AI時代の「チャネル別・応対品質」設計―同じ物差しを使い、重心を変える

はじめに――ブランドプロミスを、チャネルごとの品質へ翻訳する

前稿「AIボイスボットで挑む『プロフィットセンター化』――ブランドプロミスを体現するCX設計論」では、AIボイスボットを単なる効率化ツールとしてではなく、事業成果とブランドプロミスに貢献する顧客接点として捉え直した。そして、AIと有人対応をNPSやブランドプロミス達成度などの共通指標で捉え、継続的に改善する必要性を論じた。

では、その共通指標を実際の品質管理へ落とし込むとき、ボイスボット、チャットボット、メール、有人対応をまったく同じ配点で評価すればよいのだろうか。

答えは「共通化すべき部分と、変えるべき部分がある」である。

品質基準の骨格は共通でなければならない。どのチャネルでも、誤案内や法令違反が許されず、顧客の問題が解決され、同じブランドプロミスが感じられる必要がある。一方、音声、文字、非同期コミュニケーション、人による対話では、顧客が感じる負担や、品質事故が起きる場所が違う。したがって、評価項目は共通化しつつ、その重みと判定方法をチャネルの役割に合わせて変える必要がある。

一言でいえば、「同じ物差しを使うが、重心は変える」という設計である。

これは筆者の概念整理だけではない。Microsoftは2026年、Dynamics 365のQuality Evaluation Agentについて、人とAIの双方に共通する評価基準を定義し、会話やケースを重み付きで評価できる仕組みを一般提供した。さらに同年6月には、同じ評価ロジックを、人が作成したメールとAIとの共同作成メールにも広げている。製品動向からも、「人かAIか」「電話かメールか」で品質管理を分断するのではなく、共通フレームの下で横断的に評価する方向が明確になっている。（出典・参考資料：1,2）

本稿の結論
全チャネルに共通する品質ゲートを設け、その上で、チャネル特性に応じて「完遂」「使いやすさ」「説明」「共感」「判断」「引き継ぎ」の配点を変える。AIには境界内で確実に動く力を、人には境界を越える案件を判断し、解決まで動かす力を求める。

1．全チャネル共通の品質基準――まず「品質の言語」を揃える

ボイスボット、チャットボット、メール、有人対応を別々の評価表で管理すると、各チャネルが局所最適に陥りやすい。ボイスボット部門は自動完了率、チャット部門は自己解決率、メール部門は返信時間、有人部門はAHTを追い、顧客から見た「一つの問題が解決したか」が見えなくなるからだ。

そこで、まず全チャネルを次の10項目で捉える。

「品質ゲート」と「加点評価」を分ける

ここで重要なのは、10項目をすべて足し算にしないことである。

正確性、適合性・安全性、重大なコンプライアンス事項は、配点ではなく品質ゲートにする。 共感的で流暢な応対でも、誤った請求額を案内したり、本人確認を省略したりすれば高品質とはいえない。一定水準を下回った場合は、総合点にかかわらず不合格とする必要がある。

NISTの生成AIリスク管理プロファイルも、生成AIを信頼性、安全性、透明性などの観点からライフサイクル全体で評価・管理する考え方を示している。日本の「AI事業者ガイドライン」も、安全安心なAI活用に向けたガバナンスを求めている。これらはコンタクトセンター専用規格ではないが、顧客接点AIの品質を「会話の感じのよさ」だけで測れないことを裏づける。（出典・参考資料：3,4）

品質は、次の二段階で判定するのが分かりやすい。

1. Gate：守れなければ不合格
   正確性、法令・社内規程、本人確認、個人情報、禁止事項、重大な不利益の回避

2. Score：役割に応じて加点する
   解決、顧客努力、対話、共感、ブランド体現、オーナーシップ、連携、効率、改善

2．チャネル別に「失敗コスト」を考える

チャネルごとの配点は、得意機能の一覧から決めるのではなく、そのチャネルで何が起きると顧客体験が大きく損なわれるかから逆算するとよい。

• ボイスボットの失敗：聞き取れない、選択肢が分からない、抜け出せない

• チャットボットの失敗：長文、堂々巡り、リンク提示だけで次へ進めない

• メールの失敗：回答漏れや曖昧な約束により、数日単位の往復が発生する

• 有人対応の失敗：事情や感情を理解せず、規程を読むだけで誰も責任を持たない

この違いが、同じ品質項目でも配点を変える理由である。

2-1．ボイスボット――迷わせず、閉じ込めず、安全に完遂する

ボイスボットで最も重視すべきなのは、顧客を迷わせず、安全に用件を完了させることである。

音声は画面のように選択肢を一覧できず、過去の発話を一目で読み返すこともできない。認識エラーや応答の遅延、長い説明は、顧客努力に直結する。よって「人間らしい声」だけを高く評価するのは危険である。

