コールセンターのAI導入事例を読むときに確かめる3つの視点

52.7%、70%超、65%以上。2025年から2026年にかけて公表された国内のコンタクトセンター（コールセンター）の音声AI事例から、成果として示された数字を3つ並べました。どれも「半分以上をAIがさばいた」と読めますが、中身を確かめると、測っているものも、数えている電話の範囲も、実測か目標かも揃っていません。事例を集めるほど判断に迷うのは、件数が足りないからではなく、事例を自社に当てはめる物差しがないからではないか。これが本稿の問いです。私の立場を先に書くと、事例は「どこが優れているか」を比べる材料ではなく、「自社の条件で同じ数字が出るか」を試算するための材料として読むべきだと考えています。

まず3つの数字の出どころです。三井ダイレクト損害保険の事例では、カラクリの発表によると、2026年4月に本格稼働したボイスエージェントで、営業時間外（18時以降）の問い合わせの解決率が52.7%、稼働後の苦情は0件（いずれも2026年5月時点）とされています。SBIいきいき少額短期保険の事例では、モビルスの発表によると、2025年6月の実証実験で受付完結率70%超を達成しました。神戸市税務部の事例では、NTTマーケティングアクトProCXの発表によると、2025年度の試験導入で65%以上の自動回答率を確認し、本格導入に進んでいます。

もちろん、3件の数字を横に並べて高い低いを論じること自体に意味はありません。この3件は業種も対象業務も違い、指標の名前すら「解決率」「受付完結率」「自動回答率」と異なります。この「並べても比べられない」という事実こそが、事例の読み方を整理する出発点になります。以下、3つの視点で順に見ていきます。

視点1　数字の分母と定義を確かめる

1つ目の視点は、その数字が「何を分子に、何を分母に」しているかです。野球にたとえると、同じ3割でも、代打専門の選手の打率と、全打席に立つ選手の打率は意味が違います。事例の数字も、AIに回す電話を最初から選んでいる場合、その選ばれた範囲での率になります。

三井ダイレクト損保の52.7%は、分母が二重に絞られています。三井ダイレクト損保の発表によると、このボイスエージェントはマイページのログインに関する電話問い合わせ専用のサービスです。加えて、カラクリの発表で52.7%とされているのは営業時間外の問い合わせです。つまり「全入電の半分をAIが解決した」ではなく、「夜間・休日のログインに関する電話の半分強が自己解決に至った」という数字です。これまで営業時間外であることを案内するしかなかった時間帯なので、比較の基準はゼロに近く、改善幅の読み方もそれに合わせる必要があります。

SBIいきいき少短の70%超は、モビルスの発表では実証実験の結果として示され、本番の受付は自動応答専用ダイヤル窓口で始めるとされていました。分母はこの専用窓口に来る用件であり、コールセンター全体の入電ではありません。さらに指標が「受付完結」である点も見落とせません。モビルスの発表では、この完結率はボイスボットのみで受付が完了する割合と説明されています。用件を聞き取って手続きの受付を終えたかどうかを測るもので、顧客の疑問がその場で解決したかどうかとは別の物差しです。

神戸市税務部の数字は、実測と目標の区別を示す例です。65%以上は試験導入で確認した値ですが、本格導入についてNTTマーケティングアクトProCXの発表が掲げているのは、一部税目の問い合わせの70%以上を自動対応するという目標です。同じ事例の中に実測と目標が並んでおり、引用するときにどちらを使うかで期待値が変わります。

定義の違いがなぜ重要かというと、AIが電話を抱え込んだ割合と、顧客の問題が実際に片付いた割合は一致しないからです。抱え込んだ率だけを追うと、解けない用件まで抱え込み、かけ直しが増えて全体の負荷がかえって上がる恐れがあります。事例を読むときは、少なくとも次の3点を本文から拾うことを勧めます。第一に指標の名前と定義（解決・完結・自動回答のどれか）、第二に分母の範囲（全入電か、特定の用件か、特定の時間帯か）、第三に数字の性質（本番の実測か、実証実験の値か、目標か）です。