カスタマーサポートにおけるエージェントの強み: 企業における自律的解決へのロードマップ

AI エージェントを活用して、人的労力の軽減、問題解決の迅速化、サポート体制の拡大を実現するための実践ガイド。

概要

ハイテク分野のカスタマーサポートは、矛盾した状況に直面しています。 製品はかつてないほど高度化していますが、サポート プロセスの多くはこの 10 年間、根本的な変化を遂げていません。

顧客から寄せられるあらゆる問題に、複数の要因 (アプリケーション、連携、API、設定、製品バージョン、インフラストラクチャへの依存関係など) が関わっている可能性があります。 一つの技術的な問題を診断するだけでも、サポート エンジニアは、解決に着手する前に、ナレッジ ベースの検索、ログの調査、事象の経緯の再現、製品ドキュメントの参照、さらには複数のシステム間を行き来するなどの作業をしなければならない場合があります。

一方で、顧客の期待はそれとは逆の方向に向かっています。 顧客は、自身の環境がどれほど複雑であるか、あるいはサポート エンジニアがどれだけ多くのシステムを操作しなければならないか、といったことは気にも留めません。 ただ、迅速かつ正確で、一貫性のある解決策を期待しているのです。

従来の解決策は、処理能力を増強することでした。 チケットが増えれば、それだけ多くの人間の担当者が必要になります。 また、製品が複雑になれば、より多くの専門家が必要となります。 サポート コンテンツが増えれば、より大規模なナレッジ ベースが必要になります。 そして、組織が顧客からの要望を減らす必要がある場合は、セルフサービスの手段をもう一つ追加します。

しかし、そうしたモデルは限界に近づいています。

現在、サポート部門のリーダーたちには、解決までの時間を短縮して顧客満足度を向上させることに加えて、サービス提供コストを削減し、人員をそれほど増やさずに事業規模を拡大させることが求められています。 既存のサポート モデルの個々の要素を最適化するだけでは、その効果には限界があります。

業界調査によると、サポート チームはかつてないほど多くの業務を処理しており、34% がチケット数の増加を報告し、各組織は月平均 10,675 件のチケットを処理しています。 人員を増員すること自体にも、問題が伴います。情報過多 (67%) やシステムの複雑さ (43%) が障壁となり、新規採用者が技術を習得するのを妨げているのです。

エージェント AI は、モデルそのものを変革する機会を創出します。

問い合わせを受けてから解決に必要な人員や情報を集めるのではなく、AI エージェントは自らその作業を遂行できるようになってきています。問題の理解、背景情報の収集、知識の検索、適切な対応の推論、システムをまたいだ処理を行い、さらには人間の専門知識が必要なタイミングまで判断してくれるようになっています。 こうした変化は一気に起こるわけではありません。 また、自律的なサポートにおいて、あらゆるやり取りで人間が不要になるわけでもありません。

組織は、エンドツーエンドでの自律的解決が可能な、予測可能で件数の多いケースから着手することができます。 より複雑な問題については、AI エージェントが解決プロセスの一部を担い、人の専門知識を必要とする作業は引き続きサポート エンジニアが担当することが可能です。 解決に成功するたびに新たなナレッジが蓄積され、それが次回、AI エージェントによる自律的な解決範囲の拡大に役立ちます。

目標は、その境界線を絶えず押し広げていくことにあります。

このプレイブックは、現在のサポート モデルにおいてどこに摩擦が生じているかを把握し、自律的解決のための基盤を確立し、着手すべき適切な機会を特定した上で、サポートのライフサイクル全体にわたって自律性を段階的に拡大していくためのロードマップを示します。