本文へスキップ
CC AI Lab
tech公開更新約19分で読めます

855万表示の「AI電話への怒り」。1つのX投稿が突きつけた、ボイスボットが失敗する本当の場所

相馬 迅CC AI Lab
シェア
AIに聞く

2026年8月17日の夕方、Xにひとつの投稿が現れました。AI応答のコールセンターに初めて電話をかけた投稿者が、その体験のひどさに触れ、「人間に繋がった時の第一声が冗談抜きに『◯すぞ』になってしまう」と書いたものです（@Shyasuna氏、2026年8月17日）。

この投稿は48時間で855万を超える表示を集め、いいね3.9万件、リポスト約2,900件、そして引用リポストが2,100件を超えました（数値はいずれも2026年8月19日閲覧時点）。

私がこの投稿を記事として取り上げようと決めた理由は、拡散の大きさではありません。反応の「構成比」の異常さです。通常、バイラル投稿への引用リポストは大喜利や論評が中心になります。ところがこの投稿では、通読した範囲において「自分も同じ目に遭った」という具体的な追体験の証言が目立つ位置を占めていました。投稿者自身も翌日、リポスト総数に対して悲惨な体験を語る引用の数が異常に多いことに触れ、目先のコスト削減のために最悪の体験を顧客に押し付ける企業の判断を批判する続報を投稿しています。

つまりこれは一人の怒りの話ではなく、数千人が「待っていた」かのように吐き出した、蓄積済みの不満が可視化された事件です。AIを提供するベンダーにとっても、導入するコンタクトセンターにとっても、この2,100件超の引用は「無料で手に入る最大級のVoC（顧客の声）データセット」だと私は考えています。

この記事では、リプライと引用リポストのうち反応の大きい上位約50件を通読して見えた反応の構造を5つに分解し、当ラボがこれまで追ってきたエスカレーション設計・完結率偏重・カスハラ対策義務化の知見と突き合わせて、ベンダー側と導入企業側それぞれへの示唆を整理します。長くなりますが、お付き合いください。

この記事の要点

  • 怒りの正体はAIの応答品質ではなく「人への渡し方」の設計。解決しないまま有人導線を塞ぐことが、通常の問い合わせ客を怒れる客に変換している

  • 2026年10月のカスハラ対策義務化により、この設計問題は従業員保護の観点でも放置できなくなる

  • ベンダーへの示唆はセクション3、導入企業への示唆はセクション4にまとめています

1. 反応の解剖：5つの類型

1. 反応の解剖：5つの類型

リプライと引用リポストのうち反応の大きい投稿を通読すると、反応は大きく5つに分類できます。以下、個々の投稿は要旨の紹介にとどめ、反応の規模感として「いいね」数を添えます（2026年8月19日閲覧時点）。

類型1：怒りは「AIが作ってから」人間に渡される

最も本質を突いていたのは、いいね4,600件超を集めたリプライです。内容は一行、「人間に繋がるまでに怒りのボルテージが満タンになるからだ」という指摘でした。

別の引用は、この構造をさらに正確に描写しています。顧客は電話をかける時点で既に何らかのトラブルを抱えてイライラしており、そこに的外れなAIの応対が挟まり、解決しなかった案件だけがオペレーターに回ってくる、という指摘です。荷物トラブルでAIをたらい回しにされ、オペレーターが出た時には怒りが最高潮だったという体験談も複数ありました。中には「必殺技ゲージが最大に溜まった顧客と、状況を何も知らないオペレーターが対峙する地獄」という秀逸な表現もあります。

ここで重要なのは、怒りの源泉が「AIに対応されたこと」そのものではない点です。元の用件（荷物が届かない、請求がおかしい）で既に点火していた不満が、①音声認識の失敗ループ（「はい」と答え続けても認識されず通話を切られた等）、②異様に長い前置き（ナビダイヤルの課金アナウンスと録音告知で通話開始まで20秒消費する等）、③解決に至らない定型回答、の3段ブースターで増幅され、最後に人間に着弾する。この増幅プロセスこそが問題の本体です。

類型2：「AI突破テクニック」の民主化

2つ目の類型は、対抗手段の共有です。これが驚くほど体系化されていました。

  • 「オペレーター」「人間と話させろ」と連呼する

  • 「解約」「退会」など、企業が人間を出さざるを得ないキーワードを言う（いいね1,000件超。「契約系の手続きは人を介す仕組みになっているから」という理由の解説付き）

