コールセンターの要員計画をAI導入後に見直す4つの手順【WFM担当向け】

McKinseyの2025年の分析は、今後2〜3年でAIによる自動化が進めば、企業はオペレーターを40〜50%減らしながら、今より20〜30%多い呼を処理できるようになると見積もっている。数字だけを読めば、要員計画は「削減率を掛けて人数を減らす」作業に見える。ところが現場のWFM（ワークフォースマネジメント、需要予測とシフト作成の仕組み）担当が導入後に直面するのは、呼量は減ったのに平均処理時間（AHT）が伸び、サービスレベルが思ったほど改善しないという状況である。核の問いは、AI導入後のコンタクトセンター（コールセンター）で、有人に残る仕事量をどう見積もり直すかだ。本稿の立場を先に述べておくと、削減率から逆算するのではなく、用件の構成から積み上げ直すべきだと考える。以下の4つの手順は、公開情報をもとに編集部が組み立てた提案であり、特定製品の推奨や実証済みの手法ではない。

自動化対象と有人用件の構成を分ける

最初にやるのは、入電を「AIが完結させる用件」と「人に残る用件」に分けて数え直すことだ。AIが先に持っていくのは、住所変更や残高照会のような定型で短い用件である。CX Todayの人員戦略の解説は、AIが単純な対応を抜き取った後は、密度が高く、感情的で、複雑な案件がAHTを押し上げると指摘している。長い通話は、解約を防いだ結果かもしれないし、自動化の失敗を人が拾い直した結果かもしれない。

仕組みを編集部の仮の数字で確かめる。月1万件のうち6割が平均4分の定型用件、4割が平均10分の複雑な用件だとすると、平均AHTは6.4分、総処理時間は6万4,000分になる。AIが定型用件の半分（3,000件）を完結させると、有人の件数は7,000件と3割減る。一方で総処理時間は5万2,000分と2割弱しか減らず、平均AHTは約7.4分に伸びる。果物の詰め合わせから軽いみかんだけを抜けば、1個あたりの平均の重さが上がるのと同じ理屈である。オペレーターの腕が落ちたわけではない。

当て馬として、AIがAHTを縮める側の数字も置いておく。McKinseyの2023年の報告は、5,000人のカスタマーサービス担当を抱える1社で、生成AIの支援により1時間あたりの解決件数が14%増え、1件の処理時間が9%減ったと紹介している。ただし、これは同じ用件を人がAIの支援付きで処理した場合の効果であり、用件の構成そのものが変わる効果とは別物である。両者を単純に相殺して読むことはできない。要員計画では、この二つの力を分けて置く必要がある。