コールセンターでAIから人へ渡す設計 ー エスカレーションの遅れが不満を生む

米BPOのLiveopsが2026年5月に実施した米国成人1,000人調査で、AIで始まる顧客対応の最大のいらだちとして選ばれたのは「速い初回応答は得たが、解決せず同じ問題で再度問い合わせる必要があった」の28%だった。「速い応答が最も重要」と答えた人は9%にすぎない。顧客が評価しているのはAIの応答速度ではなく、AIから人へ渡る局面も含めた「解決までの通し体験」だということになる。では、コンタクトセンター（コールセンター）のAI一次受けで、不満は具体的にどこで生まれているのか。私の立場を先に置くと、エスカレーションは「AIの敗北処理」ではなく、最初から設計すべき本編の業務プロセスであり、渡す判定の遅れと文脈の欠落こそが不満の主因だと見ている。

1. 不満は「AIの回答」ではなく「渡り方」で起きている

まず規模を確かめる。コンタクトセンターAIプラットフォームのCapacityが米国消費者1,000人に行ったClosure Index調査では、サポート対応の後に「問題が部分的にしか解決していない、または懸念が残る」と感じた顧客が58%にのぼり、85%が「必要なときにAIから人へ滑らかに移れること」を重要と答えた。チケットは閉じても、顧客の中では閉じていない。

人への経路そのものの需要も高止まりしている。Gartnerが2026年2〜3月にB2B・B2C顧客3,566人へ実施した調査のCX Diveによる報道では、生成AIを使う企業に対し「人間のエージェントへのアクセスを必ず用意すべき」と答えた顧客が87%。ただし同じ調査で約半数は「生成AIのおかげで問い合わせは楽になった」とも答えており、顧客はAI活用自体に反対しているわけではない。AIが人に到達する障壁として機能した瞬間に、評価が反転する。

もっとも、これらの数字を横並びで読むことには留保がいる。Liveopsは人材による対応を売るBPO、CapacityはAIプラットフォームのベンダーで、いずれも自社の商材に有利な論点を照らす調査設計になりやすい。分母も「直近6ヶ月にAIと人の両方のサポートを使った人」（Liveops）と一般消費者（Capacity）で異なる。対照として挙げるなら、AI側の成功例であるWilliams-Sonomaは、AIアシスタントOttoがやり取りの70%超を人へ引き継がずに解決したと自社発表している。つまり「AIで完結する7割」と「人へ渡る3割」は両立して存在し、問題は後者の渡り方の品質に集中している、と読むのが妥当だろう。

2. なぜ渡る瞬間に不満が集中するのか

メカニズムを分解する。AI一次受けから有人への引き継ぎで顧客不満が生まれる典型は3つある。

第一に、文脈の消失。Liveopsの同調査では、自動化がうまくいかなかった後の最大のいらだちとして59%が「問題をもう一度説明し直すこと」を挙げ、46%が「人間の担当者が事前情報を持っていないこと」を挙げた。AIに5分かけて説明した内容が人に渡っておらず、顧客はゼロから話し直す。病院で例えるなら、紹介状を持たされずに転院させられ、初診の問診を最初からやり直す状態に近い。診察の腕前より先に、紹介状の書き方で体験が壊れている。

第二に、待ち時間の二重化。AIとの対話に付き合った時間は、顧客の中では既に「並んだ時間」として計上されている。その後に有人キューへ入り直して再び待たされると、体感の待ち時間は合算される。最初から人につながる場合より長く待ったのに、得られた結果は同じという逆転が起きる。

第三に、判定の遅れ。Contact Center Pipelineの2026年8月号でMike Aoki氏が「AIのハンドオフはすべてエスカレーションである」と整理した通り、いまの顧客はFAQ・IVR・音声AIをくぐり抜けた「4層目」でようやく人に到達する。層を重ねるほど、人に着いた時点の顧客は既に消耗しており、オペレーターは最初から難易度の高い感情対応を引き受けることになる。AIが「自分では解けない」と判定するのが遅いほど、この消耗は深くなる。

整理すると、不満の正体はAIの回答品質そのものではなく、「解けない用件を、いつ、どれだけの文脈を添えて、どう人へ渡すか」という接合部の設計不足にある。

3. 引き継ぎ設計の型 ー 判定・文脈・待ち・経路

では何を設計すればよいか。再現可能な型として4つに分ける。

型1: 判定タイミングの先出し。 エスカレーション条件を「AIが行き詰まってから」ではなく、会話の入口で判定する。具体的には、①解約・請求・苦情など誤ると実害が出る用件カテゴリ、②同一顧客の再入電（前回未解決の可能性が高い）、③感情表現の強い発話、の3条件は最初の数ターンで人行きを確定させる。AIの完結率は下がるが、4層目まで顧客を引き回すコストのほうが高い。効くのは、判定を「AIの自信度」ではなく「用件の性質」で決めるからだ。自信度は誤判定するが、用件カテゴリは裏切りにくい。