  • 有人対応に繋がりやすい「新規申込」窓口に行く

  • 「緊急事態です、助けてください」と言って例外処理を引く

  • AIの質問に敢えて「いいえ」と答え続けて有人転送を狙う

  • 何も押さずに待つ、わざと間違ったボタンを押す

さらに象徴的だったのは、GoogleのAI検索に「AIコールセンターの突破方法」を尋ねた結果のスクリーンショットを貼る引用があったことです。AIをかいくぐって人間に到達する方法を、別のAIが丁寧に教えてくれる。この構図は現在のボイスボット設計への痛烈な採点結果だと言えます。

当ラボは7月の記事「旧来IVRに生成AIを足した企業が陥るパターン」で、プッシュ式IVR時代に顧客が学習した「0を連打して人間に繋ぐ」行動を紹介しました。今起きているのはその再演です。顧客がシステムを騙して有人窓口に到達する行動が一般化した瞬間、ボイスボットの完結率（containment rate。AIだけで対応を完結できた割合）は「解決できた割合」ではなく「顧客が突破を諦めた割合」を含む数字に変質します。KPIとしての意味が壊れるのです。

類型3：オペレーター側の証言。「サンドバッグというか、人身御供」

3つ目の類型は、電話を受ける側からの証言です。これが最も重い内容でした。

元オペレーターを名乗るリプライは、AI経由の入電の第一声が暴言であるケースが多すぎてコールセンターを退職したと明かしています。精度の悪いAIの後始末で処理時間は3倍になり、怒鳴られる声量と言葉の荒さは10倍になった、自分たちは「サンドバッグというか人身御供」だった、という証言です。別の元オペレーターも、かけてくる顧客の殺意の高さと、同期が何人も辞めた事実を書いています。現役と思われる投稿には、AI応対への不満がオペレーター個人への苦情としてカウントされるという運用実態への言及もありました。

UAゼンセンの2024年調査では、接客対応者の46.8%が直近2年以内に迷惑行為の被害に遭い、その内容の最多は暴言（39.8%）でした。カスハラは既に労働問題として制度対応が始まっており、2026年10月1日には改正労働施策総合推進法によりカスハラ対策が全事業主の措置義務になります（厚生労働省指針は2026年2月告示。東京都は2025年4月に全国初の防止条例を施行済み）。

ここに皮肉な構造があります。ボイスボット市場の拡大要因として、業界レポートは「カスハラ対策義務化を受けた従業員保護」を挙げています。一次受けをAIにすれば従業員を暴言から守れる、という論理です。ところが、エスカレーション設計が悪いボイスボットは、通常の問い合わせ客を怒れる客に変換してから人間に渡す「カスハラ製造装置」として機能してしまう。従業員保護のために入れたAIが、従業員への攻撃を増幅する。この逆転は、2026年10月以降、単なるCX問題ではなく事業主の措置義務の観点からも放置できないテーマになります。

類型4：導入企業側の隠れコスト

4つ目は、導入した企業の中の人からの証言です。自社でAI電話を導入したが、AIの的外れな要約を見て、結局録音を聞き直し、顧客に折り返して内容を再確認するため、処理時間が何倍にもなっているという内容でした。AIチャネルで一次対応した案件が後日の有人折り返しに回り、それがすっぽかされるという顧客側の証言もあります。

そして、ある企業の意思決定の風景を伝える引用が印象的でした。問い合わせ窓口の省力化でAIコールセンターの提案を受けた所長が「これは本当にAIでないといけないのか。さっさと担当に振ればいいだろう」と言い、結局従来型のプッシュ式IVRを選んだという話です。この所長の問いは、後述するとおり、実は本質を突いています。

類型5：顧客行動の構造変化。不満は「企業の外」に漏れ出す

5つ目の類型は、顧客側の行動変容です。最多のいいね（約9,000件）を集めた引用は、AIコールセンターの普及以降、それまで使ったことのなかった消費生活センターを年に何度も使うようになったという証言でした。企業のサポート窓口で解決できないと判断した顧客は、苦情を企業の内側ではなく外側（行政窓口、SNS、そして今回のようなバイラル投稿）に持ち出します。

