コールセンターのスキルマップを更新する ー AIを使える業務と自力判断を分ける
コールセンターのスキルマップは長らく、商品知識と応対マナーを縦に並べ、オペレーターごとに習熟度を◯△×で埋める表として運用されてきた。スキルマップの解説でも、従業員のスキルを可視化して育成と配置に使う表として紹介されている。ところが、AIが残高照会や配送状況の確認といった定型応対を巻き取り始めると、この表の前提が崩れる。「商品Aを説明できる」の◯が付いていても、その用件をAIが完結させてしまえば、その◯は現場の実力を測る目盛りとして働かなくなるからだ。
ここで立てたい問いは単純だ。AIが定型を引き受ける時代のスキルマップは、何を単位に組み直すべきか。結論を先に置くと、単位を「知識を持っているか」から「用件ごとに、どこまで自力で判断できるか」へ移すのがよい、というのが本稿の立場である。役割が「消える」より「変わる」ことや、AIと離職率の関係は、本媒体でも役割変化と定着の総論として別途扱ってきた。本稿はその総論を前提に引き受け、SVと人材育成担当が明日から手を動かせる管理表の作り方に絞る。
コールセンターの用件と、必要な判断を表にする
まず、当て馬として従来型のスキルマップを置く。商品・手続き・システム操作を縦軸にして習熟度を埋める形は、扱う知識の量を管理するには向いていた。もっとも、この形はオペレーターが「その用件で何を判断しているか」を捨象してしまう。同じ「解約受付」でも、規定どおり手続きを進めるだけの場面と、相手の不安を聞き取りながら引き止めの線引きをする場面とでは、必要な力がまるで違う。知識の有無を測る表は、この差を映せない。
そこで、スキルマップの単位を用件に据え直し、各用件で求められる判断を型で分ける。判断を大きく4つに割ると、現場の実感に合う。
判断の型 | 中身 | 例 |
|---|---|---|
即答 | 手順や規定を見ずに正しく答える | 営業時間、残高、配送状況 |
例外処理 | 標準フローから外れた事象を見分けて切り戻す | 手続き途中の不整合、システムエラー |
裏取り | 複数システムを横断し、原因を突き止める | 請求誤り、二重課金の調査 |
対人調整 | 相手の状態に合わせて対話を設計する | 解約引き止め、不安の傾聴、二次対応 |
この4類型を用件ごとに当てはめると、「この用件は即答までできるが、裏取りは一人では難しい」といった粒度で実力を記録できる。知識の◯×より一段細かいが、育成の打ち手に直結する粒度である。
コールセンターの用件を、AI補助ありとAI補助なしで分ける
用件と判断の型が並んだら、次にAIとの分担を重ねる。ここが本稿の中心だ。同じ用件でも、AIの提示を前提に担当できる範囲と、AIなしで自力で完結できる範囲は分かれる。両者を1つの表に落とすと、スキルマップは「AIが隣にいる前提での担当可能範囲」を管理する道具に変わる。
Zoomの2026年向け解説は、定型的でルールに沿った問い合わせはAIが端から端まで処理し、複雑で機微な、あるいは価値の高いやり取りに人間が判断と共感を持ち込む、という分担像を示している。ただし注意が要る。AIだけで完結した割合を指すコンテインメント率の指標解説では、それが実際に解決できた割合と同じではないと指摘されている。AIが会話を抱え込んだからといって、用件が解けたとは限らない。だからこそ、有人側には「AIが取りこぼした用件を引き取る力」を記録しておく必要がある。
以下は、その考え方を管理表に起こした編集部の設計案である。特定企業の運用を写したものでも、取材対象者の発言をなぞったものでもない。自社の用件一覧に合わせて行を差し替えて使う想定の、たたき台として読んでほしい。
用件の型 | 想定コール例 | AI補助なしで担当可（自力判断） | AI補助ありで担当可（AIの提示を検証して使う） | スキルマップに記録する到達点 |
|---|---|---|---|---|
定型照会 | 残高、配送状況、営業時間 | 手順を見ずに即答できる | AIが完結し、有人は例外時のみ関与 | 例外を検知して切り戻せるか |
手続き・変更 | 住所変更、プラン変更 | 画面誘導を自力で最後まで進める | 生成AIの入力補助を検証して確定できる | 補助の誤りを訂正できるか |
調査・照合 | 請求誤り、二重課金 | 複数システムを横断し原因を特定する | AIの要約から一次データに当たり直す | 要約を鵜呑みにせず裏取りできるか |
相談・共感 | 解約引き止め、不安の傾聴 | 相手の状態に合わせ対話を設計する | AIの提案を捨てて自分の言葉に置ける | いつAIを使わないかを判断できるか |
クレーム・復旧 | 二次対応、カスハラ対応 | 方針に沿って線引きし記録する | 感情検知の示唆を参考に切替を判断する | 記録と引き継ぎの質が保てるか |
表の右へ行くほど、AIを「使う」より「検証して、必要なら捨てる」力が問われる。定型照会は自力の即答よりもAI完結が前提になり、有人の目盛りは例外対応に移る。逆に相談・共感やクレーム・復旧では、AIの提案をそのまま読み上げないこと自体が到達点になる。カルテに例えるなら、検査値を出すのは機械でも、どの値を採ってどう説明するかは人が引き受ける、という分担に近い。
相談と復旧のスキルを、記録として残す
