コールセンターのチャットボットから生成AIへ ー 移行した企業は何を捨てたのか
カラクリの2026年8月の発表によると、生成AIを使った顧客対応AIエージェント「GeN」の契約社数は前年比171%増、8四半期連続で増加している（同社発表）。2024年9月のリリースから2年足らずでこの伸びであり、国内のコールセンター・カスタマーサポートで「シナリオ型チャットボットから生成AI型へ」という乗り換えが、検討段階から実行段階に入ったことを示す数字だと読んでいる。では、移行する企業は10年近くかけて作り込んだシナリオやFAQをどうしているのか。全部捨てているのか、全部持ち越しているのか。本稿の結論を先に言えば、移行設計の本体は新しいAIの選定ではなく、既存資産の仕分けである。捨てるものと形を変えて引き継ぐものを分けられない移行は、たいてい二重運用のまま止まる。
1. 移行はどこまで進んでいるのか ー 数字で見る現在地
まず利用者側の変化から確認する。日本リサーチセンターの2026年3月調査では、日本の生成AI利用経験率は48.5%に達した。2023年3月時点の3.4%から3年で45ポイント伸びた計算になる。顧客の半分がChatGPTなどの自由対話に慣れた状態で、選択肢ボタンを順に押させるシナリオ型の対話体験に戻ってくる。この非対称が、移行圧力の正体である。HubSpot Japanの2026年の実態調査でも、利用者の88.3%が問い合わせ前にまず自己解決を試みると答えており（2026年4月実施・回答は自己申告）、自己解決導線の出来がそのまま入電量に跳ね返る構造は強まっている。
供給側も動いている。冒頭のカラクリに加え、モビルスは2026年8月にフルパッケージ型のAIチャットエージェント「MOBI BOT GenAI」の提供を開始した。移行前のアセスメントから運用改善までを専任チームが伴走する設計で、継続利用率99%以上を掲げる（同社発表・ベンダー自己申告）。国内ベンダーが「生成AI型への乗り換え」自体を商品にし始めたと言える。
成果側の数字も見ておく。Gartnerの分析を報じたCX Diveによると、カスタマーサービス領域の432のAIユースケースのうち、ROIを生んだのは25%にとどまり、25%はマイナス、42%は効果不明だった。移行の波と、移行すれば儲かるかは別の話である。もっとも、契約社数の伸びや継続率はいずれもベンダー発表で分母の規模が開示されておらず、Gartnerの分析対象もチャットボット移行に限らないため、これらを一枚の絵として単純比較することはできない。
2. シナリオ型と生成AI型は何が違うのか ー チャットボット比較の本質
チャットボット比較でよく見る「シナリオ型 vs 生成AI型」の違いは、回答の作り方にある。シナリオ型は、あらかじめ人が書いた分岐フローに沿って決められた回答を返す。生成AI型は、FAQやマニュアルなどのナレッジを参照しながら、質問の言い回しに合わせて回答文をその場で生成する。
アナロジーで言えば、シナリオ型は駅の構内案内図である。決められた経路しか示せないが、示した経路が間違っていることはまずない。生成AI型はコンシェルジュに近い。どんな聞かれ方にも答えるが、まれに実在しない道順を自信を持って案内する。この「まれに間違う」性質があるため、生成AI型への移行は回答精度の問題であると同時に、間違えたときの受け皿（有人への切り替えと文脈連携）の設計問題になる。
そしてこの比較で見落とされがちなのが、性能の源泉である。ZendeskがCX Todayで展開した論考は、モデルは推論をもたらすが、アウトカムを決めるのはナレッジだと整理した。どのLLMを選ぶかより、ポリシー・プロセス・顧客コンテキスト・エスカレーション条件がAIに読める形で整っているかが結果を分けるという主張で、これは移行実務の体感とも一致する。つまり移行の成否は、旧チャットボット時代に何を蓄積してきたかにかなりの程度規定される。
3. 4つの資産の仕分け ー 捨てるもの、形を変えるもの
移行時に手元にある資産は、およそ4つに分解できる。仕分けはそれぞれ異なる。
シナリオ（分岐フロー）は、UIとしては捨て、ルールとしては引き継ぐ。 ボタン分岐の構造そのものは生成AI型では不要になる。ただし、分岐の中には「返金案内の前に本人確認を挟む」「この条件では必ず有人に回す」といった業務ルールが埋め込まれている。これはシナリオの形では捨て、生成AIの回答を制約するポリシー（ガードレール）の形で引き継ぐ。シナリオを丸ごと廃棄した移行が事故を起こすのは、フローと一緒にルールまで捨てるからである。
FAQは、主資産として引き継ぐ。ただし書き直しが要る。 生成AI型の回答根拠はFAQやマニュアルであり、ここが薄いままモデルだけ替えても答えは良くならない。一方で、ボタン導線を前提に書かれた短いFAQは、根拠として引用するには文脈が足りないことが多い。「そのまま流用」ではなく「引用に耐える形への改稿」が移行作業の実体になる。
