【2分でわかる】リアルタイム応対支援とは 通話中のオペレーターをAIが手伝う仕組み

リアルタイム応対支援(エージェントアシスト)は、通話中の会話をAIがその場で文字にし、用件に合うFAQや社内ナレッジを候補としてオペレーターの画面に出す仕組みです。
AIはお客さまに直接は答えません。答えるのはオペレーターで、AIは横で材料をそろえる役です。
▼動画で見る(約2分)
AIは会話を文字にし、用件に合うFAQを候補として出す
処理は3段に分かれます。まず、お客さまとオペレーターの会話を音声認識でその場で文字にします。
次に、AIがその文字から用件をつかみ、関係するFAQ(よくある質問)や社内ナレッジを画面に並べます。
最後に、オペレーターが候補を確かめ、自分の言葉で答えます。
お客さまを待たせて資料を探したり、保留にして周りに聞いたりする場面が減ります。探す手間が減った分、オペレーターは会話に注意を向けられます。

候補が当たるかは、文字起こしの精度に左右されます。言い間違いや固有名詞の聞き違いが多いと、的外れな候補が並びます。
危ない言葉が出たら、SVの画面に知らせが出る
応対支援には、通話を見守る役目もあります。言ってはいけない言葉や強い暴言が会話に出たことを検知すると、SV(スーパーバイザー)の画面に知らせが出ます。
SVが通話を1本ずつ聞いて回るには限りがあります。
知らせを手がかりに、気になる通話へ早く入れます。
オペレーターが1人で抱え込まずに済むのは、応対の品質を守るためだけでなく、オペレーター本人を守るためでもあります。

通話後は、同じ文字起こしから要約を作る
通話中に作った文字起こしは、通話のあとにも使えます。AIがそれをもとに要約を下書きし、後処理(ACW)を軽くします。
後処理は、通話のあとに応対内容を記録し、手続きを整える作業です。通話中の支援と同じ文字起こしを使い回すので、通話の最中とその後を一続きで手伝う形になります。
要約は下書きです。合っているかを確かめるのは人の仕事として残ります。確認と修正にかかる時間まで含めた考え方は、AI通話要約と後処理の解説にあります。

候補が外れても、お客さまには届かない
お客さまに答えるのは、あくまでオペレーターです。どの候補を使うか、どう伝えるかの判断は人に残ります。
お客さま向けのAIより先に、この支援から始める企業があります。候補が外れても、オペレーターの手元で止まるからです。
的外れな候補が、そのまま読み上げられることはありません。間違いを人のところで受け止められるので、AIを現場に入れる最初の一歩にしやすい形です。
AIに任せる範囲と人に残す範囲をどう線引きするかは、支援と代替の判断基準で掘り下げています。

効果はAHTの平均ではなく、新人の立ち上がりとばらつきで見る
効果は、AHT(1件あたりの平均処理時間)で語られがちです。
ただ、簡単な用件が自動応答に移ると、人に届くのは難しい電話ばかりになります。支援で手間が減っていても、1件あたりの平均は縮みにくくなります。
ここが見誤りやすい点です。
そこで、新人が独り立ちするまでの期間が縮んだか、オペレーターごとの応対時間や品質のばらつきが小さくなったかを合わせて見ます。経験の浅い人ほど、画面の候補に頼れる場面が多いからです。
導入前後で何をどう計測するかは、エージェント支援の効果の測り方に手順があります。

まとめ AIは聞く・探す・見守るを受け持ち、答える役は人に残る
リアルタイム応対支援で、AIが受け持つのは、会話を聞いて文字にすること、用件に合う材料を探すこと、危ない通話を見守ってSVに知らせることの3つです。
通話が終われば、同じ文字起こしから要約を下書きします。
どの場面でも、お客さまに答える役はオペレーターです。導入を判断するときは、平均処理時間の数字より先に、新人がどれだけ早く一人で電話を取れるようになったかを見てください。

用語メモ
- リアルタイム応対支援(エージェントアシスト): 通話中のオペレーターを、AIがその場で手伝う仕組みです。
- 音声認識: 話し言葉をその場で文字にする技術です。できた文字を文字起こしと呼び、応対支援ではこれがAIの手がかりになります。
- FAQ(よくある質問): よく寄せられる質問と答えをまとめたものです。応対支援では、社内ナレッジとともに回答の候補として画面に出ます。
- NGワード検知: 言ってはいけない言葉や強い暴言が会話に出たことを、AIが見つける働きです。
- SV(スーパーバイザー): オペレーターをまとめ、応対を見守ってフォローする役割の人です。
- 後処理(ACW): 通話のあとに応対内容を記録したり、手続きを整えたりする作業です。
- 平均処理時間(AHT): 通話・保留・後処理を合わせた、1件の応対にかかる時間の平均です。応対支援の効果を語るときによく使われますが、これだけでは効果が見えにくいことがあります。
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。

