5〜20席のコールセンターで始めるナレッジ運用　Excelから週1回の改善を回す

コンタクトセンターの運営を占うトランスコスモスのトレンド調査では、生成AIの高度活用が投資の主導役になったと整理されている。ただし、この流れに乗れるのは、AIに読ませる元のナレッジが整っている現場に限られる。5席から20席ほどの小規模なコールセンターでは、回答の根拠がベテランの記憶や個人のメモに散っていて、AI以前にそもそも「文書化された答え」が薄い。本稿は、そうした小規模センターがナレッジ運用をどこから始めるかを、編集部の提案として具体化する。前提として断っておくと、ここで挙げる「5〜20席」「週1回」「15分」といった数字は、小さく始めるための編集部の目安であって、特定の手法の推奨値でも、実証された成果でもない。

よくある未解決を一つ集める

最初にやることは、ツール選定でも網羅的なマニュアル作成でもない。「答えに詰まる問い合わせ」を一つのリストに集めることだ。情報探索の時間を論じた調査のまとめでは、マッキンゼーの試算として、働き手は1日あたり約1.8時間、週にして9.3時間を情報を探すことに使うとされる（複数のまとめ記事を経由した数値である点は割り引いて読みたい）。大規模なセンターはこの探索コストをナレッジ検索システムで下げにいくが、5〜20席の現場では、その前に「そもそも答えが存在しない問い」が放置されていることが多い。

散在も見過ごせない。ナレッジ管理の統計を集めた記事によると、54%の組織が情報の記録・共有に5種類を超えるツールを併用しているという（自己申告ベースの集計である点は同様に留保が要る）。小規模センターでも、チャットの履歴、共有フォルダのWord、個人のメモ帳に答えが分かれていれば、新人は同じ質問を三度尋ねることになる。

そこで編集部が提案するのは、1週間だけ「即答できなかった問い合わせ」をメモし続けることだ。現場が実際に詰まった問いから作れば、使われるナレッジになる。網羅的な大全を先に作ろうとすると、更新されないまま放置されがちだ。まずは十数件で十分である。

Excelの必須列と版管理を決める

集めた問いに答えを付けていく器は、いきなり専用のFAQシステムでなくてよい。編集部の提案は、まずExcel（またはスプレッドシート）1枚から始めることだ。もっとも、Excelは同時編集や検索性で専用ツールに劣る。だからこそ、後で移行できるように「列の設計」と「版の管理」だけは最初に決めておく。

CX運用の標準を扱うCOPCの整理では、記事の正確さを保つ条件として、所有者（オーナー）の明確化、版管理、見直しの頻度という3点が挙げられている。これを小規模センター向けに最小化すると、次の列に落とせる。

上の表はあくまで編集部案で、現場の商材に合わせて増減させてよい。肝は「担当」「最終更新日」「状態」の3列だ。この3つがあれば、後述する週次レビューで「古い」「怪しい」答えを機械的に拾える。版管理は高機能なものでなくてよく、ファイル名を日付で残す、変更履歴のシートを1枚足す、程度で始められる。専用ツールへ移るのは、行数が増えて検索が追いつかなくなってからで遅くない。

当番と15分レビューを割り当てる

器を作っても、更新する人と時間が決まっていなければ、表は数週間で古くなる。ここで参考になるのが、サポート業界で二十年以上使われてきたKCS（Knowledge-Centered Service）という考え方だ。KCSは、専任の編集チームが後からまとめて文書を作るのではなく、問い合わせに答えた人がその場でナレッジを作り・直す（Capture、Structure、Reuse、Improveの循環）ことを核に置く。需要のあった問いから育てるので、使われない文書を量産しにくい。庭を業者に一括で造らせるのではなく、住む人が毎日少しずつ手入れするイメージに近い。

とはいえ、5〜20席の現場に専任者を置く余裕はない。そこで編集部が提案するのは、当番制と短時間レビューの組み合わせだ。国内のコンタクトセンター向けにKCSを解説した記事でも、現場の運用に落とし込む重要性が説かれている。下は編集部案の週次の作業表である。

週1回・15分という単位は、あくまで小さく続けるための編集部の目安だ。兼任のSVが月に何時間も割ける前提では続かない。むしろ「金曜の15分だけは全員が同じ表を見る」といった、短くても固定された枠を作るほうが、属人化した記憶を共有の資産へ移しやすい。

より具体的に、実在の小規模センターがどこで詰まり、どう整えたのかを知りたい人は、無料会員でCOCOの実際の相談ケースを確認するとよい。自社の器を作る前に、他社の詰まり方を見ておくと設計が早い。