優先順位は次のようになる。

1. 正確性・安全性という品質ゲート

2. 用件完遂率と正しい処理結果

3. 音声認識・意図理解と応答速度

4. 会話ターン数、聞き直し、待ち時間の少なさ

5. 対応範囲外を認識する力

6. 適切な有人転送と引き継ぎ情報の完全性

7. 自然さ、安心感、ブランドらしい声と話し方

DoorDashの事例では、ドライバーが移動中に電話を選ぶことから、音声セルフサービスの低遅延を重要要件とした。既存IVRでは有人転送を49％削減し、初回解決率を12％向上。生成AIを用いた音声アプリケーションでは2.5秒以下の応答時間を実現したとAWSが報告している。ここで注目すべきは、音声品質を「自然さ」だけでなく、転送、初回解決、速度、情報保護を含めて設計している点である。なお、数値はAWSの顧客事例に基づく公表値である。（出典・参考資料：5）

ボイスボットの品質定義
顧客の用件を正しく理解し、少ない対話で安全に処理を完了する。AIの対応範囲を超えたときは顧客を閉じ込めず、それまでの文脈を伴って適切な人へ引き継ぐ。

ボイスボットの品質を一言でいえば、「迷わせない、閉じ込めない、繰り返させない」である。

2-2．チャットボット――答えるだけでなく、次の行動へ導く

チャットボットで最も重視すべきなのは、顧客が自分のペースで情報を理解し、自己解決または手続き完了まで進めることである。

チャットは履歴を読み返せ、リンク、画像、選択肢、入力フォームを組み合わせられる。その一方で、回答が長すぎる、質問がループする、FAQリンクだけを示す、といった設計は顧客に判断と探索を押し戻してしまう。

優先順位は次のようになる。

1. 正確性・安全性という品質ゲート

2. 解決・手続き完遂

3. 簡潔性、可読性、情報の階層化

4. 会話文脈の保持

5. 選択肢と「次にすること」の明示

6. 有人チャットへの切り替えと履歴連携

7. ブランドに合った言葉遣い

東京電力ホールディングスは、2024年度にAIチャットで77.4万件の受付を完了し、満足度91％と公表している。また、AIによる自動応対からオペレーターへテキスト情報を連携し、応対を円滑にする運用も示している。ここから得られる示唆は、チャットの品質を「回答を表示したか」ではなく、「受付を完了したか」「満足されたか」「人に移った後も文脈がつながったか」で測る必要があるということである。（出典・参考資料：6）

KDDIも2025年、音声、テキスト、画像を組み合わせた「auサポート AIアドバイザー」を開始した。顧客が音声または文字を選び、要点を音声で聞きながら回答全体を自分のペースで確認できる設計である。これはチャネルを固定するより、顧客の状況に合わせて情報表現を組み合わせる方向を示している。（出典・参考資料：7）

チャットボットの品質定義
顧客の質問に答えるだけでなく、文脈を維持しながら必要な情報を見やすく提示し、自己解決または手続き完了まで導く。行き詰まった場合は履歴を保ったまま人へつなぐ。

チャットボットの品質を一言でいえば、「見つけやすい、読みやすい、次が分かる」である。

2-3．メール――一度の回答で、解決への道筋と責任を示す

メールで最も重視すべきなのは、一度の回答で、正確かつ完全に問題解決への道筋を示すことである。

メールは非同期で、回答の往復に時間がかかる。不完全な回答は「もう一度質問を書く」「さらに返信を待つ」という大きな顧客努力を発生させる。また、文章が記録として残るため、事実、約束、期限、表現の一貫性が重要になる。

優先順位は次のようになる。

1. 正確性・コンプライアンスという品質ゲート

2. 質問・懸念に対する回答の完全性と網羅性

3. 次の行動、期限、条件、担当者の明示

4. オーナーシップと約束の履行可能性

5. 見出し、結論先行、箇条書きなどの可読性

6. 共感とブランドらしい表現

7. 返信速度

2026年6月、MicrosoftはQuality Evaluation Agentの対象をメールへ拡大し、人が書いたメールとAIとの共同作成メールを、正確性、プロフェッショナルな表現、ポリシー順守などの共通基準で評価できると発表した。同時に、送信時のリアルタイム統制と、送信後の品質評価を分けている。これは、AIメールの管理を「文章生成の巧拙」ではなく、送信前の事故防止と送信後の改善という二段階で捉える実務的な方向性である。（出典・参考資料：2）

