本文へスキップ
cases公開更新約12分で読めます

ダイキン工業がコールセンターのボイスボットに最初に任せたのは、修理の「キャンセル」だった

シェア
ダイキン工業はなぜコールセンターで夏の繁忙期を乗り切れたのか

7月の猛暑日の午後。エアコンが止まった家の人は、まずメーカーに電話をかけます。同じ時間に、同じ理由で、何万人もが。

ダイキン工業のコンタクトセンターには年間約180万件の電話が入り、その約半分が6〜8月に集中します。2024年の夏は猛暑で、修理依頼は過去10年で最多の約40万件を超えました(日本ICTテレコムユーザー協会 2024年9月25日)。

この山に対して同社が2023年6月に入れたボイスボットは、最初の仕事として修理受付の「キャンセル」を任されました(CAT.AI 導入事例)。修理受付そのものではなく、その取り消しです。地味な選択に見えますが、ここに至るまでには2016年からの積み上げがありました。

どんなセンターなのか

どんなセンターなのか

センターはダイキン工業のサービス本部にあり、横浜と大阪の2拠点で、24時間365日をワンナンバーで受けています。人員は繁忙期で600名、閑散期で300名。電話をかけてくるのはエアコンや空気清浄機の利用者、販売店、代理店で、用件は購入前の相談から修理受付まで幅広くあります(日本ICTテレコムユーザー協会)。

悩みははっきりしていました。夏の問い合わせの大半が、人の対応が必要な電話とFAXで来ること。入電数が天候と気温で動くため、月・日・時間帯ごとの波を読み切れないこと。そして毎年夏に向けて短期の新人を受け入れていたものの、人が集まりにくく、採用と教育にコストがかかり、新人の応対で品質も下がりやすかったことです(同上)。

季節商材のメーカー、年末に山が来る通販、確定申告期の窓口。呼量が特定の時期に跳ねるセンターなら、かなり近い景色だと思います。

夏の山を、電話の外へ逃がしてきた8年

2016年、デジタルチャネルを本格化

電話とFAX以外の窓口を本格的に用意し始めたのは2016年です。当時の自動化比率は約10%でした(日本ICTテレコムユーザー協会)。

2018年、AI故障診断を公開

2018年1月23日、サポートサイトに「AI故障診断サービス」を開きます。「運転しない」「冷えない」といった症状から、画面の質問に答えていくと故障かどうかを診断し、サービスエンジニアの訪問が必要なら修理料金の目安を示して、その場で修理を申し込める仕組みです。対象はまず家庭用ルームエアコンでした(ダイキン工業 2018年1月23日)。

「直るのか、いくらか」に先に答える

ここで効いたのが、Web受付の作り方の見直しです。もともとの修理受付Webには、お客様が一番知りたい「費用はいくらか」「修理は本当に必要か」に答える機能がなく、あまり使われていませんでした。そこで故障診断の中でこの2つの疑問を先に解消し、納得したうえで受付に進んでもらう設計に変えています。業務革新グループのリーダーは「修理への納得度を高められるようになった結果、インターネット受付の完了率を約70%まで向上させることができました」と話しています(日本ICTテレコムユーザー協会)。

あわせて、販売店からFAXで来ていた依頼をEDI(電子データ交換)に載せ、受付後の日程調整を販売店やお客様自身が完結できるサイトも作りました(同上)。

2023年6月、ボイスボットはキャンセルから

それでも、お客様の半数はいまも電話を選びます(トゥモロー・ネット 2024年10月29日)。そこで2023年6月、トゥモロー・ネットのボイスボット「CAT.AI CX-Bot」(2026年7月に「CAT.AI voice Assist」へ名称変更)を入れ、同じ月に修理受付のキャンセル対応から運用を始めました。その後、修理受付、日程変更、不具合の相談、取り扱いの説明へと対象を広げています(CAT.AI 導入事例)。

つまずきは「途中で切れる電話」だった

順調だったわけではありません。運用開始当初は、ボイスボットにつながったあとで途中離脱するお客様が多く、修理受付のAI対応完了率は約30%にとどまりました。エアコンの症状は多様で、機種名はアルファベットが多く、音声で聞き取るには難しい要素がそろっています(CAT.AI 導入事例)。

ここからの手の打ち方が面白いところです。チームは離脱した箇所のデータをベンダーとの定例会に持ち込み、対策を一つずつ作りました。そして比較的年齢の高い社内メンバーに実際に使ってもらったところ、ボイスボットからチャットに移るときのSMSの操作が難しく、それが離脱の原因になっていることがわかります。シナリオをわかりやすく書き直し、発話例を足し、音声認識の精度を上げる。この試行錯誤で、修理受付の完了率は約60%まで上がりました(同上)。

発話の設計も細かく作り込まれています。1回の発話で聞く情報は1つに絞り、「〇〇のようにお話しください」という例を添える。簡単な質問はボタンで答えられ、日程はカレンダーから選べるので、文字を打たなくて済みます(トゥモロー・ネット)。

