AIプロジェクトの6割は「データ」で消える ー コールセンターがPoC前に棚卸しすべき5つの資産
「データが整っていないので、AIはまだ早い」。コンタクトセンター（コールセンター）のAI導入相談で、最も頻繁に聞くセリフのひとつだ。Gartnerの予測では、2026年までにAI-readyなデータに支えられていないAIプロジェクトの60%が放棄されるとされ、同時に248人のデータ管理責任者への調査で63%が「AIに適したデータ管理の実践ができているか分からない、またはできていない」と答えている。つまり「データが不安」は例外ではなく多数派である。ここで立てたい問いは、「整っていないなら何から棚卸しすればPoCを始められるのか」だ。私の立場を先に言えば、整備の完成を待つ必要はないが、棚卸しを飛ばしてPoCに入るべきではない、である。
1. コールセンターAIのPoCは、なぜ「データ」で止まるのか
まず規模感を確認する。MITのプロジェクトNANDAの報告書は、企業の生成AIパイロットの95%が測定可能なP&Lインパクトを出せていないと指摘した。300件の公開AI導入事例の分析と153人のリーダー調査に基づく数字で、失敗の主因はモデルの性能ではなくアプローチにあるとされる。もっとも、この95%とGartnerの60%を単純に並べるのは乱暴だ。前者は「成果が測れていないパイロットの比率」、後者は「放棄されるプロジェクトの予測比率」であり、分母も定義も違う。ただ、両者が同じ方向、つまり「技術ではなく、データと運用の準備不足で価値が出ない」を指していることは注目してよい。
顧客対応の現場に絞ると、数字はさらに具体的になる。Gartnerの2024年12月の調査では、サービスリーダーの61%が「編集すべきナレッジ記事の滞留がある」と答え、3分の1超は古い記事を改訂する正式なプロセス自体を持っていなかった。生成AIの回答品質を決めるナレッジそのものが、6割の組織で棚卸しの順番待ちをしているわけだ。この領域の重みは市場側にも表れており、Gartnerは2026年にカスタマーサービス向けナレッジマネジメントシステムのMagic Quadrantを初めて発行した。
2. モデルは「推論」しか持ち込まない
なぜデータの棚卸しが決定的なのか。メカニズムは単純で、LLMが持ち込むのは推論能力であって、自社の事実ではないからだ。CX Todayが8月12日に公開したZendeskの論考は、これを「モデルは推論を提供し、アウトカムを決めるのはナレッジ」と表現し、AIが確信を持って解決するには製品ポリシー・業務プロセス・ビジネスルール・顧客コンテキスト・エスカレーションロジック・実行権限が必要だと整理している。
料理にたとえると、高性能なモデルは腕のいい料理人であって、冷蔵庫の中身ではない。冷蔵庫に古い食材（更新されていないFAQ）と、ラベルのない容器（属人化した応対ノウハウ）しか入っていなければ、料理人の腕は関係なく食中毒が起きる。ベンダー側もこの構造を認めており、NiCEのQ2決算を扱ったCX Todayの記事では、AI ARRが前年比52%増と好調な同社ですら、エンタープライズでの立ち上がりが遅い理由としてデータレディネス・ガバナンス・運用モデルの3点を挙げている。売る側が「導入の遅さはデータのせい」と言っているのだから、買う側が着手前にデータを見ないのは不合理だろう。
3. PoC前に棚卸しする「5つの資産」チェックリスト
では何を棚卸しするか。コールセンターの導入readinessは、次の5資産に分解すると点検しやすい。それぞれ「なぜ効くか」と確認項目を添える。
資産1: FAQ・ナレッジベース。AIの回答の直接の材料になるため、最初に見る。確認項目は、(1) 最終更新日が90日以内の記事の比率、(2) 公式情報（料金・規約）と現場メモが区別されているか、(3) 廃止済み商品・旧料金の記事が残っていないか、の3点。61%の組織で滞留している「古い記事の編集」は、全記事の一斉更新ではなく、問い合わせ上位のテーマから着手すれば足りる。
資産2: 過去の問い合わせログ。問い合わせの型と量の分布が分からなければ、自動化対象の選定そのものができない。確認項目は、(1) 問い合わせ理由のカテゴリ分類が付与されているか、(2) テキスト化されているか（音声のみなら文字起こしの手当てが要る）、(3) 上位20テーマで全体の何%を占めるかが出せるか。