AI投入前に廃止・矛盾を点検する

表が回り始めると、AIに読ませたくなる。生成AIは既存の応対記録やFAQから回答案を作れるからだ。ただし順序を誤ると逆効果になる。FAQ運用を論じた実務ガイドは、古いFAQや誤った情報を放置したままAIに与えると、AIが誤った前提で回答し、精度がかえって落ちる負のループに陥ると指摘する。質の低いものを入れれば質の低いものが出る、という古い警句がそのまま当てはまる。

だからAI投入の前に、一度だけ「廃止と矛盾の点検」を挟みたい。状態列が「廃止」の行を別シートへ隔離し、同じ問いに二つの違う答えが並んでいないかを確かめる。小規模センターの利点は、この点検が数十行で終わることだ。数千件のナレッジを抱える大規模センターほど、この棚卸しには時間がかかる。

ここからは私の見立てとして書く。小規模センターにとって、ナレッジ運用の本当の価値はAIの精度よりも前にある。詰まる問いを可視化し、答えの所有者を決め、週1回みんなで同じ表を見る。この習慣そのものが、退職や異動で失われがちな記憶を組織に残す。もちろん、週次の当番が形骸化すれば表はまた古くなる、という反証は成り立つ。それでも、器と当番と点検の3点がそろっていれば、AIを載せる段になって慌てて過去ログを掘り返す必要はなくなる。

まとめ

第一に、小規模コールセンターのナレッジ運用は、ツール選定ではなく「詰まる問いを一つ集める」ことから始まる。第二に、器はExcel1枚でよく、決めるべきは担当・最終更新日・状態の3列と、簡素な版管理だ。第三に、当番と週1回15分のレビューで表を生かし、AIを載せる前に廃止と矛盾を点検する。ここまではすべて、専任者もツール予算もない現場を想定した編集部の提案である。

問いを一つ残したい。あなたのセンターで、いま「その答えの正しさに責任を持つ人」が名前で決まっている問い合わせは、何割あるだろうか。

よくある質問

Q. 5席未満の小さな窓口でも、ここまでの運用は必要ですか。 A. フルセットは要りません。まずは「詰まった問い」を集める習慣と、担当・最終更新日・状態の3列だけで十分です。席数が増えたり、AI導入を検討し始めたりした段階で、版管理や週次当番を足していくのが現実的です。

Q. 最初からFAQシステムを入れず、Excelで始めて損はありませんか。 A. Excelは検索性や同時編集で専用ツールに劣ります。ただ、列の設計と版管理を最初に決めておけば、行数が増えて限界が来たときに専用ツールへ移しやすくなります。空のシステムを買ってから中身を埋めあぐねるより、中身を作りながら器を選ぶ順序が失敗しにくいというのが編集部の見立てです。

Q. 週1回15分のレビューで本当に回りますか。 A. 「15分」は続けるための目安であり、量よりも固定枠の維持が肝心です。長い会議を月1回開くより、短くても毎週同じ表を全員で見るほうが、更新の抜けに早く気づけます。回らないと感じたら、対象を「先週要確認になった行だけ」に絞ると負荷が下がります。

Q. 生成AIを入れれば、こうしたナレッジ整備は不要になりませんか。 A. 逆で、AIの前提になります。古い情報や矛盾した回答を残したままAIに与えると、AIが誤った前提で回答し、精度が落ちる負のループが起きると指摘されています。廃止と矛盾の点検は、AIを活かすための下ごしらえだと捉えるのが安全です。

注記

本稿の事実確認は2026年9月時点。数字の出典主体は本文と参考リンクに明記した。統計値の一部（情報探索時間・ツール併用率）は二次的なまとめ記事や自己申告ベースの集計を含むため、性質を割り引いて読まれたい。「5〜20席」「週1回」「15分」および各種の表は、いずれも編集部が小さく始めるために提案する目安・様式であり、特定ベンダーや特定手法の推奨値・実証成果ではない。本稿はAI著者によるデスクリサーチであり、個人の見立てを含む。

出典

• Consortium for Service Innovation「KCS v6 Practices Guide」

• COPC Inc.「Top 10 Knowledge Management Practices That Drive CX Excellence in Contact Centers」

• Valamis「Why Do We Spend All That Time Searching for Information at Work?」

• Cake.com「Knowledge Management Statistics and Trends in 2025」

• トランスコスモス「コンタクトセンタートレンド調査 2025-26」

• KARAKURI「コンタクトセンターにおけるナレッジマネジメントが期待される理由とその効果」

• ナレッジリング「FAQ・ナレッジの運用なくして成果は出ない｜AI導入後の管理・更新ガイド」

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。