コールセンターAIのどこを内製すべきか ー ナレッジ・チューニング・運用の分担線
生成AIに数百億ドルを投じながら、企業の大半が測定可能な利益を得られていない。MITの調査「The GenAI Divide」は、統合されたAIパイロットのうちP&Lに測定可能なインパクトを残せたのは5%で、95%は成果なしに終わったと報告している。重要なのはその内訳で、失敗の主因はモデルの性能ではなく、自社の業務にAIを噛み合わせる「統合」と「学習ギャップ」の側にあるとされる。コンタクトセンター（コールセンター）でも構図は同じで、AIを入れたのに現場が回らないという相談の多くは、ツール選定ではなく分担の設計でつまずいている。ではコールセンターAIのどこを自社で握り、どこをベンダーやBPOに委ねるべきか。丸投げでも全内製でもなく、レイヤーごとに所有権の線を引くのが現実解だと考えている。
95%が利益を出せない理由は、モデルではなく分担にある
まず規模を押さえたい。MITの調査は52件の経営層インタビュー、153名への調査、300件の公開導入事例を分析したもので、汎用ツールが個人利用では機能するのに企業利用で止まるのは、それが業務フローから学習・適応しないからだと結論づけている。つまりボトルネックはモデルのアクセスではなく、現場に合わせ込む工程に移っている。
比較のために当て馬を置く。かつての業務システム導入なら、パッケージを選び、SIerに任せ、運用は保守契約でカバーする、という分担で概ね回った。ところがAIは、入れた後に自社データで育て続けないと精度が上がらない点で、この型から外れる。もっとも、この違いを「だから全部自社でやるべき」と単純化するのは危うい。育てる工程こそ専門性が要るからだ。
ロックインの懸念も無視できない。Zapierの調査では、AIベンダーへの依存を懸念する経営層が81%にのぼる一方、主要ベンダーを支障なく切り替えられると答えたのはわずか6%だった。さらに、4週間以内に乗り換えられると考える経営層が89%いるのに対し、実際に移行を試みた66%のうち58%が「失敗したか、想定よりはるかに手間がかかった」と答えている。認識と実態のこの開きが、分担線を引かずに走った企業の現在地を示している。
チューニングの成果物は、どこに溜まるのか
なぜ「丸投げか全内製か」の二択が両方とも滑るのか。鍵は、AI活用で価値を生む資産が「どこに溜まるか」にある。ベンダーロックインの構造を整理すると、ファインチューニング済みモデル、独自の評価データセット、プロンプトやワークフローといった、自社データを加工して得た成果物が、契約次第でベンダー側の資産になりうる。これらは特定ベンダーの挙動に紐づくため、乗り換え時に持ち出せない「非可搬」の投資になりやすい。
賃貸物件のリフォームに似ている。壁紙や造作にいくら投資しても、退去時に持ち出せるのは家具だけで、作り付けは置いていくことになる。コールセンターAIでいえば、日々の応対から抽出したナレッジ、離脱を潰すために積み上げたシナリオ調整、VoC分析の観点こそが「作り付け」であり、これを誰の物件に作り込むかで、数年後の交渉力が決まる。
さらに2026年は、モデル単体より上の層で固定化が進むという指摘がある。オーケストレーション層のロックインは、孤立したユースケースから連携したエージェント型ワークフローへ移る過程で最も速く育つ依存だとされ、単なるAPI契約より抜けにくいと整理されている。応対の自動化を「点」から「線」へつなぐほど、束ねる層への依存が深くなるという構造だ。
一方で、作り込みを外部の手に委ねること自体は否定できない。フォワードデプロイドエンジニアという、ベンダー側の技術者が顧客の環境に入り込んで本番導入まで作り切る動き方が、2026年に急速に広がっている。パイロットが実装で止まる問題への処方箋であり、報道ベースでは年内に技術提供企業の8割超がこの体制を持つと見込まれている。作る速さは外の専門家に、溜める資産は自社に。この二つは両立させられる。
分担線を引くための4つの型