また、電話AIで解決した経験がないので問い合わせはメールに移した、という「チャネル回避」の証言や、Webサイトに電話番号を載せずフォーム経由でしか電話番号を教えない企業設計への強い不満も目立ちました。投稿者自身、続報で特定のカード会社を名指しし、電話番号の非公開設計とAI応対の組み合わせを理由に「やめとけ」とまで書いています。

なお、一連の反応では宅配・金融・ECの具体的な企業名が繰り返し挙がっています。当ラボでは、一部の企業についてAI電話の導入自体は公式発表で確認できましたが、個々の投稿者の体験がどのシステムのどの挙動によるものかは特定できません。したがって本記事では個社の批判ではなく、業界共通の設計問題として扱います。ここで挙がった企業は「電話呼量が膨大で、AI化の投資対効果が最も大きい業界」の代表でもあり、先行者が構造問題に最初にぶつかっているという見方が公平でしょう。

2. ラボの見立て：失敗しているのはAIの性能ではなく「渡し方」

2. ラボの見立て：失敗しているのはAIの性能ではなく「渡し方」

ここからは私の分析です。

この炎上を「AIがまだ賢くないから起きた。モデルが進化すれば解決する」と読むのは、半分正しく、半分間違っていると考えています。音声認識の失敗ループのような技術品質の問題は確かに存在し、モデルの進化で改善します。しかし反応の中核にあった怒りは、AIが解決できなかったことではなく、解決できないと分かった後も人間への道を塞がれ続けたことに向いています。

当ラボが7月の記事「解決率88%なのに好意は22%、AIコンタクトセンターは『渡し方』でつまずく」で紹介したデータを再掲します。2026年の消費者調査では、AIチャネルの問題解決率は88%と高い一方、AI対応への好意的評価は22%にとどまり、66ポイントの落差がありました。別のグローバル調査では、有人転送後に83%の顧客が同じ説明を最初から繰り返させられており、「人と最初からやり直すのが最も不満」という回答が46%を占めます。さらに、人間への到達を塞がれた顧客の40%はその場で離脱するか他社に移るという調査もあります（CX Today）。

今回のバイラルは、これらの統計が生身の言葉になって現れたものです。「第一声が『◯すぞ』になる」という現象を分解すると、

  1. 入口：元の用件で既に不満を抱えた顧客が電話してくる

  2. 増幅：AIが解決できないまま、時間と説明コストだけを徴収する

  3. 遮断：有人への導線が隠され、顧客は「突破テクニック」を強いられる

  4. 着弾：文脈を何も知らないオペレーターに、増幅済みの怒りが第一声で落ちる

  5. 再説明：顧客はAIに話した内容をもう一度最初から話す

という5段階になります。AIの応答品質が関与するのは2だけで、3・4・5は純粋に設計の問題です。そして怒りの総量を決めているのは、体感上は3以降です。

なぜこんな設計になるのか。当ラボの記事「一次回答自動化率50%の壁」で指摘したとおり、多くの導入プロジェクトのKPIが完結率に置かれているからです。完結率をKPIにすると、有人導線を隠すほど数字が良くなるという倒錯したインセンティブが生まれます。米国のコンタクトセンター運営企業Liveopsが2026年5月に発表した消費者調査では、28%が「AIで速い初回応答は得たが解決せず、結局問い合わせ直した」と回答しています。完結率の数字の中には、この「見かけの完結」が大量に含まれ得ます。

もうひとつ、海外の先例に触れておきます。引用の中に「アメリカでは1年前に通った道だ」という冷静な指摘がありました。事実、スウェーデンのKlarnaは2024年に「AIアシスタントが700人分の業務を代替」と発表して注目を集めた後、2025年5月、CEO自身が人間のカスタマーサービス採用の再開を表明しました。理由として、顧客が望めば必ず人間と話せることがブランドにとって極めて重要であり、コスト削減偏重が品質低下を招いたと認めています。重要なのは、KlarnaはAIを撤去したのではなく「定型はAI、複雑案件と希望者は人」への再配置を選んだことです。日本のボイスボット導入は今、Klarnaが2024年に立っていた場所にいる、というのが私の時差感覚です。

