オペレーターのAI研修　ツールを使い始める前に教える4つのこと

コールセンターでAIツール（通話要約、回答候補の表示、チャットボットや音声ボットとの連携）を使い始める前に、オペレーターに教えることは4つです。AIが何をして何をしないか、出力の確かめ方と直し方・捨て方、入れてはいけない情報、おかしいと思ったときの報告先。操作方法はこの中に入っていません。画面の使い方は数十分で覚えられますが、AIが外れたときにどう振る舞うかは、練習しないと身につかないからです。

導入前のAI研修は、時間の半分以上を「外れた出力」を扱う演習に使うべきだと見ています。

1. AIが何をして、何をしないかを教える

最初に教えるのは、ツールごとの役割と限界です。通話要約は会話を短くまとめるが、何が大事かは判断しない。回答候補はナレッジから近い記述を探して示すが、その顧客の契約や例外までは知らない。ボットから引き継いだ会話には、ボットが聞き違えた内容が混ざっていることがある。こうした「できないこと」を、できることと同じ重さで説明します。

AIの得手不得手は、似た難しさの仕事の間でも揃っていません。ボストン コンサルティング グループの協力で行われたハーバード・ビジネス・スクールなどの実験では、758人のコンサルタントを対象に、AIの能力の範囲内にある課題ではAIを使った人が完了数で12.2%多く、25.1%速く仕上げました。一方、範囲外に置かれた課題では、AIを使った人が正解に至る割合はAIなしの人より19ポイント低くなりました。論文はこれを「ギザギザの境界」と呼んでいます。オペレーターに伝えたいのは、この点です。AIが得意な用件と苦手な用件は見た目では区別しにくく、苦手な用件では、使った人のほうが間違えやすくなります。

国のガイドラインも同じ方向を向いています。総務省と経済産業省のAI事業者ガイドライン（第1.2版）は、AIへの過度の信頼や依存（自動化バイアス）への対策として、AIの欠点を含む特性を理解できるトレーニングを受けること、AIの判断を承認する際には人が自分で理由や根拠を考えてから承認することを挙げています。

2. 出力を確かめて、直す・捨てる練習をする

ここが研修の中心です。

演習の材料は、自社の用件に沿った架空の通話やチャットと、それに対するAIの出力です。出力には、わざと誤りを混ぜておきます。

• 要約で、顧客が断った提案を「了承」と書いている
• 回答候補が、改定前の料金や手続きを示している
• 回答候補が、別の商品の条件をそれらしく混ぜている
• ボットからの引き継ぎで、本人確認が済んでいないのに「確認済み」となっている

受講者はそれぞれの出力について、そのまま使う・直して使う・捨てて自分で答える、のどれかを選び、選んだ根拠をナレッジのどの記述で確かめたかを言います。根拠を言わせるのは、ガイドラインが言う「自分で理由を考えてから承認する」を、手の動きとして覚えてもらうためです。

直しすぎも失敗です。オムロン ソーシアルソリューションズのコールセンターでは、要約AIを入れても後処理があまり縮まらず、ベテランが自動要約を自分の考える要約に近づけるよう直していたことが原因だったと、提供元が公開した事例ページが伝えています（同社の事例記事で詳しく扱いました）。同社は「要約の修正は原則しない」ルールに改め、問題があればSVが直す運用にしました。研修では「直すべき誤り」と「好みの違い」を分け、後者は直さないと決めておくことです。後処理の時間を修正まで含めて測る方法は、通話要約で後処理が減らない理由の記事で扱いました。

3. 入れてはいけない情報と、顧客への伝え方を決める

生成AIに文章を入力できるツールでは、入力してよい情報の線引きを研修で明示します。個人情報保護委員会は2023年6月の生成AIサービスの利用に関する注意喚起で、個人情報を含むプロンプトを入力する場合は、その個人情報の利用目的を達成するために必要な範囲内かを十分に確認するよう事業者に求めています。AI事業者ガイドラインも、AIを使う側の注意点として、個人情報や機密情報の入力に注意を払うことを挙げています。

現場向けには、原則を「自社が契約したツールの、決められた入力欄にだけ入れる」「会社が認めていない外部の生成AIサービスには、顧客の情報を一切入れない」のように、迷わない形に言い換えて渡します。何が契約上許されているかは情報システム部門や法務と先に詰め、研修ではその結論だけを教えます。

顧客への伝え方も、この章で揃えます。ボットから引き継いだ顧客に何と名乗り、ボットとのやりとりをどう受け取ったと伝えるか。AIの回答候補を読み上げるとき、確認が取れていない部分をどう言うか。引き継ぎの場面は顧客の不満が生まれやすいので、言い方は台本にして渡します。

4. おかしいと思ったときの報告先を決める

AIの誤りに一番早く気づくのは、毎日使うオペレーターです。気づいた誤りが報告されずに消えると、同じ誤りが毎日繰り返されます。研修の最後に、報告の経路と書き方を決めて渡します。報告用の項目は、たとえば次のとおりです。

