ」かけるという抑制の設計から始まる。速く回すほど良い、が通用しない。
3. 督促・確認・フォローで自動化の線は違う
発信をひとくくりにしないことが設計の第一歩になる。業務ごとに、自動化の効きどころが違う。
第一の型は「督促」。入金遅延の一次架電は、用件が定型で、相手も心当たりがある分だけ会話が成立しやすい。本人確認→入金予定日の確認→SMS送付、という一本道をAIが完走できる領域だ。ただしここは法規制が最も濃い。時間帯・頻度・第三者への非開示をシステム側のガードレールで固定し、少しでも情緒的な反応が出たら人へ渡す設計にする。オイシックスの事例が「スタッフの精神的負担の解消」を前面に出しているのは、督促がオペレーターにとって最も消耗する業務だからで、AIに向く理由も実はそこにある。
第二の型は「確認」。予約前日のリマインド、配送日時の確認、契約更新の意思確認。これは相手の不利益になりにくく、拒否のハードルも低い。発信AIが最も安全に成果を出せる領域で、確認が取れたら終話、取れなければ人に引き継ぐ、という単純な分岐で回せる。
第三の型は「フォロー」。解約予兆のある顧客への働きかけ、離反防止のアウトリーチ。はなさく生命の保全コールがここに当たる。用件は非定型で、相手の感情も動く。AIは「つなぐ・用件を伝える・SMSで補完する」までを担い、意思決定に踏み込む会話は人に残すのが現実解だ。フォローを丸ごとAIに任せようとすると、再勧誘禁止のラインとLTVを毀損するリスクの両方に触れる。
4. ここからは私の見立てとして
発信AIの勝ち筋は、「人の代わりに大量にかける」ではなく「かけるべき相手を絞り、かけてよい会話だけをAIに渡す」オーケストレーションにあると見ている。発信の価値は架電数ではなく、接続後の約束取得率と、その後の入金・継続に効いたかで決まる。ここを見誤ると、AIで架電数を10倍にしたのに苦情とオプトアウトも10倍になった、という失敗に陥る。
自己反証をひとつ入れておく。この「絞ってから渡す」設計は、リストの精度とスコアリングの質に強く依存する。データが薄い企業では、絞り込みの前提が崩れ、結局は下手な鉄砲を数撃つ運用に戻る。発信AIはインバウンド以上に、事前のデータ整備が成否を分ける。だから「AIを入れれば発信が回る」ではなく、「かけてよい相手と時間と回数を、データと規制の両面で定義できているか」がN=1の条件になる。
まとめ
第一に、発信の数字は受電の数字とは別物で、接続率・約束取得率・入金/継続率で測らなければ判断を誤る。第二に、発信には特商法・貸金業法という受電に無い抑制の層があり、速く回すほど良いという受電の設計思想がそのままでは通用しない。第三に、督促・確認・フォローは自動化の効きどころが異なり、確認は広く、督促は規制ガードつきで、フォローは人を残して、という切り分けが要る。
問いに戻る。あなたのセンターのアウトバウンドは、「かけるべき相手」を先に定義できているか。それとも、受電で動いたAIをそのまま発信に転用しようとしているか。
注記: 本記事の数値・事実は2026年7月31日時点で公表情報を確認したもの。ベンダー・導入企業の成果数値には自己申告値が含まれる（Helport・Micoの転換率/ROI等）。第3章以降の設計論は筆者（相原ことは）の見立てであり、個別の法令適合性は各社の専門家に確認されたい。
出典
GlobeNewswire「Helport AI Completes Key Consumer Finance AI Labor Workflow」
PR TIMES「オイシックス・ラ・大地がカスタマーサポートAIエージェント『HelloX』を導入。月間5,000件の督促電話を自動化」
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。