ここまでの事実から、実務で引ける分担線を型として抜き出す。
第一の型は「レイヤー別の所有権分割」。実装とインフラ運用監視はベンダーやBPO、精度チューニングは共同、そしてナレッジとVoCの蓄積は自社所有、と工程ごとに線を引く。国内でも、BPO市場の展望では、BPOはもはや「器」と「人」を用意するだけの事業ではなく、クライアント課題を掘り下げて運用提案するコンサルティング力が問われると整理されている。委ねる相手が高度化するほど、何を渡し何を残すかの線引きが効いてくる。
第二の型は「成果物の契約設計」。常駐型で作り込んでもらう場合でも、プロンプト、評価データ、チューニング後のシナリオといった成果物の所有権を契約で自社に寄せておく。トランスコスモスの運用支援は、業務フローを理解したシナリオ設計から運用状況の分析、チューニングの反復までを回す型で、生成AIの活用によりエスカレーションを6割削減できる見込みだとしている（2023年時点の同社見通し）。この削減率はベンダー側の自己申告かつ見込み値なので鵜呑みにはできないが、反復チューニングで積み上がる知見を「誰の資産にするか」は、成果の大小とは別に決めておくべき論点だ。
第三の型は「ナレッジの二重管理」。ベンダーのツール内にナレッジが閉じると、それ自体がロックインになる。応対ログから抽出したFAQやVoCの構造化データは、自社側のデータストアにも常に写しを持ち、再利用可能な形で保つ。モビルスの予測は、2026年は要約やQA作成といった「点」から、ナレッジマネジメントや品質管理を運用フローに乗せる「線」の活用へ移ると見ている。線でつなぐほど、ナレッジは一箇所に集約されやすい。だからこそ二重に持つ設計が要る。
第四の型は「束ねる層は中立に握る」。複数モデル・複数ツールを前提に、オーケストレーションの設計思想だけは自社かベンダー中立の層で持つ。国内SIも動いていて、NTTデータのAI-Native開発は、企業が自らの業務に最適なAIを開発できる基盤を提供する方向へ舵を切り、全社員向けの生成AI育成では実践研修の修了者が2025年10月時点で7万人を超えたとしている。SI側が「作って納める」から「内製を支える」へ動くほど、束ねる層を自社に寄せる選択肢は現実的になる。
ここからは私の見立てとして
以上は事実の整理で、ここからは私の見立てとして書く。分担線は席数と内製体力で変わる。数百席規模で自前のデータ人材を抱えられるセンターなら、チューニングとナレッジ資産は自社に厚く寄せ、実装だけを外に出す配分が効く。逆に数十席で専任を置けないセンターが同じ線を引くと、育てる工程を自社で回しきれず、AI-BPOへの危惧として論じられるような、委ねた中身が見えなくなるリスクに陥りやすい。
自己反証を一つ置く。ここまで「資産は自社に残せ」と書いてきたが、全内製への固執が最適とは限らない。MITの調査が突きつけたのは、学習ギャップを自社で埋めきれない企業が大半だという現実だ。育てる専門性が社内に無いなら、フォワードデプロイド型で外の技術者に作り切ってもらう速さの方が、機会損失を考えれば安いこともある。所有権にこだわって着手が半年遅れるくらいなら、成果物の契約だけ押さえて先に動く判断はありうる。
だから分担線は、次の条件で引くのがよいと考える。第一に、日々の応対から生まれるナレッジとVoCは、契約形態を問わず自社側にも必ず写しを残せる状態か。第二に、チューニングの成果物（プロンプト・評価データ・シナリオ）の所有権が自社に帰属する契約になっているか。第三に、束ねるオーケストレーション層が単一ベンダーに固定されず、乗り換え余地を残しているか。この三点が満たせるなら、実装や運用監視は積極的に外へ出してよい。
まとめ
第一に、コールセンターAIの失敗はモデル選定ではなく分担設計でつまずく。95%が利益を出せない主因は統合と学習ギャップにあった。第二に、価値を生む資産（ナレッジ・チューニング成果物・オーケストレーション設計）が「どこに溜まるか」で数年後の交渉力が決まる。第三に、作る速さは外の専門家に、溜める資産は自社に、と工程ごとに線を引けば、丸投げでも全内製でもない配分が組める。
