チャットボットの比較で見る6つの観点 コールセンターの選定表【テンプレート付き】

チャットボットを比べる観点は、方式、回答の根拠、更新の手間、有人連携、計測、費用構造の6つです。「FAQ連携 ○」「有人切替 ○」「生成AI対応 ○」のような機能の有無で比較表を作ると、候補の製品はほぼ全部○になり、差が見えません。
差が出るのは、○の中身です。
6つのうち、候補の間で最初にそろえるべきは「何を1件の解決とみなすか」です。解決率の数字も、解決件数で課金する製品の費用も、この定義ひとつで動きます。定義をそろえないまま並べた解決率と見積もりは、比較になっていないと考えています。
観点1 方式は「1つの会話でどの順に使われるか」で比べる
最初に分けるのは、答えの作り方です。用意した分岐をたどらせるシナリオ型、質問に近いFAQを探して返すFAQ検索型、文書を読ませて文章を生成する生成AI型。1つの製品の中で組み合わせて使えるものもあります。
聞くのは「どの方式があるか」ではなく、「1つの会話の中で、どの方式がどの順に使われるか」です。
Microsoft Copilot Studioの課金表は、作り手が手で書いた定型の回答(classic answer)と、AIが知識ソースから生成する回答(generative answer)を別の項目として扱っています。
消費するクレジットも1と2で分かれています。定型で答えるか生成で答えるかで、1回あたりの消費が倍違います。
定型で返す質問と生成で返す質問を分けて設計できるかどうかは、精度だけでなく費用にも響きます。シナリオ型から生成AI型へ移るときに何を残すかは、生成AIへ移行した企業が何を捨てたかが参考になります。
営業に聞くことは1つ。解約や返金のように文言を固定したい用件で、生成をさせずに定型の回答だけを返す設定ができるか。
観点2 回答の根拠は、根拠がないときの振る舞いで差が出る
生成AI型では、答えの根拠をどこに置くかで、誤回答の起き方が変わります。FAQだけを読ませるのか、社内マニュアルや規約のPDFも読ませるのか、注文状況のような顧客ごとのデータまでつなぐのか。
読ませる範囲を広げるほど、答えられる質問は増えます。
同時に、古い資料や社内向けの資料が混ざる危険も増えます。
チャットボットの回答は、会社の回答として扱われます。Air Canadaは誤った案内をめぐる審判で、チャットボットは別の法人格だという主張を退けられています。米国の消費者金融保護局(CFPB)も2023年6月のチャットボットに関する報告で、不正確な情報や不十分な情報を返すことを問題の一つに挙げています。
比べるのは2点です。
回答の下に、参照したFAQや文書を表示できるか。根拠が見つからないときに、それらしい文章を作らず「分からない」と返し、有人や問い合わせフォームに案内できるか。どちらも、デモで意地の悪い質問を投げれば確かめられます。
観点3 更新の手間は、誰がどこを何分で直せるかで比べる
チャットボットの差が一番出るのは、導入した後です。料金改定、キャンペーン、障害のお知らせ。センターの案内は毎週のように変わり、そのたびにボットの答えも直します。
確かめるのは3つです。
直す人が誰か(情報システム部門か、センターのSVやFAQ担当か)。直す場所はどこか(シナリオの分岐、FAQ、読ませている文書のどれか)。直してから反映されるまで何分かかるか。
生成AI型では、FAQを1件直しても、同じ内容が古い文書に残っていれば古い答えが出ることがあります。直す場所が1か所で済むかも聞いておきます。
一番早い確かめ方は、デモの場で1件のFAQを書き換えてもらい、反映までの時間を計ることです。営業資料の「ノーコードで簡単に更新」は、誰にとって簡単なのかまでは分かりません。
観点4 有人連携は、渡す条件と渡すときの情報で比べる
CFPBの同じ報告は、顧客の問題がチャットボットの対応範囲を超えたときに、役に立たない返答の繰り返しから抜け出せなくなる状態を「doom loop」と呼んでいます。人の担当者へ抜ける道がないことも、問題として挙げました。
有人連携は「有人チャットに切り替えられるか」の○×では足りません。比べるのは次の4点です。
- 人に渡す条件を、何で決められるか(同じ質問の繰り返し、否定的な反応、特定の用件、顧客自身の希望)
- 渡すときに、それまでの会話と聞き取った情報(会員番号、用件)がオペレーターの画面に出るか
- 有人チャットの受付時間外に、顧客に何を案内するか(問い合わせフォーム、折り返しの予約、電話番号)
- 有人側の待ち人数が多いときに、渡すのを止めたり待ち時間を案内したりできるか
最後の点は見落とされがちです。ボットからの引き継ぎが有人チャットの席数を超えると、顧客はボットを抜けた先でまた待つことになります。
観点5 計測は「解決」の定義を全候補で同じ質問にそろえる
ここが分かれ目です。
チャットボットの効果は解決率や自動化率で語られますが、「解決」の定義は製品によって違います。公開されている定義を2つ並べます。
Intercomの料金ページは、AIエージェントの成果(outcome)を3つの場合に計上するとしています。顧客が解決したと確認したとき、AIの応答の後に顧客がそれ以上助けを求めなかったとき、AIが手順(Procedure)を完了したとき(人への引き継ぎを含む)です。
Zendeskのヘルプ記事(解決の段階別料金を導入する前の仕組みの説明)によると、人の担当者へエスカレーションした会話は対象外です。LLMで解決したかを検証し、メールなら最初のメールから72時間、メッセージングなら既定で2時間を待って判定します。
どちらも筋の通った定義です。ただ、「それ以上助けを求めなかった」を解決に入れるかどうかで、同じ会話でも数字は変わります。助けを求めずに画面を閉じ、電話をかけ直した顧客は、チャットの上では解決に見えるからです。
比べるときは、候補の製品すべてに同じ質問をします。