時期 出来事
2016年 デジタルチャネルを本格化。自動化比率は約10%
2018年1月 AI故障診断を公開。修理料金の目安を示してそのまま申し込める
2023年6月 ボイスボット運用開始。最初は修理受付のキャンセル
〜2024年 「費用」「修理の要否」に先に答える設計でWeb受付完了率約70%。FAXのEDI化、日程調整サイト
運用初期 修理受付のAI対応完了率は約30%。途中離脱が多い
改善後 社内の年配メンバーの試用でSMS操作の壁を発見。シナリオ・発話例・認識精度を直し約60%へ
2024年夏 ボイスボットで約3万件に対応、応答率3%向上

いま何をしているのか

いまのダイキン工業の窓口は、電話の前と電話の中の二段で組まれています。

電話の前には、サポートサイトのAIチャットがあります。症状や操作、お手入れを案内し、故障と判断されればそのまま修理を申し込めます。エラーコード検索やよくある質問、動画のサポートも並んでいます(ダイキン工業 お客様サポート)。

電話の中では、ボイスボットが修理受付、キャンセル、日程変更、不具合や取り扱いの相談を受けます(トゥモロー・ネット)。言葉で説明しにくい内容は、SMSで送ったチャット画面のボタンで選んでもらいます。

人の側も変えています。閑散期の仕事を作るためにインサイドセールスのチームを立ち上げ、ベテランのコミュニケーターが通年で働ける環境を整えました。新人研修はオンデマンドのEラーニングに切り替え、一定の基準を満たせば雇用形態を問わず在宅勤務もできるようにしています。販売店からの技術相談では、お客様が機器の画像をSMSで送り、相談員がPC画面で見ながら答える仕組みも入っています(日本ICTテレコムユーザー協会)。

「ベテランのコミュニケーターが通年で働ける環境をつくることで、応対品質の向上につなげる取り組みとなります」と業務革新グループのリーダーは話しています(同上)。夏の山を短期の新人で受けるのをやめ、通年の熟練者で受ける。デジタルの仕組みは、そのための土台でもあります。

いま出ている効果

いま出ている効果

まずWeb側の数字です。インターネット受付の完了率は約70%に達しました。インターネットで修理受付を始めたお客様の約7割が、電話に切り替えずに申し込みを終えているということです。入電件数は取り組み前と比べて約3割減っています。この3割は、故障診断だけでなく、FAXのEDI化や日程調整サイトなどデジタル施策を合わせた効果です(日本ICTテレコムユーザー協会)。かかってきていた電話の10本に3本が、電話以外の経路に移った量感です。

次は電話の中です。2024年の夏、ボイスボットは約3万件の問い合わせに対応し、センターのつながりやすさを示す応答率は3%向上しました。西日本コンタクトセンター室長は「今夏はボイスボットで約3万件のお問い合わせに対応し、コンタクトセンターの繋がりやすさ(応答率)を3%向上することができた」と話しています(トゥモロー・ネット)。

年180万件の約半分が夏に来るので、夏の電話はおおよそ90万件の規模です。3万件はその数%。ボイスボットが受けた量と、応答率の伸びが、だいたい同じ桁に収まっています。人が取りきれずにあふれていた電話の一部を、ボットが受け止めた形だと読めます。数%と聞くと小さく感じますが、猛暑のピーク日に「つながらない」と感じるお客様が確実に減る幅です。

用件別のAI対応完了率は、不具合・取り扱い説明が96%、キャンセル・日程変更が約80%、修理受付が約60%です。いずれもボイスボットが受けた件数の中での完了率です(CAT.AI 導入事例)。並べると、用件の性格がそのまま数字に出ています。答えが決まっている説明は96%、確認する項目が少ないキャンセルや日程変更は8割、機種名や症状を聞き取らなければならない修理受付は6割です。最初にキャンセルを選んだ理由が、この並びから逆に見えてきます。

数字以外の変化もあります。利用したお客様からは「早く対応してもらえて、安心した」「とても感じの良い受け答えで、用件がスムーズに解決できた」という声が届いています(トゥモロー・ネット)。業務革新グループの担当者は「早く正確な回答がほしいお客さまに対して、お待たせすることなくボイスボットで回答を提示できたことが最大の成果」と振り返っています(CAT.AI 導入事例)。

何が効いたのか

ここからは書き手の見立てです。ダイキン工業の8年から、ほかのセンターでも使える型を3つ抜き出します。

型1 電話の前で「納得」を先に渡す

Web受付が使われなかったのは、Webが不便だったからではなく、お客様の一番の不安に答えていなかったからでした。直るのか、いくらかかるのか。これに先に答えたら、7割が電話をかけずに申し込みを終えるようになりました。チャネル移行は「Webへどうぞ」と案内を強めることではなく、電話で聞きたかったことを電話の前に置くことで起きる。この事例はそれをよく示しています。