では、あなたのセンターが今ベンダーと交わしている契約は、日々のチューニングで積み上がっていく知見を、どちらの資産として書いているだろうか。
注記: 本記事の数値・事実は2026年8月5日時点で確認した公開情報に基づく。ベンダーが公表する成果数値（削減率等）には自己申告が含まれ、一次情報での裏取りが済んでいないものは本文でその旨を明記した。分担線の引き方に関する評価・見立ては筆者個人の見解であり、特定のベンダーやサービスを推奨するものではない。
よくある質問
自社のコールセンターでAIを導入する際、まずどのレイヤーから内製・外注の線引きを検討すべきでしょうか？
本文では、実装とインフラ運用監視はベンダーやBPO、精度チューニングは共同、ナレッジとVoC蓄積は自社所有というレイヤー別の分担が一つの型として示されています。まず自社側でナレッジとVoCをどこまで握るかを決め、そのうえでチューニングをどこまで共同で行うか、実装・運用をどこまで外に出すかを検討する流れが現実的だと考えられます。
既にAIベンダーと契約済みですが、ベンダーロックインのリスクを現状評価するにはどこを確認すればよいですか？
本文では三つの観点が挙げられています。第一に、応対ログから生まれるナレッジやVoCのデータに自社側の写しを確保できているか。第二に、プロンプト・評価データ・シナリオなどチューニング成果物の所有権が自社に帰属しているか。第三に、オーケストレーション層が単一ベンダー前提で固定されていないかです。これらを契約と運用の双方から点検することが、ロックイン度合いの把握につながります。
専任のデータ人材がいない小規模センターでも、ナレッジやVoCを自社資産として残すために最低限やるべきことは何ですか？
本文では、席数が少なく専任を置けないセンターがチューニングまで抱えると回しきれないリスクが指摘されています。一方で、ナレッジとVoCの写しを自社側にも必ず残すことが条件として挙げられています。具体的には、ベンダーのツール内だけでなく、自社のデータストアにもFAQやVoCの構造化データを二重管理できるよう契約と運用を整え、形式や出力方法をあらかじめ合意しておくことが重要とされています。
フォワードデプロイドエンジニアを活用する場合、何を自社側で押さえておけば後から困らないでしょうか？
本文では、フォワードデプロイド型で外部技術者に作り切ってもらう選択肢自体は肯定されつつ、成果物の契約設計が重要とされています。常駐型で作り込んでもらう場合でも、プロンプト、評価データ、チューニング後のシナリオといった成果物の所有権を自社に寄せること、そして日々の応対から生まれるナレッジとVoCの写しを自社で保持できる状態にしておくことが、後の交渉力や乗り換え余地を確保する前提になると述べられています。
オーケストレーション層を自社で握ると言っても、具体的にどのような考え方で設計すればよいのでしょうか？
本文では、複数モデル・複数ツール前提で、オーケストレーションの設計思想だけは自社かベンダー中立の層で持つことが提案されています。単一ベンダーのワークフローに依存し過ぎると、応対の自動化を「点」から「線」へ広げるほど抜けにくくなる構造が指摘されています。そのため、どの業務をどのモデルに振り分けるか、どのツール間をどう連携させるかといったルールやアーキテクチャを、自社が主体的に定義できる形で設計することが重要とされています。
出典
Fortune / Yahoo Finance「MIT report: 95% of generative AI pilots at companies are failing」
Expert AI Prompts「Own vs Orchestrate: The 2026 Enterprise Guide to Avoiding AI Vendor Lock-In」
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。
