30席以下のコールセンターにAIは割に合うのか ー エンタープライズ前提の設計が効かない理由
AIで電話に出ることが月数千円で始められる時代になった。IVRyのスタータープランの料金は月払いで月3,980円から、年払いなら月3,317円からで、上位のスタンダードプランでも月5,400円からだ。
法人向けでは、月額1万円で即日導入をうたうAIコールセンターまで登場している。数字だけ見れば、小さなセンターほどAIは安く始められるように見える。
しかし現場で「うちは30席もないから、AIは割に合わないのでは」という声はいまも根強い。理由ははっきりしている。世に出回るAIコールセンターのROI試算やベンダー選定の作法が、ほとんど大規模センターを前提に組まれているからだ。本稿の立場は単純で、小規模センターにAIが効かないのではなく、大規模前提の設計をそのまま持ち込むから効かないだけ、というものだ。この設計のズレを、初期費用・呼量・専任人材の3点から分解する。
小規模センターこそが数の主体
まず規模の分布を押さえておきたい。国内のコールセンターは、席数100を超える大規模拠点こそ通信・PC・金融といった特定業種に集中しているが、事業所の数としては50席未満の中小規模が主体を占める。日本コールセンター協会（CCAJ）の企業実態調査も、保有ブース数（席数）を毎年の基礎項目として調べており、業界の裾野が中小センターで構成されている構図は変わっていない。
当て馬として、よく引かれる大規模導入の成功事例を置いてみる。数十席から数百席規模の改革は、削減できる工数の絶対量が大きいから、投資額が張っても回収の絵が描ける。ニトリの改革で語られた約30人分の工数削減のような数字が出せるのは、そもそも削る母数が30人以上あるからだ。ここが小規模センターとの決定的な違いになる。もっとも、この比較は単純化しすぎる危うさもある。小規模でも1件あたりの単価が高い相談業務なら、少ない件数でも金額インパクトは出る。規模の大小だけでROIが決まるわけではない、という留保は最初に付けておきたい。
なぜ大規模前提の設計が崩れるのか
設計が崩れる第一の要因は初期費用の重さだ。ボイスボットの費用相場を調べると、月額固定費用型は初期費用100,000円から・月額10,000円からという相場で、これは一定の呼量を前提に「1件あたりに薄めれば安くなる」という発想で成り立っている。呼量の少ない小規模センターでは、この薄める分母が足りない。固定費が1件あたりに重くのしかかり、大規模なら成立する単価が成立しなくなる。
第二の要因は呼量そのものの読みにくさだ。アーラン式でシフトを組めるほど呼が安定している大規模センターと違い、小規模センターは日や時間帯で呼量が数倍に振れる。AIの効果は「同じ処理を大量に回す」ときに最大化されるので、呼量が薄く不安定な環境では自動化率が上がりきらない。ここは、大量生産の工場ラインを小さな町工場にそのまま持ち込むようなもので、設備は立派でも稼働率が上がらず償却が進まない、という構図に近い。
第三の要因が、いちばん見落とされる専任人材の不在だ。大規模センターにはナレッジ整備やチューニングを担う担当者がいるが、30席以下のセンターでは管理者が現場対応と兼務しているのが普通だ。AIの精度はナレッジの整備と継続的なチューニングで決まる以上、本番展開後1年程度の運用コストまで含めて見積もる必要があるのに、その運用を回す人手が最初から存在しない。導入費用より、導入後に誰が育てるのかのほうが小規模では効いてくる。
小規模センターの現実解は3つの型に分かれる
では、大規模前提を外したときに何が残るのか。実務で機能している型は、おおむね3つに整理できる。
第一の型は、低価格SaaSを入口にして「まず電話に出る」だけをAIに任せるパターンだ。IVRyのような月数千円のAI電話や、初期費用0円から選べる小規模向けの料金帯のサービスを使い、一次受け・営業時間外・番号振り分けだけを自動化する。完結率を追わず、取りこぼしの防止と折り返し工数の削減に目的を絞ると、小さな呼量でも投資が回りやすい。
第二の型は、呼量が集中する定型業務を1つだけ切り出すパターンだ。予約変更、在庫確認、支払い方法の照会といった、件数が多く手順が決まった用件に限ってボイスボットを当てる。音声認識・自動応答・有人連携を3層に分けてコストを見ると、小規模では全層をいきなり導入せず、まず自動応答の1層から入るほうが総額を抑えられる。全部をやろうとして頓挫するより、効く1業務で成功体験を作るほうが現実的だ。
第三の型は、パッケージ化された製品をそのまま使い、カスタマイズを捨てるパターンだ。ハルシネーションを抑えた受付特化のAIオペレーターのように、用途を代表電話や受付に絞った製品なら、要件定義から作り込む工数そのものが要らない。大規模センターの強みである「自社業務への作り込み」を、小規模はあえて手放す。作り込まないことがコスト構造上の合理になる、という逆説がここにある。
ここからは私の見立て
ここからは私（相原）の見立てとして書く。小規模センターの勝ち筋は、大規模の縮小版を目指さないことにある。大規模センターは自動化率と席数削減で投資を回収するが、小規模はそもそも削る席が少ない。だとすれば、狙うべきは削減ではなく取りこぼしの回収と、管理者の時間の解放だ。折り返しが減り、営業時間外の一次受けができ、後処理が軽くなることの価値は、席数が少ないセンターほど相対的に大きい。
自己反証もしておく。「月数千円で始まる」という入口の安さは、そのまま総額の安さを意味しない。安価なSaaSは対応できる用件が限られ、複雑な相談が来れば結局人が出る。入口が安いことと、業務全体が安くなることは別の話だ。ここを混同すると、小規模でも「思ったより効かない」という失望に着地する。だからこそ、最初に自動化する業務の選定が全てを決める。
条件を付けるなら、小規模センターがAIを入れて割に合うのは、次の3つが揃うときだ。第一に、呼量が集中する定型業務が1つでも明確にあること。第二に、完結率ではなく取りこぼし回収や後処理削減という、小さな母数でも金額化できる指標をKPIに置くこと。第三に、作り込みを捨ててパッケージを受け入れる割り切りがあること。この3つが欠けたまま大規模のROI試算を借りてくると、たいてい期待外れに終わる。
まとめ
第一に、小規模センターにAIが効かないのではなく、大規模前提の設計を持ち込むと効かない。初期費用・呼量・専任人材の3点で、前提が静かにズレている。
第二に、現実解は「低価格SaaSで一次受けだけ任せる」「呼量集中業務を1つ切り出す」「パッケージを作り込まずに使う」の3つの型に収束する。どれも、大規模の縮小版ではなく小規模固有の設計だ。
第三に、指標を削減から取りこぼし回収へ置き換えられるかが分岐点になる。席が少ないからこそ、人の時間を空けることの価値は大きい。
では、あなたのセンターで最初にAIに任せる1業務を選ぶとしたら、それは何だろうか。割に合うかどうかは、規模ではなくその選定で決まる。
注記: 本稿は2026年8月4日時点で確認できた公開情報にもとづく。料金・プランは変更されることがあるため、導入検討時は各社の最新情報を確認いただきたい。ROIや効果に関する記述には媒体・ベンダーの試算や事例が含まれ、一次実測とは限らない。後半の見立ては筆者（相原ことは）の個人的見解であり、特定製品の推奨を意図するものではない。
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。
