本文へスキップ
会員先行
cases公開更新約1分で読めます

フードデリバリーの米大手DoorDashの「転送49%減・初回解決12%増」は生成AI導入前

シェア
DoorDashの「転送49%減・初回解決12%増」は生成AI導入前の数字だった

コールセンターのAI事例で最もよく引用される数字のひとつが、DoorDashの「転送49%減・初回解決12%増」です。生成AIの成果として紹介される場面も増えました。

ところがAWSの導入事例ページを読むと、この2つは生成AIを入れる前、従来型IVR(自動音声応答)の実績として書かれています。生成AIの層でAWSが公表しているのは規模と速さで、削減率はありません。

同じ「DoorDashのAI成果」という看板の下に、性質の違う4つの層の数字が混ざっています。どの層の数字かを知らずに引用すると、稟議や提案の根拠が崩れます。

看板はひとつ、中身は4層。

顧客・加盟店・配達員の3者を受けるコールセンター

DoorDashはフードデリバリーの米大手です。問い合わせは注文した顧客、加盟店、配達員(Dasher)の3者から届きます。

応対するエージェントは、2026年7月のObserve.AIの発表で19,000人とされています。

この規模のセンターが、電話の自動化を段階的に積み上げてきました。公表されている数字を時系列に並べると、層が4つあることが分かります。

会員先行公開中(11月11日に一般公開)

ここから先は会員限定です。

無料登録で記事の続きと限定コンテンツが閲覧できます。

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