資産3: CRM・顧客データ。本人確認や契約状態の参照ができないAIは、案内はできても解決ができない。確認項目は、(1) 顧客IDが電話・チャット・メールで突合できるか、(2) AIから参照するためのAPIや連携手段があるか、(3) 個人情報の取り扱い範囲が社内規程で定義済みか。
資産4: 応対マニュアル・業務ルール。例外処理と判断基準がここに眠っている。確認項目は、(1) 文書化されているか（ベテランの頭の中にしかないなら、まずヒアリングで書き起こす）、(2) 「してはいけない案内」の一覧があるか、(3) 改訂の責任者が決まっているか。
資産5: 権限・エスカレーション基準。Zendeskの整理で見落とされがちなのが実行権限だ。確認項目は、(1) AIに許可する操作（返金・住所変更等）の上限が決められるか、(2) 有人切り替えの条件が明文化されているか、(3) 切り替え時に会話履歴を引き継ぐ手段があるか。
5資産それぞれを「ある・一部ある・ない」の3段階で評価するだけで、PoCで詰まる箇所は着手前にほぼ見える。なお、この棚卸しは既存業務の写経ではない。Metrigyの調査では、AI活用企業の53.7%が既存ワークフローの自動化にAIを使う一方、成果上位グループの57.6%は業務の再設計を優先しており、再設計組の方がコスト・収益・CSATの改善幅が大きい。棚卸しの過程で「そもそもこの問い合わせを発生させない」選択肢が見つかることも多い。
4. 「整うまで待つ」も「棚卸しせず走る」も、どちらも間違い
ここからは私の見立てとして書く。この種のチェックリストには「完璧に揃うまでPoCを始めない」口実に使われる危険がある。それは本稿の意図の逆で、5資産のうち資産1と2が「一部ある」なら、範囲を絞ったPoCは開始できるというのが実務感覚だ。Gartnerの2026年2月の調査ではサービスリーダーの91%が経営層からAI導入の圧力を受けており、「待つ」選択肢は現実には存在しない。
自己反証もしておく。棚卸しをしても失敗するプロジェクトはある。データが揃っていても、KPIの合意がない、現場の巻き込みがない、といった組織要因で頓挫するケースは別系統の失敗であり、データ棚卸しは万能の保険ではない。それでも、60%の放棄予測のうち「AI-readyでないデータ」という名指しされた原因だけは、着手前の1〜2週間の棚卸しで潰せる。かかる工数に対して、避けられる手戻りが大きすぎる。
この見立てが成立する条件は2つ。第一に、棚卸しの結果を「導入可否」ではなく「導入範囲の設計」に使うこと。第二に、棚卸しを一度きりのイベントにせず、資産4・5の改訂責任者を決めて運用に組み込むことだ。
まとめ
第一に、AIプロジェクトの失敗要因としてデータの準備不足は予測レベルで名指しされており（60%放棄予測）、コールセンターも例外ではない。第二に、モデルは推論しか持ち込まないため、FAQ・ログ・CRM・マニュアル・権限の5資産の棚卸しがPoCの成否を先に決める。第三に、棚卸しは「待つ」ためではなく「範囲を絞って早く始める」ために行う。あなたのセンターの5資産は、いま何個が「ある」と言えるだろうか。
注記
本記事は2026年8月13日時点の公開情報に基づく。引用した調査の数値は各調査主体の定義に依存し、単純比較はできない。見立ての部分は筆者個人の見解である。
出典
Gartner「Gartner Survey Finds 91% of Customer Service Leaders Under Pressure to Implement AI in 2026」
Metrigy「Stop Just Automating: Why Redesigning Work is the Secret to AI ROI」
Fortune（Yahoo Finance転載）「MIT report: 95% of generative AI pilots at companies are failing」
CX Today「Zendesk: Your AI Is Only as Good as Your Knowledge」
CX Today「NiCE Wins Big CX AI Deals, But Enterprise Adoption Takes Time」
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。