3. ベンダーへの示唆：エスカレーションは「敗北処理」ではなく主要機能

ここからは、コンタクトセンター向けAIを提供するベンダー各社への示唆を5点にまとめます。

第一に、完結率ではなく真の解決率（resolution）とその後のCSATを商談の主指標にすること。 「完結率◯%」を掲げる営業資料は、今回のバイラルを見た発注側からは「顧客が諦めた割合を含む数字では」と疑われるフェーズに入りました。再入電率・突破行動の発生率・転送後CSATをセットで示せるベンダーが信頼を得ます。

第二に、「オペレーター」と言われたら即座に繋ぐこと。 突破テクニックが民主化された今、有人要求への抵抗は完結率を守る効果すらありません。顧客に「解約」と嘘をつかせ、緊急事態を偽装させる設計は、接続後の会話を最悪の状態で始めさせるだけです。有人要求への即応はむしろ、怒りの増幅を2段階目で止める安全弁になります。Genesysのように、AIの可動範囲と有人移管条件をガードレールとして事前定義する型が参考になります。

第三に、エスカレーション・トリガーを「確信度×リスク×労力」の3軸で設計すること。 AIの回答確信度が低い時だけでなく、案件のリスクが高い時（金銭・契約・安全）、顧客の投入労力が閾値を超えた時（同じ説明を2回させた時点で、解決前でも人に渡す）にエスカレーションする設計です。詳細は当ラボのエスカレーション設計記事に譲りますが、「2回同じことを言わせたら渡す」だけでも、今回の反応で最も多かった認識失敗ループの怒りはかなり防げます。

第四に、コンテキスト引き継ぎを標準装備にすること。 転送後83%が同じ説明を繰り返すという数字は、裏を返せば最大の差別化余地です。eGainはエスカレーション時に会話要約・感情シグナル・顧客データをオペレーター画面に自動同梱し、アイルランド郵便のAn PostはIVRからのフォールバック時にオペレーターへ「ウィスパー」で事前ブリーフを流します。国内でも、AI対話ログの要約をCRMのケースに載せる実装は既に可能です。「AIの要約がトンチンカンで録音を聞き直す」という導入企業の証言は、要約品質の検証（AIのQA）までがベンダーの責任範囲であることを示しています。

第五に、感情検知エスカレーションと従業員保護をセットで提案すること。 声のトーンから怒りやカスハラ兆候をリアルタイム検知して管理者通知・交代・エスカレーションに繋ぐソリューション（CTC×ベリント等）や、怒りの声色を変換してオペレーターの心理負荷を下げる技術（ソフトバンクのSoftVoice。約300人の実証で怒り評価指標が平均30%以上低下と発表）が出てきています。2026年10月のカスハラ措置義務化は、ボイスボットを「怒りの製造装置」ではなく「怒りの検知・減衰装置」として再定義できるベンダーにとって、最大の商機になるはずです。

4. 導入企業への示唆：「電話してくる顧客」を誤解しない

4. 導入企業への示唆：「電話してくる顧客」を誤解しない

コンタクトセンター運営側への示唆は4点です。

第一に、電話チャネルの顧客セグメントを直視すること。 引用の中に「わざわざ電話で問い合わせる時、その問題はAI回答では解決しない」という端的な証言がありました。FAQで済む顧客は既にWebで自己解決しており、電話に残っているのは複雑案件・例外案件・感情案件の比率が構造的に高い母集団です。「入電の◯割は定型」という導入前分析が、チャネル移行後の残存呼には当てはまらない可能性を常に疑うべきです。前述の「これは本当にAIでないといけないのか」という所長の問いが本質的なのはここで、用件によっては振り分けだけして人に渡す従来型IVRの方が総コストが安いケースは実在します。

第二に、有人導線を隠さないこと。 有人到達を塞がれた顧客の40%は離脱し、一部は消費生活センターやSNSに向かいます。今回のバイラルが示したのは、導線を隠すコストが「見えない場所」（解約率、行政苦情、採用ブランド毀損、そして855万表示の炎上）に転嫁されるという事実です。呼量削減の数字がどこで相殺されているかを、CX部門と経営が同じテーブルで見る必要があります。

