AIニュース

AIカスタマーサポートの始め方|問い合わせ対応の使いどころと導入手順

問い合わせ対応に時間を取られて、本来やりたい仕事が後回しになる。その状態を変えたくてAIカスタマーサポートを調べ始めた人は多いはずです。ただ、チャットボットと生成AIは何が違うのか、どこまで任せてよいのか、何から手をつけるのかは、調べるほど分かりにくくなりがちです。この記事ではAWSとGoogle Cloudの公式ページに書かれている内容をもとに、問い合わせ対応でAIを使う場所と進め方を整理します。

この記事で分かること

  • チャットボットの3つのタイプと生成AIで広がること
  • AIに任せる問い合わせと人が受け持つ問い合わせの分け方
  • 公式情報にもとづく導入の手順と運用で押さえる点
  • すぐ試せるプロンプト例と職種別の使い方

要点(先に結論)

  • AWSの解説では、チャットボットは「ユーザーが音声またはテキストを使用して会話できるプログラムまたはアプリケーション」とされ、人間の担当者に顧客を引き継ぐ前に問い合わせに回答しようとするものだと説明されています。人に渡る前の一次受付として置くと考えやすくなります。
  • チャットボットにはルールベース・キーワードベース・AIを使うものがあります。生成AIを使うチャットボットは複雑な質問にも対処できると説明されており、ここが近年の変化点です。
  • AIチャットボットの作り方は、独自のLLMを作る・既存のLLMをカスタマイズする・フルマネージドのサービスを使う、の3つに整理されています。
  • 品質を決めるのは、答えのもとになる情報につながっているかどうかです。AWSはベストプラクティスとして透明性・統合・テストと改善を挙げています。
  • Google Cloudは、顧客と話すエージェントに加えて担当者を支えるAgent Assistや会話を分析するカスタマー エクスペリエンス インサイトも示しています。顧客向けの自動応答だけがAI活用ではありません。

AIカスタマーサポートでできること

AIカスタマーサポートという言葉には、顧客と直接やり取りするチャットボットと、対応する担当者の側を支えるAIの両方が含まれます。まずは公式の説明に沿って全体像を押さえます。

AWSの解説では、チャットボットは「ユーザーが音声またはテキストを使用して会話できるプログラムまたはアプリケーションです」と書かれ、続けて「ボットは人間の会話をシミュレートし、人間の担当者に顧客を引き継ぐ前にお問い合わせに回答しようとします」とあります。設計の前提として、人への引き継ぎが組み込まれています。

また「チャットボットは、内部または外部のナレッジ ベースから情報を検索して取得し、人間のような会話で回答を提供します」と説明されています。ナレッジベースとは、回答のもとになる社内の資料やFAQをまとめた情報源のことです。ここが整っていないと、AIがどれだけ自然に話しても中身の伴わない回答になります。AIの出来はモデルより情報源で決まる、というのが最初に押さえたい点です。

チャットボットは1960年代に初めて開発されたとされ、「現代のチャットボットは自然言語処理 (NLP) を使用してユーザーを理解し、極めて深い理解と精度をもって複雑な質問に応答できます。」と説明されています。自然言語処理とは、人が普段使う言葉をコンピューターが扱えるようにする技術のことです。

対応できる場所も広く、「カスタマーサービスチャットボットは、ソーシャルメディアチャネル、ウェブサイト、メッセージングアプリケーションでの顧客の問い合わせに応答できます」とされ、同じように社内アプリケーションでの従業員の問い合わせに応答するように設定できるとも書かれています。社外の顧客対応だけでなく、総務や情報システムへの社内問い合わせにも同じ考え方が使えます。

コールセンターでの使い方としては「例えば、顧客はチャットボットと会話して、パスワードを変更したり、口座の残高をリクエストしたり、予約をスケジュールしたりできます」と挙げられています。対応時間についても「顧客は、通常営業時間外も含め、いつでもチャットボットとやり取りできます」と説明されており、夜間や休日の一次受付は分かりやすい出発点になります。

さらに「チャットボットは、日常的な問い合わせを処理し、単純なトランザクションを実行して、セルフサービスプロセスを通じてユーザーをガイドできる」ため、人は複雑で重要なタスクに注力できるとされ、「チャットボットは大量の問い合わせを同時に処理できるため、顧客は迅速な対応とサポートを受けることができます。」とも説明されています。担当者の時間の配分を変える取り組みだと捉えると、社内でも説明しやすくなります。

チャットボットの3つのタイプ

まずルールベースです。「チャットボットは従来、事前定義されたルールを使用してユーザーと会話し、スクリプト化された回答を提供します」とあり、ルールベースでは「特定の情報を求めるためのボタンまたはメニューがユーザーに提供されます」「ユーザーは質問を入力できず、事前に決められた質問セットから 1 つをクリックすることしかできません」と説明されています。複数の未知の要素が関係するシナリオには適していないとも書かれています。

次にキーワードベースです。「キーワードベースまたは宣言型のチャットボットは、会話から特定のキーワードを抽出し、対応する応答を提供します」とされ、「キーワードベースのチャットボットの応答はまだ制限されており、事前にプログラムされたトピックの範囲内でのみ動作します」とあります。

そしてAIを使うチャットボットです。動的な応答を提供するために「チャットボットは自然言語処理 (NLP)、自然言語理解 (NLU) 、および自然言語生成 (NLG) を使用します」と書かれ、生成AIについては「生成 AI を使用するチャットボットは、複雑な質問にも対処でき、皮肉、感情、微妙な会話の変化を正確に検出できます」と説明されています。自社のサイトにあるチャットが今どの段階かを見極めると、次の一手が決まります。

