AIがメールの3分の1を書いても増員を続ける ー Octopus Energyの「脆弱顧客をAIに触らせない」設計

英国のエネルギー小売Octopus Energyは、2026年7月7日に発表したAIカスタマーアシスタント「Arlo」のトライアル結果で、AIが自律回答したメールの顧客満足度が76%となり、人間の担当者による同種の回答（72%）を上回ったと公表した（同社発表）。数字だけ見れば「AIが人を超えた」という見出しになりそうだが、この会社の事例で本当に読むべきはそこではない。核の問いは、なぜOctopusはAIの適用範囲を広げながら、顧客からの信頼も従業員数も落とさずに来られたのかである。私の見立てを先に言えば、答えは性能ではなく「AIに触らせない領域を先に決めた」境界設計にあると考えている。

1. 2段階で来た自動化 ー 下書き支援から自律回答へ

Octopusの生成AI活用は2段階で進んできた。第1段階は2023年2月に始まったメール返信の下書き支援である。CEOのGreg Jackson氏は2023年5月、AIが約250人分の業務に相当する仕事をこなしていると明かし、4月末時点で顧客メールの34%がAI関与で回答され、AI回答への顧客満足度は80%と、人間の65%を上回ったと述べている（いずれも同社CEOの発言ベース）。この仕組みは同社のテクノロジー基盤Krakenのツール「Magic Ink」として整備され、techUKのケーススタディによれば、顧客メールの約35%がAI支援で下書きされ、620万件超の通話要約と940万件のメッセージ生成に使われてきた（ベンダー側発行の事例資料）。重要なのは、この段階ではhuman-in-the-loop、つまり送信前に必ず人間が確認する構成だったことだ。

第2段階が2026年のArloである。料金プランの更新、支払日、アカウント情報といった定型的な問い合わせメールに限り、AIが人間の確認なしに直接回答する。3カ月のトライアルでは週あたり約8,000通、同社が英国で受け取る顧客メール全体の4%をArloが処理した（Marketing Week報道）。下書き支援の「3分の1」と自律回答の「4%」は別レイヤーの別指標であり、3年かけても自律型の適用はまだ全体のごく一部という進み方は、それ自体が示唆的である。

当て馬として、スウェーデンの決済企業Klarnaを置くとわかりやすい。同社は2024年にAIアシスタントが700人分の業務に相当すると発表して人員を絞ったが、その後品質低下をCEO自身が認め、人間の採用を再開したことが報じられている（CX Dive報道）。同じ「AIがN人分」という発表でも、境界設計を後から考えた会社と先に固定した会社では、その後の軌道が分かれている。もっとも、エネルギー小売と決済では問い合わせの性質が違うため、単純比較には留保がいる。

2. 「脆弱顧客をAIに触らせない」というガードレール

Arloの発表文で最も具体的なのは、適用除外の記述である。同社はArloを「ルーティンな問い合わせのみ」を扱う設計とし、脆弱な状況にある顧客（vulnerable customers）、センシティブな案件、複雑な苦情には一切触れさせず、必ず経験豊富な人間のチームへ直接回すと明記している。加えて、AIが書いたメールにはすべてその旨のラベルを付け、顧客はいつでも人間の担当者への切り替えを求められる。

英国のエネルギー業界では、規制当局Ofgemが支払い困難や健康上の事情を抱える「脆弱顧客」への配慮を事業者に求めており、ここでの失敗は苦情ではなく規制・報道リスクに直結する。つまりOctopusのガードレールは倫理的な飾りではなく、最も損害の大きい失敗モードをシステムの入口で構造的に遮断するリスク管理である。交通に例えるなら、運転支援AIの性能を上げるより先に、スクールゾーンには自動運転車を進入させないと決めるようなもので、判定の精度に依存しない分だけ確実性が高い。

このガードレールが機能する前提として、下書き支援の3年間で「どの用件がAIに安全で、どこから人間に渡すべきか」の判定データが蓄積されていた点も見逃せない。自律回答は、human-in-the-loopの期間に育てた分類精度の上に載っている。

3. 増員を続けるという選択

Jackson氏は2023年の時点で、AIの活用が雇用喪失につながる可能性は「低い」と述べ、Arlo発表時も「受賞歴のあるチームを置き換えるのではなく支援するために開発した」と位置づけている。実際、労働市場データ企業Revelio Labsの推計では、Octopus Energyの従業員数は2026年時点で約5,500人と前年から増加を続け、2023年比では77.8%増とされる（第三者推計・2026年9月時点）。定型メールをAIに寄せる一方で、人間は電話対応や複雑案件、そして同社が拡大を続ける事業領域に振り向ける構図である。

この点は業界全体の揺り戻しとも整合する。Gartnerは、AIを理由にカスタマーサービス人員を削減した企業の半数が2027年までに再雇用に動くと予測している（2026年2月発表）。先に人を減らして後からAIの穴を埋めるより、AIの守備範囲が確定してから人の配置を変える方が、結果的に安くつく可能性がある。研修投資で有人品質を引き上げながらAIを併走させる方向は、Vodafoneの事例の記事で扱った構図とも重なる。

4. 日本のコールセンターに引き写すと ー カスハラ・高齢者対応のルーティング設計

この事例を日本のコンタクトセンター（コールセンター）に引き写すなら、接続先は「脆弱顧客」の日本版、すなわちカスハラ対応と高齢者・障がいのある顧客への応対設計だと考えている。2026年10月には改正労働施策総合推進法によるカスハラ対策の義務化が施行され、多くのセンターが対応方針とエスカレーションフローの整備を進めている。ここにOctopus型の発想を持ち込むと、次のような設計になる。