型2: 文脈の同送。 渡す瞬間に、氏名・契約情報に加えて「顧客が何を試したか」「AIが何を答えたか」「何が未解決か」の3点をオペレーター画面に要約して出す。国内でもロカオプのAI電話「ロカオプデスク」が、問い合わせ内容の把握から担当者選定・要点共有・追加確認までを仲介するAIスマート取次機能を2026年8月に出しており、「転送後の確認が受け手任せ」という従来構造そのものを設計対象にし始めた。効くのは、59%が挙げた「再説明」を物理的に不要にするからだ。

型3: 待ちの二重化の禁止。 AIから有人キューへ入れ直すのではなく、同じ会話スレッドの中で人が引き継ぐ、または折り返し（コールバック）を確定時刻つきで提示する。2026年9月1日にQuiqが発表したVoice Assistのように、通話を切らずに同一スレッド上でAIが送付・処理を済ませる実装も出てきており、「チャネルを跨いでも会話は1本」という前提が技術的には成立しつつある。

型4: 経路の可視化。 「オペレーターにつなぐ」という選択肢を、隠さずに常時表示する。完結率のKPIを守るために人への経路を深い階層に沈める設計は、Gartner調査の87%が示す通り、顧客の信頼と引き換えに数字を作る行為になる。経路を見せた上でAIが先に解ければ、それが本物の完結率になる。

4. 評価軸は「渡した後」へ移る

国内センターのAI導入は「何%をAIで完結できるか」を稟議の中心に置いてきたが、2027年にかけて評価軸は「渡した後の一次解決率」と「再入電率」へ移ると見ている。理由は単純で、完結率は上げようと思えば経路を沈めることで数字上は上げられてしまい、その歪みが再入電と苦情に遅れて表れることが、今回並べた調査群で定量的に見え始めたからだ。

自己反証も置いておく。この見立てには「エスカレーション品質は測定が難しく、KPI化が進まないのではないか」という反論があり得る。完結率は1つの数字で済むが、引き継ぎ品質は判定タイミング・文脈同送率・再説明の有無など複数指標の合成になり、ダッシュボードに載せにくい。測れないものは経営会議で優先されない、という組織の力学は軽視できない。それでも、再入電率と「エスカレーション後CSAT」の2つだけなら既存の仕組みで測れるセンターが多く、まずこの2指標を完結率の隣に置くことが現実的な一歩になる。

条件も添える。この設計論が効くのは、AI一次受けを既に本番稼働させ、月間の有人エスカレーションが一定量発生しているセンターであって、AI導入前のセンターが最初に取り組むべきはナレッジ整備と用件分類の方が先だ。

まとめ

第一に、AI一次受けの不満は回答の質よりも「人へ渡る瞬間」に集中しており、再問い合わせ28%・再説明59%という数字がその位置を示している。第二に、不満の構造は文脈の消失・待ちの二重化・判定の遅れの3つに分解でき、それぞれ判定の先出し・文脈の同送・同一スレッド引き継ぎ・経路の可視化という型で対処できる。第三に、評価軸は完結率単独から「渡した後の一次解決率・再入電率」との組み合わせへ移りつつある。あなたのセンターでは、AIから人へ渡った通話の一次解決率を、いま数字で答えられるだろうか。

よくある質問

Q1. エスカレーション率は低いほうがよいのではないですか。 低さ自体は目標になりません。解けない用件を抱え込んで再入電させるより、早く適切に渡すほうが総コストも顧客体験もよくなります。見るべきはエスカレーション率単独ではなく、渡した後の一次解決率と再入電率との組み合わせです。

Q2. AIから人へ渡す判定は何を基準にすべきですか。 AIの自信度スコア単独ではなく、用件の性質で決めるのが安全です。誤ると実害が出る用件（解約・請求・苦情）、再入電、強い感情表現の3条件は入口で人行きを確定させ、それ以外をAI完結の候補にする二段構えが実務的です。

Q3. 引き継ぎ時にオペレーターへ渡すべき情報は何ですか。 顧客属性に加えて「顧客が何を試したか」「AIが何を答えたか」「何が未解決か」の3点要約が核です。顧客に再説明させないことが目的なので、全文ログではなく要約で渡し、詳細はオペレーター側から辿れる形が現実的です。

注記

本記事は2026年9月2日時点で確認できた公開情報に基づくデスクリサーチであり、見解は筆者個人のものです。LiveopsはBPO事業者、CapacityはAIプラットフォームベンダーによる調査で、いずれも自社発表ベースの数値を含みます。Williams-Sonomaの解決率は同社の自己申告値です。

出典

• GlobeNewswire「New Liveops Research Reveals a Growing Resolution Gap in AI-Powered Customer Service」

• Capacity「The Closure Index: What Our Research Reveals About AI, Humans and Supporting Customers Right」

• CX Dive「Customers still want access to a human in customer service」

• No Jitter「Passing context to human agents matters, Liveops study finds」

• Contact Center Pipeline「Every AI Handoff Is an Escalation」

• CX Dive「Williams-Sonoma AI assistants drive customer engagement／and conversions」

• PR Times「AI電話『ロカオプデスク』、AIスマート取次機能を提供開始」（ロカオプ）

• PR Newswire「Quiq launches Voice Assist: agentic AI that acts during live calls」

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。