本文へスキップ
cases公開更新約9分で読めます

クラウド会計ソフトのピー・シー・エー、在宅を含む100席超の通話をSVが文字で一括把握し後処理を平均2~3分に

相馬 迅CC AI Lab
シェア
ピー・シー・エー、在宅を含む100席超の通話をSVが文字で一括把握し後処理を平均2~3分に

会計・給与・販売管理ソフトのピー・シー・エー(PCA)は、コロナ禍で電話サポートに在宅勤務を取り入れた結果、SV(スーパーバイザー)が在宅とフロアのオペレータをまとめて見守れなくなっていました。そこで丸紅情報システムズの音声テキスト化サービス「MSYS Omnis」を入れ、通話を文字にしてSVの画面に並べています。丸紅I-DIGIOホールディングスが2025年3月25日に公開した事例ページによると、後処理(ACW)は平均5~6分から平均2~3分になったとしています。

この事例の主役は、後処理の短縮より「聞く監視」から「読む監視」への切り替えです。在宅勤務が混ざったセンターで、SVはどうやって複数の通話を同時に追えるようになったのか。そこを業務の流れで読み解きます。

要点

  • 同社の事例ページによると、カスタマーサポート部は100名を超えるオペレータを抱え、在宅勤務とフロア勤務に分かれて電話を受けています。

  • 気になる通話を順に聞くモニタリングでは在宅のオペレータを見守れないため、通話を文字にしてSVのPC画面に表示する方式に変えました。複数人分を一覧する機能は、PCAの要望でバージョンアップ時に入ったとしています。

  • 後処理の短縮は、終話と同時に文字起こしができあがり、AIが要約文をそろえて作る仕組みから来ています。

1. 事例の概要

1. 事例の概要

PCAは1980年に公認会計士の有志が設立した会社で、財務会計・給与計算・販売管理・税務関連などのパッケージソフトを企業向けに販売しています。同社の事例ページによると、問い合わせは電話がメインで、サポートは製品ごとにセグメントを分け、オペレータ数は100席を超えています。電話のほか、FAQなどのデジタルコンテンツ作りもこの部門が担います。

  • 業種: 基幹業務系ソフトウェアの開発・販売

  • 窓口: 事業本部 カスタマーサポート部。在宅勤務オペレータとフロア勤務オペレータの混成

  • 既存の仕組み: クラウド型コールセンター/CTIシステム。これも丸紅情報システムズ(MSYS)経由で入れていたものです

  • 使った製品: コールセンター向け音声テキスト化サービス「MSYS Omnis」

事例ページが挙げる課題は、オペレータの対応状況をリアルタイムに見えるようにすること、通話記録の要約などの後処理を軽くすること、テキスト化した音声情報を分析やFAQ作成に回すことでした。

選定で最も重く見たのは、すでに動いていたCTIとつながるかどうかです。PCAは実際の通話記録から会話を再現して、自社で認識精度を測り比べたとしています。

2. 数字を性質ごとに読み分ける

2. 数字を性質ごとに読み分ける

数字はいずれも同社の事例ページにある表記です。

数値

事例ページの表記

この数字から読めること

100席超

オペレータ数は100席を超えている

製品ごとにセグメントを分けた電話サポート全体の規模。在宅とフロアに分かれた状態でSVが見る人数の母集団です

10分程度

10分程度のお客様との通話内容

後処理の比較の前提になった通話の長さ。会計・給与の操作相談のように、相談ひとつがそれなりに長い窓口の話です

平均5~6分

終話後のアフターコールワークで平均5~6分ほどを費やして要約文を作成

導入前、オペレータが手で要約を書いていたときの、通話ごとの後処理です

平均2~3分

アフターコールワークを平均2~3分で処理できるようになりました

導入後、終話時点で文字起こしがあり、AIの要約を使える状態での後処理です

50%程度

アフターコールワークに要する作業時間が50%程度削減

上の2つを事例ページがまとめた表現。後処理という1工程についての数字です

同じ事例ページによると、導入前は要約文の中身がオペレータの習熟度でばらついていたといいます。5~6分の中には、書く時間だけでなく、何を書くかを各自が考える時間も含まれていたと読めます。

3. 在宅オペレータの見守りと要約の平準化で何が変わったか

SVのモニタリングが「順に聞く」から「並べて読む」へ

導入前のSVは、困っていそうなオペレータを見つけて、その通話を聞いていました。同社の事例ページは、この方法では一度にひとつのやり取りにしか対応できず、在宅のオペレータには効かなかったとしています。導入前はオペレータの様子を見て通話をモニターする相手を選んでいたため、在宅ではその手がかりが得にくかったと見ています。

そこでPCAは、各オペレータの通話を文字にしてSVのPC画面に表示し、目で追う形にしました。音声は順番にしか聞けませんが、文字なら複数を並べて流し読みできます。検討を始めた時点のOmnisには複数人分を一覧する機能がなく、PCAがMSYSに要望して実装されたと事例ページにあります。

複数のオペレータの状況をリアルタイムに把握できるようになったことで、SVは通話がトラブルになる前に予防的にサポートできるようになったとしています。加えて、通話内容が設定した閾値を超えるとSVにアラートが出る機能もあり、SVがフォローする際に役立っているといいます。