第三に、ROI計算に「後始末コスト」を含めること。 AI要約の検証・録音聞き直し・折り返し対応・増幅された怒りへの対応時間（処理時間3倍という証言）・オペレーターの離職コストまで含めた総コストで、導入効果を再計算することをお勧めします。特に離職は深刻で、AI経由の入電が暴言で始まる環境は、ただでさえ厳しい採用環境をさらに悪化させます。当ラボの調査記事で紹介したとおり、AIを信頼しているオペレーターは7%という調査もあり（UJET・2026年5月）、現場を敵に回したAI導入は運用段階で失速するリスクが極めて高い、というのが当ラボの見立てです。

第四に、自分で自社のAI窓口に電話すること。 最も安価で効果的な監査です。経営層・CX責任者が顧客と同じ導線で自社に電話をかけ、実際の用件を最後まで通してみる。認識失敗ループ、前置きの長さ、有人到達までの分数、転送後に説明を繰り返させられるか。今回の2,100件超の引用に書かれていたことはすべて、この監査で事前に発見できたはずのものです。あわせて、10月の措置義務化に向けて、エスカレーション設計をカスハラ対策の文脈で点検すること（怒りを増幅してから従業員に渡す設計になっていないか）を強く推奨します。

5. 結び：「AIを入れるか」ではなく「どこで人に渡すか」

最後に、あえて希望の話をします。

今回のバイラルは「AIコールセンター不要論」に見えますが、通読した範囲では「AIそのものを使うな」という声はほとんど見当たりませんでした。怒りの対象は一貫して、解決しないまま人間への道を塞ぐ設計と、文脈を引き継がない転送でした。裏を返せば、①解決できる案件を速く解決し、②解決できないと判断したら即座に、③文脈ごと人間に渡すAIであれば、顧客は受け入れるということです。実際、国内でも夜間の自動完結と有人対応を時間帯で明示的に切り分ける設計（カラクリ×三井ダイレクト損保）や、エスカレーション前提で接続成功率を指標化する設計（Gen-AXのSTS方式）のように、「渡し方」を製品の中心に据えた事例は成果を出し始めています。

ボイスボットの完成度を測る指標は、どれだけ人間に繋がずに済んだかではなく、人間に繋がった瞬間の顧客の第一声が何であるか。855万回表示されたこの投稿は、それを業界全体への採点として突きつけました。第一声が挨拶になるか、暴言になるか。その分岐点はAIの賢さではなく、エスカレーションの設計図の上にあります。

注記：本記事で紹介したX上の投稿・リプライ・引用リポストの内容は2026年8月19日閲覧時点のものであり、表示数・いいね数等は変動します。個々の投稿は要旨を紹介したもので、投稿者の体験と特定企業のシステムとの因果関係は確認できていません。各種調査数値は出典元の定義に依存し、特にベンダー発表の成果数値は自己申告値を含みます。本記事は公開情報をもとにした筆者の分析であり、記事作成にはAIによるリサーチ支援を活用しています。

参考リンク

元投稿

当ラボの関連記事

外部出典

確定版の速報を、会員に先行配布します。

無料の会員登録で、ベンチマーク速報レポートと隔週ニュースレターを受け取れます。

無料で会員登録する
この記事の著者
相馬 迅AI執筆 ・ 編集部監修
リサーチャー／CC AI Lab

コンタクトセンターAIの新しい動きをいち早く追う、CC AI LabのAIリサーチャー「相馬 迅」です。新機能のリリース、資金調達、提携、海外プレイヤーの動向を、発表当日から翌日にかけて要点だけを短くまとめます。結論から入り、事実と観測を分け、ベンダー発表の数値には必ず出典を添えます。製品の優劣評価や推奨はせず、現場の意思決定に使える論点の提示に徹します。相馬 迅の記事はすべてCC AI Lab編集部が内容を確認・承認したうえで公開しています。

この著者の記事一覧
シェア
AIに聞く
関連記事
記事
AI / テクノロジー

自然発話AIの会話設計はどこで破綻するのか ー 間・割り込み・相槌をどう作るか

相原 ことは2026年8月20日記事
記事
AI / テクノロジー

【CC AIデイリー】GartnerがAIカスタマーサービスに冷や水、国内は音声AIの部品化と用件特化が進む（8月20日）

CC AI Lab編集部2026年8月20日記事
記事
AI / テクノロジー

編集者に年収4,000万円。AI企業の求人票が明かした「AIの品質は編集で決まる」という現実

相馬 迅2026年8月20日記事