メール応対の品質定義
顧客の質問と懸念を漏れなく理解し、正確な回答、必要な手続き、期限、条件、次の担当を明示して、不要な往復を発生させない。

AIが下書きを作成した場合も、文体の美しさだけを評価してはならない。事実確認、根拠、約束内容、期限、権限、最終送信責任まで含めて品質管理する必要がある。

メールの品質を一言でいえば、「漏らさない、曖昧にしない、往復させない」である。

2-4．有人対応――理解し、判断し、解決まで動かす

有人対応で最も重視すべきなのは、状況と感情を理解し、必要な判断を行い、解決まで責任を持つことである。

AIが定型的な照会や処理を担うほど、人には複雑、高感情、非定型、例外的な案件が集まる。したがって、従来のスクリプト順守やAHTだけでは、人の価値を適切に測れなくなる。

優先順位は次のようになる。

1. 正確性・安全性という品質ゲート

2. 状況判断と例外対応

3. 顧客感情の理解と適切な共感

4. 解決までのオーナーシップ

5. 問題解決力と関係部門を動かす力

6. 顧客に合わせた説明と合意形成

7. ブランドプロミスの体現

8. AI提案を鵜呑みにせず、検証・修正する力

9. 応対時間

国内でも、人による応対評価そのものに生成AIを使う取り組みが進んでいる。東芝と東芝ITサービスの実証では、生成AIによる評価と助言の活用後、セルフ品質改善率が平均12.5％向上し、評価・フィードバック時間が64％短縮されたと報告された。ただし、これは東芝調べの実証値であり、対象条件によって効果は異なる。それでも、AIの役割が単なる応対代替だけでなく、人の判断や対話を改善するコーチへ広がっている点は注目に値する。（出典・参考資料：8）

有人対応の品質定義
顧客の事情と感情を理解し、標準手順だけでは解決できない問題に適切な判断を行い、必要な権限や関係部門を動かしながら解決まで責任を持つ。

有人対応の効率性は「短く終えること」ではない。必要な時間を使って再問い合わせ、再発、離反を防ぐことまで含めるべきである。

有人対応の品質を一言でいえば、「理解する、判断する、動かす、見届ける」である。

3．品質配分のモデル――数値は「絶対値」ではなく戦略の翻訳

品質ゲートを通過した応対について、残りの価値要素を100点で配分する。以下は筆者が提案する標準モデルであり、統計的に唯一正しい配点ではない。企業の業種、顧客層、取引リスク、ブランドプロミスに合わせて調整するための出発点である。

この表で注目すべき点は、有人対応の「解決・完遂」が20点だから重要度が低い、という意味ではないことである。有人対応には、最終的な解決責任を「オーナーシップ」にも配分している。また、AIチャネルでは自動処理だけでなく、適切な転送も一つの完遂と考える。難しい案件を人へ正しく渡すことは、AIの失敗ではなく設計された成功である。

配点はブランドプロミスによって変える。

• 「迅速・簡単」を約束するブランド：顧客努力、待ち時間、ターン数、完遂を重くする

• 「安心・信頼」を約束するブランド：説明、根拠、確認、オーナーシップを重くする

• 「寄り添い」を約束するブランド：共感、個別対応、裁量、フォローを重くする

• 　高リスク業種：品質ゲートを厳格化し、重要項目は加点ではなく重大違反判定にする

4．AIと人の違い――「勝手に判断しない」から「境界内で自律する」へ

AIと人の役割を単純に「AIは判断しない、人は判断する」と分けるだけでは、AIエージェント時代の実態を十分に表せない。現在のAIは、定められた条件の下で質問を選び、情報を取得し、複数の処理を組み合わせて用件を完了できるようになっている。

必要なのは、判断の有無ではなく、判断できる範囲、判断根拠、停止条件、責任主体を明確にすることである。

したがって、AIには「境界内で自律し、境界では止まる品質」が必要であり、人には「境界を越える案件を引き受け、責任ある裁量を使う品質」が必要である。

SoftBankのAIコールセンター事例でも、AIが顧客の入力と文脈を解釈して次の質問や案内を選ぶ一方、運用はAIと人の協働で進められ、実データによる継続改善とガバナンス検証が組み込まれている。つまり、自律性を高めることと、人の監督をなくすことは同義ではない。（出典・参考資料：9）

