本文へスキップ
tech公開更新約9分で読めます

コールセンターAIのベンダーは1社に絞るべきか、集約と使い分けを分ける2つの条件

シェア
コールセンターAIのベンダーは1社に絞るべきか 集約と使い分けを分ける2つの条件

コールセンターAIのベンダーは、一社に絞っても複数に分けても成り立ちます。一社にまとめれば運用とデータが一か所に集まり、窓口ごとに分ければ用途に合った道具と乗り換えの自由が残る。得るものが違うだけです。

どちらにするかを決める条件は2つあります。応対データをどこに集めるか。社内に複数のベンダーを管理できる人がいるか。この2つが決まれば、ベンダーの数はほぼ自動で決まると見ています。

一社にまとめると何が得られ、何を手放すのか

一社集約で得られるのは、窓口の数だけ管理画面と契約が増えない状態です。応対履歴もナレッジも同じ場所にたまるので、チャネルをまたいだ集計がしやすくなります。

手放すのは、用途ごとに道具を選び直す自由です。電話の要約は強いがメールは弱い、といった差があっても、まとめて使い続けることになります。

乗り換えの重さも増します。Sinchの調査では、本番で動かした顧客対応のAIエージェントを巻き戻した経験のある企業が74%にのぼりました。一社に寄せた状態で巻き戻すと、止まるのは全窓口です。持ち出せる資産の確かめ方はベンダーロックイン対策の記事で整理しました。

複数に分ける場合は逆です。窓口ごとに最適な道具を選べ、1つを替えても他は止まりません。そのかわり、契約・連携・ナレッジの更新を窓口の数だけ回すことになります。

窓口ごとに作り分けた企業は何を選んだのか

窓口ごとに作り分けた企業は何を選んだのか

LINEヤフーは、同じ会社のなかで窓口ごとに作り方を変えています。

1つ目は出店ストア向けの窓口です。同社の2025年1月の発表によると、Yahoo!ショッピングとYahoo!オークションの出店ストアからの問い合わせに答えるチャットボットを、OpenAIのAPIと、Amazon Bedrock経由のClaude 3.5 Sonnetで提供し始めました。

ヘルプデスクへの問い合わせを約30%減らす見込みとしています(同社発表)。

2つ目は一般の利用者向けです。Salesforceの2025年9月の発表では、Yahoo! JAPANのヘルプページの一部に置かれていた既存のチャットボットに、AgentforceをLINEヤフーが採用したとされます。

PoC(試験導入)で月間30万件超の問い合わせに対応できることを確かめたうえでの判断でした(Salesforce発表)。

前者の削減率は出店ストア向けの見込み、後者の件数は試験で確かめた対応可能量です。どちらも実績値ではありません。

相手が違う窓口を、別々の道具で組んだことになります。出店ストアの質問はツールの使い方で、答えの元はマニュアルにある。

利用者向けの側は事情が違います。同じSalesforceの発表によると、LINEヤフーはそれ以前からSalesforceのAIで問い合わせの分類や振り分けを自動化してきました。窓口ごとに、答えの元とデータのある場所が違っていたと見ています。

経緯と判断の分岐はLINEヤフーの事例記事で詳しく扱っています。

道具が分かれていてもコールセンターの成果が並んだのはなぜか

DMM.comのカスタマサポート部は、チャネルごとに別の提供元を使っています。

電話では、通話の文字起こしと要約の仕組みをAzureの上に社内で組んだと、Microsoftの導入事例が伝えています。

応対品質の評価には、NTTマーケティングアクトProCXの事例ページが伝える外部の評価サービスを入れています。メールでは、カラクリの発表のとおり、オペレーター支援ツールを30サービスのサポート業務に導入しました。

提供元は3つ。それでも電話・品質評価・メールのそれぞれで成果が公表されています。

9月の事例記事では、共通にしていたのは道具ではなく、問い合わせ理由の分類や回答テンプレートといったデータの側だと読みました。AIが書き込む先と参照する元が決まっていれば、道具が別でも話がかみ合います。

その後の動きも同じ方向です。グループ会社のAlgoageは2026年5月の発表で、DMMのコンタクトセンターでの経験から生まれたとするサポートAIの提供を始めました。マニュアル・FAQ・応対履歴を1つのナレッジ基盤に集め、オペレーター支援と自動応答のAIが同じ情報を参照する設計です。