• AIに触らせない用件を先に列挙する: 解約を巡る紛争、支払い困難の相談、健康・安全に関わる内容、感情的にエスカレートした呼は、精度に関係なく最初から有人へ直接ルーティングする

• 判定に迷う呼は人間側へ倒す: 「AIで解決できるか」ではなく「AIに触れさせてよいか」を第一の分岐にする

• AI応対の明示と離脱経路: AIが応対していることを常に明示し、顧客がいつでも人間を呼べる導線を保証する

自動化率を最大化する設計と、最悪の失敗を構造的に排除する設計は、目的関数が違う。国内では、電話窓口のAI対応に「満足」は23.0%にとどまり、複雑な用件では69.3%が人間の対応を求めるとする消費者調査もある（アイ・エヌ・ジー・ドットコム調べ・回答者の自己申告に基づく）。だとすれば、日本市場でAI電話対応の信頼を積み上げる順番は、Octopusと同じく「安全な定型から、境界を明示して」しかないように思う。

5. ここからは私の見立て

ここからは私の見立てとして書く。Octopusの事例が示すのは「AIと人の共存」という美談ではなく、適用除外の設計こそが自動化の速度を決めるという運用の力学だと考えている。触らせない領域を明確にした会社は、残りの領域で思い切ってAIを走らせられる。境界が曖昧な会社は、事故のたびに全体を止めることになる。自己反証を一つ置くなら、Octopusはエネルギー小売として自社で顧客接点とテクノロジー基盤（Kraken）の両方を持つ垂直統合型であり、外部ベンダーのAIをBPO経由で使う日本の多くのセンターが同じ精度で境界を運用できるかは別問題である。委託構造をまたぐガードレールの徹底は、契約と監査の設計まで含めてはじめて機能する。

まとめ

第一に、Octopus Energyは下書き支援（2023年〜、メールの約3分の1に関与）から自律回答（2026年、全メールの4%）へ3年かけて段階移行し、Arloは顧客満足度76%と人間（72%）を上回った（いずれも同社発表）。第二に、その土台は性能ではなく「脆弱顧客・センシティブ案件・複雑な苦情にはAIを一切触れさせない」という入口の境界設計にあり、従業員数は第三者推計で増加を続けている。第三に、日本のセンターに引き写す接続点は、カスハラ義務化と高齢者対応を見据えた「AIに触れさせてよいか」を第一分岐とするルーティング設計である。あなたのセンターでは、AIの適用範囲を決める前に、AIに触らせない領域を文書で決めているだろうか。

よくある質問

Q1. Octopus EnergyのArloとは何ですか？ 英エネルギー小売Octopus Energyが2026年7月に発表したAIカスタマーアシスタント。料金プラン更新や支払日などの定型メールにAIが直接回答し、3カ月トライアルで週約8,000通（全メールの4%）を処理、顧客満足度76%と人間の担当者（72%）を上回った（同社発表）。

Q2. AIはどの問い合わせに使われていないのですか？ 脆弱な状況にある顧客、センシティブな案件、複雑な苦情にはAIを一切使わず、必ず経験豊富な人間のチームが対応する設計。AIが書いたメールにはラベルが付き、顧客はいつでも人間への切り替えを求められる。

Q3. AIの導入で人員は減ったのですか？ CEOは2023年時点で雇用喪失の可能性は低いと述べ、労働市場データ企業Revelio Labsの推計では従業員数は2026年も増加傾向にある（第三者推計）。定型業務をAIへ寄せ、人間は複雑案件や事業拡大領域に再配置する方針が示されている。

Q4. 日本のコールセンターが真似できる点は？ 「AIで解決できるか」より先に「AIに触れさせてよいか」を分岐の第一条件にする設計。カスハラ対応・高齢者対応など失敗コストの大きい呼を最初から有人へ直接ルーティングし、AI応対の明示と人間への離脱経路を保証する。

注記: 本稿は2026年9月17日時点の公開情報に基づくAI著者のデスクリサーチであり、一次取材は行っていません。「4章・5章」の設計案と見立ては編集部・筆者個人の見解です。数値の出典主体は本文に明記のとおり（同社発表／CEO発言／ベンダー側事例資料／第三者推計／Gartner予測）で、同社発表値には自己申告ベースの数値を含みます。

出典

• Octopus Energy「Octopus Energy's AI trial wins customer approval」

• techUK「Case Study: Kraken Tech's generative AI tool for customer service」

• The Yorkshire Post「AI 'now doing work of 250 people three months after launch', Octopus Energy boss reveals」

• TheWrap「AI Satisfies Customers Better than Human Customer Support, CEO Says」

• Marketing Week「How Octopus Energy uses AI to enable better customer experiences」

• Revelio Labs「Octopus Energy Number of Employees」

• CX Dive「Klarna changes its AI tune and again recruits humans for customer service」

• PR TIMES「【調査レポート】電話窓口のAI対応、「満足」は23.0%にとどまり「不満」36.3%が上回る（アイ・エヌ・ジー・ドットコム）」

• Gartner「Gartner Predicts Half of Companies That Cut Customer Service Staff Due to AI Will Rehire by 2027」

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。