5．本当に測るべきは「点」ではなく「一連の解決」

チャネル別スコアを精緻にしても、顧客がAIから有人へ移るたびに同じ説明を繰り返すなら、全体として高品質とはいえない。

これからの品質管理では、個々の応対という「点」に加え、問題発生から解決までの「一連のジャーニー」を評価する必要がある。

横断指標として追加すべき項目

• ジャーニー解決率：複数チャネルをまたいでも、一定期間内に顧客課題が解決した割合

• 同一理由再問い合わせ率：同じ理由で顧客が再び問い合わせた割合

• 文脈継承率：顧客の意図、本人確認、処理履歴、感情状態が次の担当へ正しく継承された割合

• 引き継ぎ成功率：転送後に再説明や再転送なく対応を開始できた割合

• 約束履行率：案内した期限、折り返し、手続きが実際に履行された割合

• ブランドプロミス達成度：「迅速」「安心」「寄り添い」など、自社が約束する価値を顧客が感じた割合

これらの指標を加えることで、ボイスボットが有人転送した案件を「未完了」として単純に減点するのではなく、正しい文脈付きで人につなぎ、最終解決に貢献したかを評価できる。

6．導入手順――評価表を増やすのではなく、品質体系を組み替える

実務では、次の順序で設計するとよい。

Step 1　ブランドプロミスを行動へ翻訳する

「安心」「迅速」「寄り添い」といった抽象語を、観察可能な応対行動へ変える。

例：「安心」なら、根拠を示す、重要条件を復唱する、次の期限を明示する、不明点を放置しない。

Step 2　全チャネル共通の品質ゲートを定める

誤案内、本人確認、個人情報、禁止表現、法定説明、金銭・契約上の重大事項について、不合格条件を明確にする。

Step 3　チャネルの役割と失敗コストを定義する

何をAIだけで完遂させ、何を人へ渡すか。顧客がそのチャネルを選ぶ状況は何か。失敗したとき、どのような負担や不利益が起きるかを整理する。

Step 4　共通項目の重みを変える

共通の評価項目を残しながら、完遂、顧客努力、説明、共感、判断、連携の配点と判定方法を変える。

Step 5　個別応対とジャーニーの両方を測る

自動完了率やAHTだけでなく、再問い合わせ、文脈継承、約束履行、最終解決、ブランドプロミス達成度を追う。

Step 6　AI評価を人が監督し、評価基準自体も更新する

評価AIの判定根拠を確認可能にし、重要項目は人がレビューする。問い合わせ傾向、商品、規程、AIモデルの変更に合わせ、評価項目とテストシナリオを版管理する。

2026年のMicrosoftの動向は、人とAIに同じビジネス品質基準を定義し、条件に応じた評価計画と重み付けを行い、監督者が公開前にスコアを確認できる方向を示している。評価の自動化は、評価責任の自動放棄ではない。（出典・参考資料：1）

まとめ――チャネルごとの最適化を、一つのブランド体験へ束ねる

各チャネルの役割は、次のように整理できる。

• ボイスボット：迷わせず、閉じ込めず、安全に完遂する

• チャットボット：見やすく案内し、自己解決と次の行動へ導く

• メール：漏れなく説明し、約束と責任を明確にする

• 有人対応：理解し、判断し、関係者を動かし、解決まで見届ける

そして、AIと人の役割は次のように表せる。

• AI：定めた境界内で正確かつ一貫して自律し、境界では安全に止まり、人へ渡す

• 人：境界を越える案件を引き受け、共感と裁量をもって解決に責任を持つ

全体の品質方針を一文にすれば、こうなる。

顧客がどのチャネルを選び、AIと人のどちらが対応しても、正確で安全な情報が提供され、同じブランドプロミスの下で問題が解決される。ただし、チャネル特性と役割に応じて、完遂、利便性、説明、共感、判断、オーナーシップの重心を変える。

最終的に目指すべきなのは、各チャネルの点数を個別に上げることではない。

チャネルをまたいでも顧客情報、約束、品質、ブランドらしさが途切れない「一つのブランド体験」をつくることである。

出典・参考資料

1. Microsoft Learn, “Evaluate closed conversations with Quality Evaluation Agent,” updated Aug. 27, 2026.
   https://learn.microsoft.com/en-us/dynamics365/release-plan/2025wave2/service/dynamics365-contact-center/evaluate-closed-conversations-quality-evaluation-agent

