問い合わせ対応をAIに。
CS業務を自動化しても顧客満足度を落とさないコツ

なぜCSこそ自動化の効果が大きいのか

CS（カスタマーサポート）の問い合わせは、セールや配送遅延のタイミングで一気に増える一方、日常的な件数は読みにくいという特徴があります。にもかかわらず、問い合わせ内容の多くは「配送状況を知りたい」「返品の手順を知りたい」といった定型的な質問が占める割合が高く、例えば全体の6〜7割が定型対応で完結できるケースも珍しくありません。

また、CSは初動の速さが満足度に直結しやすい業務でもあります。返信が数時間遅れるだけで顧客の不安が大きくなり、同じ内容でも印象が変わってしまうことがあります。件数の波が大きく、かつ初動の速さが重要という2つの特徴が重なるからこそ、CSは自動化の効果が特に出やすい領域だといえます。

AIに任せる範囲・人が持つ範囲

CS対応をすべてAIに任せようとすると、感情的な配慮が必要な場面で機械的な返信になり、かえって顧客満足度を落としてしまうことがあります。対応内容ごとに「AIに任せやすい範囲」と「人が最終判断を持つべき範囲」を分けておくことが、失敗しない自動化の前提になります。

対応内容	AIに任せやすい範囲	人が持つべき判断
配送状況の照会	追跡番号・配送状況の自動回答	遅延発生時のお詫びと代替案の提示
返品・交換の一次案内	規定の案内、必要書類・手順の自動回答	規定外の個別事情がある場合の判断
レビューへの返信	定型のお礼・一次返信の自動生成	ネガティブレビューへの個別対応
クレーム・苦情対応	内容の一次受付、要点の整理	謝罪文言の最終確認、返金・補償の判断
複数窓口の問い合わせ仕分け	チャネル横断での自動振り分け・優先度付け	緊急度が高い案件の最終トリアージ

この線引きは一度決めたら終わりではなく、運用しながら見直していくものです。AIの回答精度が上がるにつれて任せられる範囲は広がっていきますが、最初から欲張らず、定型度の高い対応から始めるのが現実的です。

エスカレーション設計の考え方

「セール直後は返品・交換の問い合わせが一気に来て、テンプレ返信だけでは追いつかない。かといって一件ずつ丁寧に書いていたら他の仕事が止まってしまう」——CS担当が1〜2名という体制のEC事業者から、特によく聞かれる声です。

AIに任せる範囲を広げるほど重要になるのが、「どこで人に渡すか」というエスカレーション設計です。代表的な判断基準には、次のようなものがあります。

• キーワード検知——「返金」「訴える」「SNSに書く」など、特定の言葉が含まれる問い合わせを自動的に人へ回す
• 感情の強さ——文面から読み取れる不満・怒りの度合いが一定以上と判定された場合にエスカレーションする
• 繰り返しの問い合わせ——同じ顧客から短期間に複数回連絡が来ている場合は、AIの一次回答で解決できていない可能性が高い
• 金額・影響範囲——返金額や関係する注文件数が一定以上の場合は、人の最終確認を挟む
• AI自身の確信度——回答の確信度が低いと判定されたケースは、無理に自動回答せず人に引き継ぐ

これらの基準は、業種やブランドの許容度によって適切な設定が変わります。最初は基準を厳しめに設定してエスカレーションの範囲を広くとり、運用実績が積み上がるにつれて少しずつ緩めていくと、無理のない自動化が進めやすくなります。

ブランドらしいトンマナをどう保つか

CSの自動化で見落とされがちなのが、回答文面のトンマナです。正しい内容でも、ブランドの世界観と違う言葉遣いで返信が届くと、顧客に違和感を与えてしまいます。トンマナを保つためには、次のような取り組みが有効です。

• NGワード・言い回しのリスト化——避けるべき表現や、逆に積極的に使いたい言い回しをあらかじめ整理しておく
• ブランドらしい定型文のテンプレート化——お詫び・お礼・案内など、場面ごとの基本フレーズを事前に用意し、AIの回答生成のベースにする
• 人によるレビュー体制——導入初期は自動回答をそのまま送らず、人が確認してから送信する期間を設ける
• 定期的な棚卸し——実際に送られた回答を月次などで見直し、トンマナからのズレがないか点検する

トンマナのガイドラインは、一度作って終わりではなく、新しい問い合わせパターンが出てくるたびに更新していくものと捉えておくと、運用が続けやすくなります。

導入ステップ

CS自動化は、いきなり全チャネル・全内容を対象にするのではなく、段階を踏んで進めることで顧客体験を損なわずに導入できます。

1. 問い合わせ内容の棚卸し——例えば過去3ヶ月分の問い合わせを内容ごとに分類し、定型対応の割合を把握する
2. FAQ・回答テンプレートの整備——頻出する質問への回答をあらかじめ用意する
3. トンマナガイドラインの作成——ブランドらしい言葉遣いの基準を明文化する
4. エスカレーション基準の設計——どのケースを人に渡すかを事前に決める
5. 小さく試験運用——定型度の高いチャネル・内容から自動応対を始める
6. 継続的な改善——回答実績を見ながら、任せる範囲と基準を定期的に見直す

効果測定に使うKPI

CS自動化の効果は、感覚だけでなく数値で確認できるようにしておくと、改善の方向性を判断しやすくなります。代表的なKPIには次のようなものがあります。

• 初回応答時間——問い合わせから最初の返信までの時間。例えば平均数時間かかっていたものが数分程度に短縮できたかを見る
• 一次解決率——人へのエスカレーションなしで、AIの回答だけで問い合わせが完結した割合
• CSAT（顧客満足度）——対応後のアンケートなどで測る満足度スコア
• エスカレーション率——全問い合わせのうち、人に引き継がれた割合。高すぎる場合は基準やテンプレートの見直しが必要
• 再問い合わせ率——同じ用件について、顧客から再度連絡が来ていないかを確認する

これらの指標は単独で見るのではなく、例えば「初回応答時間は短縮できたが、再問い合わせ率が上がっている」といった組み合わせで確認すると、自動化が本当に顧客満足度に寄与しているかを判断しやすくなります。