項目	書く内容の例
日時・通話やチャットのID	後から記録を引けるように
ツール	要約／回答候補／ボット引き継ぎ
AIの出力	該当部分をそのまま貼る
何が違ったか	事実の誤り／古い情報／言い過ぎ／個人情報の混入／その他
正しい内容と根拠	ナレッジやFAQの該当箇所
顧客への影響	誤ったまま伝えたか、その場で訂正したか

報告は責める材料にしないと、研修の場で明言します。誤りを報告した人が評価で不利になるなら、誰も報告しません。集まった報告をSVと週に一度見直し、ナレッジやルールの修正につなげる運用は、AIが使われないときの改善手順の記事の利用ログの見方と組み合わせると回しやすくなります。

コールセンターでのAI研修の組み方と、新人と経験者の分け方

4つの内容を、導入前後の数週間に割り振ります。例えば次のような組み方です。時間や回数は仮の例で、ツールの数と対象人数で変えてください。

段階	時間の例	内容	形式
事前説明	60分	1. 役割と限界、3. 入れてはいけない情報と伝え方	講義と質疑
演習	120分	2. 誤りを混ぜた出力を、使う・直す・捨てるに分ける	少人数のグループ演習
試行運用	1〜2週間	対象の用件を絞って実際に使う。4. の報告を毎日出す	SVが毎日10分の振り返り
振り返り	30分	集まった報告の共有と、ルール・ナレッジの更新	チームごと

演習は、新人と経験者で分けたほうが効きます。米国の研究者らが5,179人のカスタマーサポート担当者を調べた生成AIの導入効果の研究では、AIの支援で1時間あたりの解決件数が平均14%増え、新人や経験の浅い層では34%増えた一方、熟練した層への影響はごく小さいとされました。新人はAIの候補に頼りやすく、経験者は自分のやり方で直しやすい。新人の演習では「候補をそのまま読まない」を、経験者の演習では「好みで直さない」を中心に置きます。

欧州委員会が公表しているAIリテラシーのQ&Aも、AIシステムの取扱説明書に頼る、あるいはスタッフに読ませるだけでは多くの場合効果が薄いとし、受講者の技術知識や経験、教育に合わせて研修を組むよう求めています。EUの法律の話ですが、マニュアル配布で研修を済ませがちな現場には、そのまま当てはまる指摘です。

まとめ

• 導入前のAI研修で教えるのは、役割と限界、出力の確かめ方、入れてはいけない情報、報告先の4つ
• 時間の半分以上は、誤りを混ぜた出力を「使う・直す・捨てる」に分ける演習に使う
• 直しすぎも失敗。直すべき誤りと好みの違いを分ける
• 入力の線引きは原則を迷わない言葉に言い換え、報告は責める材料にしない
• 演習は新人と経験者で分け、新人には鵜呑みを、経験者には直しすぎを戒める

あなたのセンターのAI研修では、オペレーターがAIの出力を「捨てる」練習を、一度でもしているでしょうか。

よくある質問

オペレーター向けのAI研修には何時間くらい必要ですか。

本稿の例では、事前説明60分・演習120分・振り返り30分に、1〜2週間の試行運用を組み合わせました。集合研修の時間の半分以上が演習です。時間よりも、誤りを含む出力を扱う演習が入っているかが分かれ目です。

AIの出力は全部オペレーターが確認すべきですか。

用件の重さで決めます。料金・契約・本人確認に関わる内容は根拠を確かめてから使い、要約の表現の好みのような違いは直さないとルールで分けておくと、確認の負担と後処理の時間が釣り合います。

研修はベンダーに任せてもよいですか。

操作説明はベンダーの資料が使えます。自社の用件に合わせた誤りの例と、入力の線引き、報告の経路は自社でしか決められないため、この部分は社内で用意します。

---

注記: 本稿は2026年10月16日時点の公開情報をもとにしたデスクリサーチと、編集部の実務案です（確認日: 2026年10月16日）。研修の時間・回数や報告項目は例で、調査や実績の数字ではありません。研究の数字は各論文の要旨に記載された値です。ハーバード・ビジネス・スクールなどの実験はコンサルタントを対象としたもので、コールセンターの業務にそのまま同じ数字が出るわけではありません。オムロン ソーシアルソリューションズの記述は提供元ベンダーの事例ページによります。個人情報の取り扱いや法令の解釈については専門家にご相談ください。本稿は特定製品の推奨ではありません。

---

出典

• 総務省・経済産業省「AI事業者ガイドライン（第1.2版）本編」
• 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」
• European Commission「AI Literacy - Questions & Answers」
• PKSHA Technology「オムロン ソーシアルソリューションズ株式会社｜サポートに追われていたSVの負荷を低減 時間に余裕が生まれ、技能継承や新人育成の充実化を実現」
• Harvard Business School「Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality」
• NBER「Generative AI at Work（Brynjolfsson, Li, Raymond）」

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。