2. Microsoft Dynamics 365 Blog, “Public Preview: Quality Evaluation Agent Extends Quality Oversight to Email,” June 1, 2026.
   https://www.microsoft.com/en-us/dynamics-365/blog/it-professional/2026/06/01/quality-evaluation-framework-customer-email/

3. NIST, “Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1),” July 26, 2024, updated Apr. 8, 2026.
   https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

4. 総務省・経済産業省「AI事業者ガイドライン」2026年3月31日公表版。
   https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/pdf/20260331_1.pdf

5. AWS, “Building a Generative AI Contact Center Solution for DoorDash Using Amazon Bedrock, Amazon Connect Customer, and Anthropic’s Claude.”
   https://aws.amazon.com/solutions/case-studies/doordash-bedrock-case-study/

6. 東京電力ホールディングス「生成AIが導くCX・EX革新とコンタクトセンターの高度化」。
   https://www.tepco.co.jp/about/about-dx/dx_case/case-19.html

7. KDDI, “Launching ‘au Support AI Advisor,’ a Digital Human That Anyone Can Use with Ease,” Mar. 3, 2025.
   https://newsroom.kddi.com/english/news/detail/kddi_nr-463_3742.html

8. 東芝 RECAIUS「応対品質は生成AIでここまで変わる――東芝ITサービスと共同実施した『応対品質評価サービス』実証実験レポート」。
   https://www.global.toshiba/jp/products-solutions/ai-iot/recaius/case/case-cc2510.html

9. Microsoft Customer Stories, “SoftBank Corp. advances toward AI-powered call center with Foundry,” Nov. 18, 2025.
   https://www.microsoft.com/en/customers/story/25666-softbank-corp-azure-ai-foundry

10. 阿久根 工「AIボイスボットで挑む『プロフィットセンター化』――ブランドプロミスを体現するCX設計論」CC AI Lab、2026年8月10日。
    https://ccai-lab.com/articles/post-1786002484208

よくある質問

各チャネル共通の10項目評価は分かりましたが、実務で最初にどこから見直すべきでしょうか？

いきなりチャネルごとの配点を細かく設計するのではなく、まずは全チャネル共通の「品質ゲート」となる項目を明確にすることが重要です。誤案内、法令違反、本人確認や個人情報の扱い、重大な不利益につながる事項について、不合格条件を定義し、その基準で人とAIの両方をチェックするところから始めると整理しやすくなります。

ボイスボットが有人オペレーターに転送した場合、品質評価上は失敗として扱うべきでしょうか？

本稿の考え方では、AIチャネルの役割は「すべてを自動完結させること」ではありません。対応範囲外を認識し、顧客を閉じ込めずに、必要な文脈や本人確認情報を引き継いで人へ渡せたのであれば、それも一つの完遂と捉えます。したがって、単純な未完了として減点するのではなく、転送後の解決への貢献も含めて評価する前提で配点設計することが想定されています。

ブランドプロミスを評価指標に落とし込む際、具体的にどのような手順で行動レベルに翻訳すればよいですか？

「安心」「迅速」「寄り添い」といった抽象的な言葉を、そのチャネル上で観察できる行動に分解することが出発点です。例えば「安心」であれば、根拠を示す、重要条件を復唱する、次の期限を明示する、不明点を放置しない、といった行動に変換します。このようにブランドプロミスごとに行動例を整理し、そのうえで配点や判定方法をチャネル別に調整していくことが提案されています。

生成AIを使った応対評価を導入する場合、人の評価者やSVの役割はどのように変わるのでしょうか？

評価の自動化は、監督責任を手放すことではないとされています。AIが会話やメールを共通基準でスコアリングし、傾向を可視化する一方で、重要項目については人が判定根拠を確認し、最終判断を行う前提です。また、問い合わせ傾向や商品・規程の変更に応じて、評価項目やテストシナリオそのものを更新・版管理する役割も人が担うことが想定されています。

チャネル横断のジャーニー指標を入れる場合、現場のKPI設計はどう切り替えていくべきですか？

自動完了率やAHTなど「点」のKPIだけでなく、ジャーニー解決率、同一理由再問い合わせ率、文脈継承率、引き継ぎ成功率、約束履行率、ブランドプロミス達成度といった横断指標を追加する考え方が示されています。各チャネルのスコアを上げることよりも、チャネルをまたいでも情報と約束が途切れない一連の解決を評価対象に含めるよう、段階的に指標構成を見直していくことが前提になっています。