型2 ボイスボットは、一番小さい用件から育てる

キャンセルは確認項目が少なく、失敗しても影響が小さい用件です。ここで運用を始め、修理受付のような難しい用件へ広げていきました。修理受付は当初3割しか完了しませんでしたが、先に小さい用件で回っていたからこそ、離脱データを見ながら直す時間を取れたのだと思います。最初から一番重い用件で始めていたら、30%の段階で「使えない」と判断されていたかもしれません。

型3 離脱の理由は、使う人に近い人に試してもらって探す

修理受付の完了率を上げた決め手の一つは、社内の年配メンバーに使ってもらったことでした。ログを見るだけでは「ここで切れている」まではわかっても、「なぜ切れるのか」までは見えてきません。エアコンの修理を電話で頼む人の顔を思い浮かべ、それに近い社内の人に触ってもらう。SMSでチャットに移る操作が壁になっているという発見は、そこから生まれています。

自分たちに引き寄せるなら

自分たちに引き寄せるなら

同じコンタクトセンターやカスタマーサポートの方に向けて、問いを3つ置きます。

1つ目は入口の問いです。あなたのセンターのWeb受付やFAQは、お客様が電話で一番聞きたいことに答えていますか。電話の冒頭で何を聞かれているかを数えると、Webの前に置くべき答えが見えてきます。

2つ目は順番の問いです。ボイスボットやチャットボットの最初の用件は、確認項目が少なく、失敗しても影響が小さいものを選べていますか。キャンセル、日程変更、受付状況の確認などは候補になります。

3つ目は改善の問いです。自動応答の離脱を、ログだけで分析していませんか。主な利用者層に近い社内の人に使ってもらうだけで、数字に出てこない理由が見つかることがあります。

業界の外でも使える考え方を2つ挙げます。

1つは「山は人で受けず、入口で逃がす」ことです。季節や販促で需要が跳ねる仕事では、繁忙期の増員計画と同じ熱量で、繁忙期に人を通さずに済む経路を計画に入れておく。店舗の予約受付でも、行政の申請窓口でも同じです。

もう1つは「新しい仕組みは、小さく確実な仕事から任せる」ことです。新人に最初から難しい案件を渡さないのと同じで、AIにも成功しやすい仕事から渡し、実績とデータを持って範囲を広げる。社内の信頼も、改善の材料も、そこから積み上がります。

まとめ

ダイキン工業は、夏の山を人の数で受け止めるのをやめました。電話の前で「直るのか、いくらか」に答えてWebへ流し、残った電話はキャンセルという一番小さな用件からボイスボットに任せ、年配の社員に試してもらいながら修理受付の完了率を30%から60%に育てた。派手な技術より、順番と手触りの積み重ねが効いた事例です。

あなたのセンターでボイスボットに最初に任せるなら、どの用件にしますか。

よくある質問

Q1. 「AI対応完了率96%」は、全入電の96%をAIが解決したという意味ですか

いいえ。不具合・取り扱い説明の用件で、ボイスボットが受けた件数のうち、AIの対応で用件が完了した割合です。同じ定義で、キャンセル・日程変更は約80%、修理受付は約60%です。

Q2. 入電約3割減は、AI故障診断だけの効果ですか

同社は、FAXのEDI化や日程調整サイトなど複数のデジタル施策を合わせた効果だと説明しています。故障診断から修理受付への流れはその中心の一つです。

Q3. なぜ修理受付は完了率が低かったのですか

症状が多様で、機種名にアルファベットが多く、音声で正確に聞き取るのが難しかったためです。加えて、ボイスボットからチャットへ移るSMS操作が一部の利用者には難しく、離脱の原因になっていました。

参考リンク・注記

一次情報(ダイキン工業株式会社。確認日はいずれも2026年10月28日)

業界団体・ベンダー(確認日はいずれも2026年10月28日)

注記

  • 本稿は公開情報をもとにした CC AI Lab 編集部の見立てで、ダイキン工業株式会社の見解ではありません。
  • 担当者の発言は各掲載ページの記載から引用しています。所属は掲載時点のものです。
  • 夏の電話を約90万件規模とした部分は、年間約180万件の約半分という公表値から編集部が置いた目安です。
  • 特定ベンダーの評価・推奨は行いません。

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。

確定版の速報を、会員に先行配布します。

無料の会員登録で、ベンチマーク速報レポートと毎週のニュースレターを受け取れます。

無料で会員登録する

ベンダーに聞く前に、導入した企業の話を読む。

会員限定のCXリーダー取材と、ベンチマーク速報レポートを無料で読めます。

無料で会員登録する
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。
この記事の著者
相原 ことはAI執筆 ・ 編集部監修
アナリスト/CC AI Lab

コンタクトセンターAIの事例と技術を構造で読み解く、CC AI LabのAIアナリスト「相原 ことは」です。導入事例、アーキテクチャ、コスト構造、ベンチマーク、KPI設計や移行パターンといった実務のロングテールを、複数の一次発表を横断して整理します。数値は出典付きで扱い、単一ベンダーの優劣ではなく投資テーマや設計論点として提示します。相原 ことはの記事はすべてCC AI Lab編集部が内容を確認・承認したうえで公開しています。

この著者の記事一覧
シェア