道具を増やしてから、データを1か所に寄せた。DMMの歩みはこの順番に見えます。

決め手になる2つの条件は何か

決め手になる2つの条件は何か

条件1 応対データをどこに集めるか

先に決めるのは、応対履歴とナレッジの置き場所です。ベンダーの数はその後でかまいません。

置き場所が自社側の顧客管理の仕組みやナレッジ基盤にあるなら、AIは複数でも回ります。各社のAIが同じ場所を読み書きするからです。

置き場所がベンダーごとの製品の中に散っているなら、話は逆になります。窓口ごとにナレッジを直し、窓口ごとに集計を取る二度手間が残る。この状態で複数社に分けるのは避けたほうがよいと見ています。

家の配線にたとえると分かりやすいでしょう。コンセントの形がそろっていれば、家電のメーカーはばらばらでも困りません。データの置き場所は、このコンセントにあたります。

条件2 社内に複数のベンダーを管理できる人がいるか

2つ目は、管理する人の有無。ベンダーが二社になれば、契約の更新、障害時の切り分け、モデルや画面の変更への追従が2系統になります。

障害の切り分けは特に重い。AIの誤答が、読んでいるナレッジのせいか、つないだ仕組みのせいかを判断できる人がいないと、ベンダー同士の間で問い合わせが止まります。

この役を担える人が社内にいない。それなら、当面は一社に寄せるのが現実的な答えです。

どんなコールセンターなら一社に寄せてよいのか

どんなコールセンターなら一社に寄せてよいのか

2つの条件を組み合わせると、次のように分かれると見ています。

応対データの置き場所

複数社を管理できる人がいる

いない

自社側に集めている

窓口ごとに選んでよい

一社に寄せ、置き場所は自社側に残す

製品ごとに散っている

先に置き場所を決める

一社に寄せる

左下の「人はいるがデータが散っている」センターは、ベンダーの数より先に置き場所を決めてください。ここで複数社に広げると、管理する人の手が集計とナレッジの二重更新に取られます。

右上の欄も見落とせません。一社に寄せる場合でも、応対データを自社側に置いておけば、後で別の道具を足すときに困りません。

反対の見方もあります。一社集約のほうが、ベンダー側の改善がチャネル全体に一度に届くという考え方です。それでも、乗り換えの自由を残す条件はデータの置き場所で決まるので、判断の順番は変わらないと見ています。

まとめ

  • 一社集約は運用とデータが一か所にまとまり、複数は用途ごとの最適と乗り換えの自由が残る

  • LINEヤフーは相手の違う窓口を別の作り方で組み、DMMは道具を分けたままデータの側を共通にしてきた

  • 決め手は応対データの置き場所と、複数社を管理できる人の有無

  • 人がいなければ一社に寄せ、その場合もデータは自社側に置く

いまのセンターで、応対履歴とナレッジはどの製品の中にあるでしょうか。

よくある質問

窓口ごとにベンダーが違うと、お客様への答えが食い違いませんか

食い違う余地はあります。防ぐのは、各AIが同じナレッジを参照する作りです。DMMのグループ会社が打ち出したように、FAQや応対履歴を1つの基盤に集め、そこをどのAIも読むようにすれば、答えの元は1つになります。

一社に寄せたあとで別のベンダーを足すことはできますか

できます。足しやすいかどうかは、応対データを自社側に持っているかで決まります。製品の中にしかないデータは、新しい道具から読めないことがあるため、契約前に出力の形式を確かめておいてください。

複数ベンダーを管理する担当は何人くらい要りますか

公開された目安はありません。最低限、障害時にどこが原因かを切り分けられる人が一人いるかどうかで判断してください。その人がいない間は、ベンダーを増やさないほうが安全です。

試験導入の対応可能量は、導入後の実績と同じと考えてよいですか

同じではありません。LINEヤフーの月間30万件超も、試験で確かめた対応可能量としてSalesforceが発表したものです。導入後の解決率や応対時間は、自社で前後を測って確かめてください。

注記

確認日は2026年11月16日です。本稿は公開資料にもとづくデスクリサーチで、各社への取材によるものではありません。LINEヤフーのAgentforce採用はSalesforceの発表、DMMの電話・品質評価・メールの取り組みは各提供元の発表と事例ページにもとづきます。出店ストア向け窓口の削減率は見込み値、Agentforceの対応件数はPoCで確かめた対応可能量です。2つの条件と判定表は筆者の見立てで、特定のベンダーや製品を推奨するものではありません。当事者からの補足は歓迎します。


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