【CC AIデイリー】軽量エージェントモデルのローカル配備とデータ整備、AI導入の「足場」に投資が集まる（9月23日）
コンタクトセンター（コールセンター）×AIの主要ニュースを編集部がまとめる日次ダイジェスト。2026年9月22日（現地時間）は、AIが応対そのものを担う派手な発表よりも、AIエージェントを本番環境で動かすための「足場」に当たる発表が重なった。モデルの置き場所、元文書の構造化、エージェントの構築主体、基幹システムとの接続という4つの層で、それぞれ具体的な動きが出ている。
China Telecom AI、GPU1枚で動く軽量エージェントモデル「Xing4.0-29B」を正式リリース
中国の通信キャリアChina TelecomのAI部門が、軽量エージェント型大規模モデル「Xing4.0-29B-A4B」を正式リリースした。総パラメータ290億のうちアクティブパラメータは40億で、コンシューマー向けGPU1枚でのローカル稼働と大規模なエンタープライズ本番環境への展開の両方に対応するとしている。同社発表によれば、このモデルは既にグループ全体のカスタマーサービス基盤に組み込まれており、マルチステップの推論とツール呼び出しを通じて複雑な問い合わせに対応している。解決率などの運用数値は公表されていない。通信キャリアが自社のコンタクトセンター業務に合わせた軽量モデルを内製し、手元のインフラで動かす構成は、海外基盤モデルへの依存を減らす選択肢として、大規模センターを持つ企業の基盤設計に影響しうる。
ABBYY、AIエージェント向けドキュメント解析「FineParser」を発表
OCR・ドキュメントAI大手のABBYYが、RAGパイプラインやAIエージェント、LLMアプリケーションの構築者向けにドキュメント解析ソリューション「FineParser」をリリースした。複雑な業務文書を構造化されたAI処理可能なデータへ変換するもので、CPUのみのDockerコンテナとして5分以内にデプロイできるとしている。同社はリリースで「ドキュメント解析のギャップがエンタープライズAI導入の60%を脅かしている」と問題提起しているが、この数値は同社発表によるものだ。コンタクトセンターのAI導入では、マニュアル・約款・FAQといった元文書が構造化されていないことが精度の壁になる場面が多く、チャットボットから生成AIへの移行で既存FAQ資産をどう扱うかの整理とも重なる論点になる。
Kantata、平易な言葉でカスタムAIエージェントを作る「Agent Studio」を発表
プロフェッショナルサービス自動化（PSA）ソフトウェアのKantataが、カスタムAIエージェント構築ツール「Agent Studio」を発表した。サービス企業がやってほしい仕事を平易な言葉で記述するだけで、自社業務に沿ったAIエージェントを構築できるという。同社は2026年6月にAIスーパーエージェント「Expertise Agent」を発表しており、今回はその構築レイヤーを顧客側に開放する位置づけと読める。エージェントの構築主体がエンジニアから業務側の担当者へ移る流れは、コンタクトセンターではSVや企画担当が「AIエージェント構築者」の役割を担う可能性につながる。一方で、現場に運用を委ねた場合の品質責任の設計は、コールセンターAIの導入が失敗するパターンの整理でも扱ってきた通り、構築の容易さとは別に残る課題だ。
ManageMy×INSTANDA、保険の基幹×体験レイヤーで戦略提携
保険業界向けデジタル体験レイヤーのManageMyと、ノーコード保険基幹システムのINSTANDAが戦略提携を発表した。生保・損保の保険会社が抱える、レガシー基幹システムが請求処理を遅らせ契約者のセルフサービスを阻害するという課題に対し、ノーコード基幹の上に顧客・代理店向けの体験レイヤーを重ねる構成を提供する。双方がノーコードのため、開発サイクルを挟まずに商品や手続きを構成変更でき、既存ユーザーはリプラットフォームなしで相互採用できるとしている。セルフサービスが機能しない原因を窓口側ではなく基幹側に置く整理は、コールセンターの呼量削減の投資順序を考えるうえで参考になる。
本日の示唆
本日の4件は、モデル層（軽量モデルのローカル配備）、データ層（元文書の構造化）、構築層（業務側による自然言語構築）、システム層（基幹接続の刷新）という4つの異なる層で「AIエージェントを本番で動かすための足場」に投資が向かった点で共通する。コンタクトセンターのAI導入が止まる理由は、応対AIそのものの性能よりも、データ・基幹・内製体制といった土台にあることが多い。ベンダー各社が土台の層に部品を供給し始めた動きは、導入検討側にとって「どの層から手を付けるか」の切り分けを促すものになる。
よくある質問
Q1. Xing4.0-29Bのような軽量モデルは、コールセンターでそのまま使えるのか？
China Telecom AIの発表では、同社グループのカスタマーサービス基盤に組み込み済みとされている。ただし解決率などの運用数値は公表されておらず、他社環境での再現性は現時点の公開情報からは判断できない。
Q2. ドキュメント解析ツールは、既にFAQやナレッジを整備済みのセンターにも必要か？
FineParserが対象とするのは、FAQ化される前の業務文書（マニュアル・約款など）を構造化する工程だ。FAQ整備済みでも、AIエージェントが参照する文書の範囲を広げる段階では元文書の構造化が論点になる。
Q3. 自然言語でAIエージェントを構築できると、ベンダーへの依存は減るのか？
構築の容易さと運用品質の維持は別の問題であり、現場構築型では品質責任の所在の設計が必要になる。公開情報の範囲では、Agent Studioの運用サポート体制の詳細は示されていない。
注記: 本記事は2026年9月23日時点の公開情報（各社プレスリリース・業界メディア報道）をもとに編集部が構成した。各社発表の数値は発表主体の自己申告を含む。
出典
SiliconANGLE「Kantata debuts Agent Studio for building custom AI agents in plain language」（2026-09-22）
GlobeNewswire「A Faster, Smarter Path from Core to Customer」（2026-09-22）
この記事はCC AI Lab編集部名義のニュース記事です。AIが日次リサーチをもとに草稿を作成し、編集部が事実確認・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。CC AI Labの編集チームです。コンタクトセンターとカスタマーサクセスのAI活用について、特定ベンダーに依存しない立場で一次情報・検証記事・ベンチマークを制作します。AI著者（相馬 迅・相原 ことは）が執筆した記事の監修も担当し、公開前に事実と中立性を確認します。
この著者の記事一覧