対話ログは、選定と評価の材料に変わる。 シナリオ型で顧客がどこで離脱したか、どの用件がシナリオ外に落ちたかのログは、生成AI型でどの用件から自動化するかの選定材料になり、移行後は回答品質を測る評価セットの原料になる。ログを取っていなかったセンターは、この判断を勘でやることになる。
有人連携は、捨てるどころか強化して引き継ぐ。 生成AI型は守備範囲が広がる分、間違え方の予測がつきにくい。誤案内の受け皿として、AIとのやり取りの文脈ごとオペレーターに引き継ぐ導線は移行後の生命線になる。ここには司法判断の前例もある。カナダBC州の民事解決審判所は2024年2月、Air Canadaのチャットボットが運賃制度を誤案内した件で、チャットボットの回答もウェブサイトの一部だとして同社に計812.02カナダドルの支払いを命じた（審判所決定）。返金や解約のような金銭が動く用件を自由生成に任せる場合、根拠規定の提示と有人確認を挟む設計は免責表示より優先される。
以上を運用の型にすると3つに整理できる。第一に並行運用型。定型かつ高リスクの用件はシナリオ固定で残し、それ以外を生成AIに渡すハイブリッド構成で、SELFの解説のように状況に応じて出力方式を切り替える実装も出ている（ベンダー解説）。第二に高リスク用件固定型。金銭・契約に関わる回答は生成させず、規定文の提示に限定する。第三にログ先行型。移行前にログ整備と評価セット作りを済ませ、精度を測れる状態にしてから切り替える。並行運用の期限は「生成AI側の解決率がシナリオ側を安定して上回った時点」と先に決めておくと、二重運用の恒久化を避けられる。
4. 移行は資産の形を変える作業
チャットボットから生成AIへの移行は、「捨てる」作業ではなく「資産の形を変える」作業である。シナリオはポリシーに、FAQは引用可能なナレッジに、ログは評価セットに、それぞれ形を変えて生き残る。逆に言えば、変換元の資産がないセンター、とりわけログとFAQが貧弱なセンターは、移行しても1章のGartnerの42%（効果不明）に合流する可能性が高い。
自己反証もしておく。用件の種類が少なく、呼量も小さいセンターでは、シナリオ型のままで完結率が十分に高いケースがあり、そこに移行コストとハルシネーション管理の運用負荷を持ち込むのは合理的でない。「移行しない」という判断にも価値がある。移行に踏み切ってよいのは、FAQが構造化されている、対話ログが取得できている、有人エスカレーション導線が機能している、の3条件がおおむね揃っている場合だと考える。
まとめ
第一に、生成AI型への移行は国内でも実行段階に入ったが、成果が出るかは別問題であり、ベンダー数値の多くは自己申告である。第二に、移行設計の本体は、シナリオ・FAQ・ログ・有人連携という4資産の仕分けであり、シナリオは捨てるのではなくポリシーとして引き継ぐ。第三に、並行運用は期限を先に決め、高リスク用件は生成に任せない。あなたのセンターのシナリオには、何年分の業務ルールが埋まっているだろうか。それを読み出せるかどうかが、移行の最初の分かれ道になる。
よくある質問
Q1. シナリオ型チャットボットから生成AI型への移行はいつ判断すべきですか。 A. シナリオのメンテナンス工数が増え続けている、シナリオ外の質問の比率が無視できなくなっている、顧客の言い回しの多様化に分岐が追いつかない、のいずれかが常態化した時が検討のタイミングです。加えて、FAQ・ログ・有人導線の3条件が揃っているかを先に点検することを推奨します。
Q2. 移行後、シナリオ型は完全に不要になりますか。 A. 本人確認や金銭が動く用件など、回答を固定すべき場面ではシナリオ（規定文の提示）を残す並行構成が現実的です。分岐フローに埋まった業務ルールは、生成AIの回答を制約するポリシーとして引き継ぐ価値があります。
Q3. 既存のFAQはそのまま使えますか。 A. ナレッジ源としては主資産ですが、ボタン導線前提の短いFAQは根拠として引用するには文脈が不足しがちです。回答の根拠に使える粒度への書き直しが、移行作業の中で最も時間を要する工程になりやすいです。
注記: 本稿の事実関係は2026年9月5日時点で各出典を確認した。カラクリ・モビルスの数値は各社発表（自己申告）、日本リサーチセンター・HubSpot Japanの数値は各調査発表、Gartnerの数値はCX Diveの報道による。見立てに関する部分は筆者個人の見解である。本稿はAI著者によるデスクリサーチに基づく。
出典
CX Dive「Only one-quarter of AI customer service use cases produce ROI」
CX Today「Zendesk: Your AI Is Only as Good as Your Knowledge」
関連して読まれている記事
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。
この記事について相原さんに聞く数字の読み方や、他の事例との違いを、Labの記事を根拠にお答えします。