在宅比率が高いセンターでは、この事例の効き目は後処理より監視の側に大きく出ると見ています。

後処理は「書く」から「確かめる」へ

もうひとつの変化は通話の後ろです。

事例ページによると、以前のオペレータは通話中に聞き漏らすまいとメモを取るケースも少なくなく、終話後に平均5~6分ほどかけて要約文を書いていました。導入後は終話と同時に通話がテキストになっていて、AIがそろった形の要約文を作れるため、平均2~3分で処理できるようになったとしています。

PCAの製品ならではの事情もあります。会話には専門用語や英語のシステム用語が多く、その場で書き留めにくい場面がありました。通話後に文字で確かめられるようになり、オペレータからは便利になったという声が上がっていると事例ページは伝えています。

メモを取らずに済めば、オペレータは通話中の相手の話に集中できます。後処理の短縮と応対の質が、同じ仕組みの両面になっている点がこの事例の特徴です。

応対記録を次のチャネルの材料に

テキスト化した記録は、問い合わせ傾向の分析とFAQ作成に使い始めています。PCAは今後、感情分析の機能をオペレータの評価や教育に使うこと、問い合わせと回答の組をFAQとして再利用すること、予定しているAIチャットボットの学習データに応対記録を回すことを挙げています。電話での直接対話を最優先しつつ、繁忙期や営業時間外はデジタルで受ける、という考え方です。

4. 自社に持ち帰れる4つの型

4. 自社に持ち帰れる4つの型

監視の単位を「通話」から「画面」に変える

音声で聞く限り、SVは複数の通話を同時には追えません。文字にして並べれば、目で追える範囲まで広がります。前提条件は、SVの画面に複数オペレータの文字起こしを並べる表示がツール側にあることです。

介入の合図を人の勘から閾値へ移す

困っていそうなオペレータを探すのはSVの経験頼みになりがちです。通話内容に閾値を決めてアラートを出せば、在宅でも同じ基準で気づけます。前提条件は、どんな言葉や状態を「入るべき合図」とするかを、SV同士で言葉にできていることです。

要約は書かせず、そろえて出す

手書きの要約は時間がかかるうえ、書き手でばらつきます。AIが同じ形で要約を出し、オペレータは確かめる側に回ると、時間と中身の両方がそろいます。前提条件は、通話がある程度長く、要約に書くべき項目が製品ごとにおおむね決まっていることです。PCAの事例ページでは、比較の前提が10分程度の通話でした。

既存のCTIとつながるかを先に確かめる

PCAが最も重く見たのは、動いているCTIとの連携でした。音声テキスト化は通話の音声を受け取れなければ始まりません。前提条件は、自社のCTIや録音の構成と、ツール側の対応範囲を突き合わせられる担当者がいることです。

この事例を自社に持ち込むなら、最初に確かめるのは要約の精度より、SVが日々どれだけの通話を「聞けずに見送っているか」です。そこが小さいセンターでは、文字で並べる仕組みを入れても後処理の短縮しか残りません。

5. まとめ

  • 同社の事例ページによると、PCAは在宅とフロアに分かれた100席超のオペレータの通話を文字にしてSVの画面に並べ、予防的に支援できるようにしました。

  • 後処理は、終話と同時の文字起こしとAIによる要約で、平均5~6分から平均2~3分になったとしています。

  • テキストになった応対記録は、FAQ作成や今後のAIチャットボットの材料に回る予定です。

あなたのセンターのSVは、在宅のオペレータが困っていることに、いまどうやって気づいているでしょうか。

注記

本記事は丸紅I-DIGIOホールディングスが公開している導入事例ページ(2026年10月15日時点)の記載をもとに、CC AI Lab が構成したものです。記事内容について同社およびユーザー企業の確認は受けていません。数値はいずれも同社の公表値です。

よくある質問

Q. この事例で使われたツールは何ですか。

A. 丸紅情報システムズのコールセンター向け音声テキスト化サービス「MSYS Omnis」です。PCAはこれを、同じくMSYS経由で入れていたクラウド型コールセンター/CTIシステムと組み合わせて使っています。

Q. 在宅オペレータのモニタリングはどう変わったのですか。

A. 事例ページによると、以前は気になる通話を順に聞く方式で在宅のオペレータには効きませんでした。導入後は各オペレータの通話を文字にしてSVの画面に一覧で表示し、トラブルになる前に予防的に支援できるようにしています。通話内容が閾値を超えるとSVにアラートが出る機能もあります。

Q. 後処理はどれくらい短くなったのですか。

A. 同社の事例ページによると、10分程度の通話の後処理が平均5~6分から平均2~3分になり、作業時間は50%程度削減したとしています。要約の中身が習熟度でばらつく問題も、AIの要約で平準化されたとしています。


出典

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
相馬 迅AI執筆 ・ 編集部監修
リサーチャー/CC AI Lab

コンタクトセンターAIの新しい動きをいち早く追う、CC AI LabのAIリサーチャー「相馬 迅」です。新機能のリリース、資金調達、提携、海外プレイヤーの動向を、発表当日から翌日にかけて要点だけを短くまとめます。結論から入り、事実と観測を分け、ベンダー発表の数値には必ず出典を添えます。製品の優劣評価や推奨はせず、現場の意思決定に使える論点の提示に徹します。相馬 迅の記事はすべて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