対人調整や復旧の力は、◯×で測りにくい。だからこそ記録の設計が要る。ここで参考になるのが、応対を検証して残す既存の枠組みだ。Amazon Connectの評価の検索機能では、評価フォーム・スコア・評価者・ステータスといった軸で過去の評価を検索でき、応対品質の記録を後から辿れる。さらに生成AIによる評価の自動記入も提供され、評価基準を自然文で指定して採点を下書きさせられる。もっとも、自動採点の当否を確定するのは人だという前提は崩さないほうがよい。機械が下書きを作り、SVが相談や復旧の判断部分を見て確定する、という順序である。
知識化の観点では、KCS v6のプラクティスガイドが下敷きになる。KCSは、問題を解く過程でその知識を記録し再利用する運用体系で、KCSの役割とライセンスモデルの技法では、役割ごとに求められるコンピテンシーを定義し、記録の質に応じて権限を段階的に広げる考え方を示している。相談や復旧のスキルを「記録を残せたか」「その記録が再利用されたか」で追えるようになれば、対人の力も観察可能な形に落ちる。
ひとつ強調したいのは、記録の更新は年齢や雇用形態から推し量ってはならない、ということだ。ベテランだから対人調整ができる、派遣だから裏取りは任せられない、といった推定はスキルマップを歪める。到達点の判定は、実際の応対の観察と、本人との合意に基づいて更新する。ここを外すと、表は現場の実態ではなく先入観を映す鏡になる。
研修と配置へつなぐ
管理表は、埋めて終わりでは意味がない。研修と配置の入力に使ってはじめて生きる。用件×AI補助の表で「AI補助ありなら担当できるが、自力の裏取りは届いていない」層が見えたら、研修はその一段だけを狙って設計できる。全員に同じ商品研修を課すより、切り戻しや裏取りといった判断の型に絞ったほうが、投じる時間あたりの効きは大きい。
配置では、AIとの受け渡しの質が鍵になる。AIから人へ引き継ぐ際に顧客が同じ説明を繰り返す状態は、体感の悪化につながりやすい。だから、相談・共感やクレーム・復旧の到達点に達した人を、引き継ぎが集中する時間帯や導線に置く配置が効いてくる。スキルマップは、その配置判断の根拠表になる。
ここからは私の見立てとして書く。AIが定型を巻き取るほど、有人側に残るのは判断の重い用件に偏る。すると1件あたりの負荷は上がり、スキルマップの右側（AIを検証し、時に捨てる力）を持つ人材の希少性が増す。自己反証を1つ置くなら、この見立ては「AIの完結率が高止まりする」ことを前提にしており、AIが機微な用件まで担えるようになれば有人の配置設計はまた変わる。それでも、記録を観察と合意で更新する規律は、どちらに転んでも無駄にならない。サポート業務をより広い役割へつなげた現場の動き方は、サポートからサクセスへの組織変革の取材（会員限定）で具体的に追っている。
まとめ
第一に、スキルマップの単位を「知識の有無」から「用件ごとに、どこまで自力で判断できるか」へ移す。第二に、同じ用件を「AI補助あり」「AI補助なし」で分け、右へ行くほどAIを検証し捨てる力を記録する。第三に、相談と復旧のスキルは、応対の記録と再利用で観察可能にし、年齢や雇用形態からではなく観察と合意で更新する。
そのうえで残る問いはこうだ。あなたのセンターのスキルマップは、いまオペレーターの「知識の量」を測っているのか、それとも「AIと並んだときの判断」を測っているのか。表の縦軸を書き換える前に、まずそこを確かめたい。
よくある質問
Q. 既存のスキルマップを全部作り直す必要がありますか。 A. 全面刷新は要りません。まず取り扱いの多い用件を5〜10件選び、それぞれに「AI補助なしで担当可」「AI補助ありで担当可」の2列を足すところから始めると、既存の表を生かしたまま移行できます。
Q. AI補助ありで担当できれば、自力の力は不要になりませんか。 A. 逆です。AIの提示が誤っていたときに気づき、必要なら捨てて自分の判断に切り替える力が要ります。だから自力で判断できる範囲は、AI補助の前提としてむしろ記録し続ける価値があります。
Q. 対人調整やクレーム対応の力は、どう客観的に記録すればよいですか。 A. 完璧な数値化は難しいという前提に立ちつつ、応対評価フォームでの検証記録や、対応の知識化（記録が後から再利用されたか）を目盛りにすると、観察可能な形に近づきます。判定は本人との合意を伴って更新します。
Q. スキルの判定を年齢や雇用形態で見当づけてはいけないのはなぜですか。 A. 推定は先入観を表に持ち込み、実力の高い人を見落とし、育成の打ち手を誤らせるからです。到達点は、実際の応対の観察と本人との合意にもとづいて記録します。
注記
本記事の管理表は、公開情報から編集部が起こした設計案であり、特定企業の運用や取材対象者の発言を再現したものではありません。示した効果や到達点は成果を保証するものではなく、自社の用件一覧に合わせて調整することを前提としています。事実の確認日は2026年9月25日。分担の設計や配置への示唆は筆者（編集部）の見立てを含みます。
出典
Amazon Connect 管理者ガイド「Evaluate agent performance using generative AI」
Consortium for Service Innovation「Technique 7.1: KCS Roles and the Licensing Model」
Zoom「AI Customer Service Agents: A 2026 Guide for Contact Center Managers」
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。