何をもって1件の解決とするか。判定まで何時間待つか。同じ用件の電話やメールを、解決の判定に入れられるか。チャットの外の再問い合わせまで追う方法は、FAQ閲覧後の未解決を見落とさない自己解決率の設計にあります。
観点6 費用構造は「何の量に比例して増えるか」で分ける
費用は、月額の総額で比べる前に、何の量に比例して増えるかで分けます。公開されている料金の仕組みは、大きく3つです。
| 課金の単位 | 公開例 | 費用が増えるとき |
|---|---|---|
| 席(担当者の人数) | Intercomの席課金(有人対応の担当者1人あたりの月額、プランで単価が違う) | 有人で対応する人を増やしたとき |
| 応答の量 | Copilot Studioのクレジット(定型の回答1、生成の回答2、エージェントの動作5) | 会話の数と、1会話で生成やシステム連携を使う回数が増えたとき |
| 解決の件数 | IntercomのAIエージェント(1成果0.99ドル、月の最低利用量あり) | ボットが「解決」と判定する会話が増えたとき |
解決件数で払う方式は、効果が出た分だけ払う形に見えます。そのとおりですが、観点5の定義がそのまま請求額になります。何を解決とするかを確かめないまま契約すると、見積もりの前提がずれます。
応答の量で払う方式は、設計で費用が変わり、上限の扱いも確かめどころです。Copilot Studioの説明によると、事前購入した容量の125%に達するとエージェントが止まり、進行中の会話でも応答しなくなります。
超過分を従量課金のプランに回す設定にしていれば止まりません。繁忙期にボットが止まらないよう、上限と超過時の扱いは契約前に確かめます。
試算は自社の会話の内訳から同じ式で作る
例えば、月10,000会話で、1会話あたり定型の回答3回と生成の回答1回が使われるとします。Copilot Studioの方式では、(3×1+1×2)×10,000=50,000クレジットです。
解決件数の方式なら、仮にそのうち4,000会話が解決と判定されれば、4,000×0.99ドル=3,960ドルになります。数字はどちらも例で、実際の単価や換算は契約条件で変わります。
式の形をそろえておくと、方式の違う見積もりを同じ表に並べられます。
コールセンターで使う選定表テンプレート
6つの観点を、候補の製品ごとに埋める表にしました。○×ではなく、営業の回答をそのまま書き込みます。最後の列は、デモや試用で自分たちで確かめたかどうかです。
| 観点 | 聞くこと | A社の回答 | B社の回答 | デモで確認 |
|---|---|---|---|---|
| 方式 | 1つの会話で定型・FAQ検索・生成がどの順に使われるか。生成を止めて定型だけ返す設定はあるか | |||
| 回答の根拠 | 何の資料を読ませるか。根拠の表示はあるか。根拠がないとき「分からない」と返せるか | |||
| 更新の手間 | 誰が、どこを直すか。反映まで何分か。直す場所は1か所で済むか | |||
| 有人連携 | 渡す条件は何で決めるか。会話と聞き取り情報が画面に出るか。時間外と混雑時の案内は | |||
| 計測 | 何を1件の解決とするか。判定まで何時間待つか。電話・メールへの再問い合わせを判定に入れられるか | |||
| 費用構造 | 課金の単位は何か。最低利用量と上限、超過時の扱いは。自社の会話の内訳で試算するといくらか |
埋めていくと、空欄や「個別にご相談」が残る行が出てきます。その行が、契約前にもう一度聞く行です。
まとめ
選定表の6行のうち、最初の打ち合わせで必ず埋めるのは計測の行です。候補ごとに「何を1件の解決とするか」と「判定まで何時間待つか」を書き込めば、営業資料の解決率をそのまま並べてよいかが、その場で分かります。
更新の手間と有人連携の行は、デモの日に自分たちで試して埋めます。
よくある質問
チャットボットを比較するとき、最初に何を見ればよいですか。
機能の有無より先に、「何をもって1件の解決とするか」を候補の製品すべてに聞くのが近道です。解決率の数字も、解決件数で課金する製品の費用も、この定義で変わります。
シナリオ型と生成AI型は、どちらを選ぶべきですか。
どちらか一方を選ぶより、文言を固定したい用件は定型の回答、幅広い質問は生成と、用件ごとに分けられるかを確かめるのが実務的です。1つの製品の中で複数の方式を組み合わせられるものもあります。
チャットボットの費用は、どう比べればよいですか。
月額の総額ではなく、席の数、応答の量、解決の件数のどれに比例して増えるかで分けます。そのうえで、自社の月間の会話数と1会話の中身を使い、同じ式で試算すると比べられます。
デモでは何を試せばよいですか。
根拠のない質問を投げて「分からない」と返すか、FAQを1件書き換えて反映まで何分かかるか、有人に渡したときに会話の履歴がオペレーターの画面に出るか、の3つを試すと、営業資料では見えない差が分かります。
注記
確認日: 2026年11月4日。本稿の事実関係は、各社の公式ページ・ヘルプ記事とCFPBの報告に基づきます。料金と解決の定義は確認時点のもので、変わることがあります。料金はドル建ての公開価格で、日本での契約条件とは異なる場合があります。試算の数字はすべて仮の例です。本稿はAI著者によるデスクリサーチであり、取材・一次調査は行っておらず、特定製品の推奨や優劣の評価ではありません。
出典
- Microsoft Learn「Billing rates and management - Microsoft Copilot Studio」
- Intercom「Pricing」
- Zendesk「About the automated resolutions platform (prior to resolution tiers)」
- Consumer Financial Protection Bureau「Chatbots in consumer finance」
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。



