本文へスキップ
tech公開更新約4分で読めます

【2分でわかる】コールセンターのFAQとナレッジベース オペレーターとAIが答えを引く場所

シェア

オペレーターが答える内容は、センターの中にあるナレッジベースに書いてあります。お客さま向けに公開するFAQとは別に、手順や判断の根拠をまとめた置き場所です。

オペレーターはそこを検索して答えます。2026年時点では、生成AIも同じ場所を検索して答えを作る使い方が広がっています。どちらの答えも、置き場所の中身が古ければ古くなります。

▼動画で見る(約2分)

FAQはお客さま向け、ナレッジベースはセンターの中

FAQは、お客さま向けに公開する「よくある質問と答え」です。お客さまが電話をかける前に、自分で調べるための入り口になります。

ナレッジベースは、センターの中で使う手順や判断の根拠を1か所に集めたものです。中身は、決まった手順を書いたマニュアルだけではありません。現場で見つかった答えや、手順どおりにいかない例外も足されていきます。

お客さまには見せない社内の判断基準まで入っているのが、FAQとの違いです。

お客さま向けに公開されるFAQと、センターの中の手順や判断の根拠を一か所に集めたナレッジベース。マニュアルに現場で見つかった答えや例外が足されていく図

オペレーターは答えを覚えず、カードを引いて案内する

電話を受けたオペレーターは、お客さまの言葉から探す言葉を選び、ナレッジベースを検索します。

見つかった答えは、1件ずつのカードのような形で画面に出ます。オペレーターはそれを見ながら案内するので、すべての答えを覚えておく必要はありません。

新人もベテランも同じカードを見るので、誰が受けても同じ答えを返しやすくなります。

お客さまの言葉で検索し、ナレッジベースから答えのカードを取り出して案内する。新人も同じカードを見るので同じ答えを返せる

カードが古いまま残ると、検索が正しくても誤案内になる

料金や規約が変わったのにカードが古いままだと、オペレーターはそれを正しい答えだと思って案内します。検索は正しく動いているのに、誤った案内が出ます。

同じ質問に、違う答えのカードが並ぶのも危険です。どちらが新しいか分からなければオペレーターは迷い、人によって返す答えが変わります。

カードが増えるほど、この2つは起きやすくなります。

料金や規約が変わってもカードが古いままだと誤った案内になる。同じ質問に違う答えのカードが並ぶと、どちらが正しいか分からない

更新は「書く人と認める人」「見直すきっかけ」「消す決まり」で回す

1つ目は、カードを書き換える担当と、公開を認める担当を分けることです。書いた人と別の人が確かめてから出せば、誤りに気づきやすくなります。

2つ目は、見直すきっかけを決めておくことです。例えば、誤案内が起きたとき、商品や規約が変わったとき、ある質問の問い合わせが急に増えたときです。

3つ目が、役目を終えたカードを消すことです。足すだけを続けると、古いカードと重複したカードが残り、迷いの原因になります。担当・承認・廃止の決め方はFAQ・ナレッジの更新体制で具体的に整理しています。

書き換える担当と公開を認める担当を分ける。誤った案内、商品や規約の変更、問い合わせの急増を見直すきっかけにし、役目を終えたカードは消す

生成AIもナレッジを検索してから答える

ナレッジベースを使うのは人だけではありません。センターで使う生成AIでは、まずナレッジを検索し、見つけた内容をもとに答えを作る作りがよく使われます。この仕組みをRAG(検索拡張生成)と呼びます。

オペレーターがカードを引いてから案内するのと同じ流れです。

違いが出るのは、古いカードを引いたときです。AIは古い内容でも整った言い回しで答えるため、聞いた側が誤りに気づきにくくなります。AIが正しいカードに届いているかは、正解のFAQに届くかを試すテストセットで確かめられます。

生成AIはまずナレッジベースを検索し、見つけた内容をもとに答えを作る(検索拡張生成、RAG)。ナレッジが古いとAIの答えも古くなる

まとめ AIの答えの確かさは、消す担当がいるかで決まる

オペレーターが答えを引く場所も、生成AIが答えを作るもとも、同じナレッジベースです。

AIの答えの確かさは、モデルの賢さより、古いカードを消す担当が決まっているかで決まると見ています。書き足す作業は日々の誤案内をきっかけに起きますが、消す作業は誰かが受け持たない限り起きないからです。

カードの一覧を最終更新日の古い順に並べてみる。それだけで、消す候補がどれだけ残っているかが見えます。

AIの答えの確かさはモデルの賢さだけでなくナレッジの更新に大きく左右される。オペレーターとAIが同じナレッジベースから答えを引く図

用語メモ

  • FAQ: お客さま向けに公開される、よくある質問とその答えです。
  • ナレッジ: センターの中で使う、手順や判断の根拠をまとめた情報です。
  • ナレッジベース: ナレッジを1か所に集めた場所です。マニュアルに加えて、現場で見つかった答えや例外も足されていきます。
  • マニュアル: 決まった手順を書いたものです。ナレッジベースの中身の一部になります。
  • 答えのカード: ナレッジベースを検索して見つかる、1件ずつの答えです。オペレーターはこれを見ながら案内します。
  • 更新の決めごと: カードを書き換える担当と公開を認める担当、見直すきっかけ、役目を終えたカードを消すことなど、ナレッジを保つための取り決めです。
  • RAG(検索拡張生成): 生成AIがまずナレッジを検索し、見つけた内容をもとに答えを作る仕組みです。

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