タイプ 出典にある説明 出典にある注意点
ルールベース 特定の情報を求めるためのボタンまたはメニューがユーザーに提供される 複数の未知の要素が関係するシナリオには適していない
キーワードベース 会話から特定のキーワードを抽出し対応する応答を提供する 事前にプログラムされたトピックの範囲内でのみ動作する
AIを使うチャットボット 自然言語処理・自然言語理解・自然言語生成を使い動的な応答を提供する 公式ページで確認
生成AIを使うチャットボット 複雑な質問にも対処でき皮肉や感情も検出できると説明されている 公式ページで確認

関連する言葉も整理しておきます。AWSの説明では「会話型 AI は、テキストまたは音声を通じてユーザーとコミュニケーションするすべての AI を指す包括的な用語です」とされ、「多くのチャットボットは会話型 AI を使用しています。」と書かれています。音声については「音声ボット、または音声アシスタントは、音声コマンドを聞き、特定のアクションを実行したり、自然な会話でユーザーに返信したりするチャットボットです」とあります。

担当者の側を支える使い方

顧客と話すAIだけが選択肢ではありません。Google Cloudのカスタマー エクスペリエンス向け Gemini のページでは、担当者を支える機能が示されています。

「Agent Assist は、AI Coach や AI Trainer などの機能を通じて、カスタマー サービス担当者にリアルタイムのコーチング」を提供すると説明され、「Agent Assist を使用した AI 主導のパーソナライズされたトレーニング シミュレーションにより、スタッフのオンボーディングとスキルアップを迅速に行えます。」とも書かれています。新人の立ち上がりに時間がかかる職場では、ここが入口になることもあります。

分析の面では「カスタマー エクスペリエンス インサイトで顧客との会話をすべて分析し、顧客オペレーション全体からリアルタイムのデータに関する分析情報を取得します。」とされ、「カスタマー エクスペリエンス分析情報などの新機能により、企業は自然言語でカスタマー サービスの傾向を把握できます。」と説明されています。問い合わせの傾向を言葉で聞けるようになると、商品改善やマニュアル修正にもつながります。

顧客と話すエージェント側については「商品発見から購入後の問題解決に至るまで、顧客ライフサイクル全体にわたって人間のような自然な声で話すエージェントを構築、管理できます」と説明され、「リアルタイム ストリーミング用のネイティブ音声モデルを搭載したエージェントは、さまざまな言語やアクセントで自然に応答する、流暢な会話を実現します。」とされています。飲食の注文受付では「多言語対応の会話型 AI をデプロイして、モバイル、ウェブ、電話、キオスト、車載システム全体でシームレスに注文を受け付けます。」という使い方も挙げられています。

なお2026年11月時点の公式ページでは、ショッピング向けの機能は「ショッピング エージェント(プレビュー版)」と記載されています。提供の状態や機能名は変わることがあるため、検討するときは公式ページで最新の情報を確かめてください。

AIに任せる問い合わせと人が受け持つ問い合わせ

AIカスタマーサポートで最初につまずくのは、技術ではなく線引きです。どこまで任せるかを決めないまま導入すると、顧客も担当者も迷います。次の表は仕様ではなく、使い分けの考え方(目安)です。自社の事情に合わせて調整する前提で読んでください。

問い合わせの種類 進め方の目安 そう考える理由
手続きの定型質問(パスワード変更・残高照会・予約など) AIでの自動応答を先に検討する 出典にコールセンターでの例として挙げられている内容に近い
夜間や休日の一次受付 AIが受け付けて翌営業日に人が対応する 通常営業時間外も含めいつでもやり取りできる点を生かせる
社内からの質問(申請方法や制度の確認) 社内向けのチャットボットから始める 社内アプリケーションでの従業員の問い合わせに応答するよう設定できるとされている
感情や金銭が絡む苦情・解約の相談 人が担当しAIは要約や下書きで支える 判断の責任を人が持つ形にしておくと安心して運用できる
新商品や例外的な対応 当面は人が対応する 答えのもとになる資料が整うまでは誤った案内が出やすい

線引きを決めるときは、問い合わせの件数と、間違えたときの影響の大きさの2軸で並べてみるとよいでしょう。件数が多くて影響が小さいものから自動化すると効果が出やすく、件数が少なくて影響が大きいものは当面は人が受け持つ前提で考えるほうが落ち着いて運用できます。

問い合わせ対応AIを導入する手順

ここからは手順です。AWSの解説にある構築方法とベストプラクティス、Google Cloudの説明に沿って並べます。出典に手順が書かれていない操作については、公式のヘルプの手順に沿って進めてください。

  1. 任せる問い合わせを決める。前の章の考え方を使い、最初は1〜2種類に絞ります。範囲を広げるのはうまくいってからで構いません。
  2. 答えのもとになる情報を集める。AWSはベストプラクティスとして「ナレッジベースを統合して、チャットボットが関連情報にすぐにアクセスできるようにしましょう。」と挙げ、「CRM や ERP などの他のバックエンドシステムに接続すると、顧客とのやり取りの履歴やアカウントの詳細に基づいてパーソナライズされた情報を踏まえて応答できます。」と説明しています。
  3. 作り方を3つから選ぶ。AWSは「組織は、ユースケースに応じて 3 つの方法で AI チャットボットソフトウェアを構築できます。」としています。独自のLLMを構築する方法は「計算負荷が高く、非常に高コストで、時間がかかります。」とされ、既存のLLMをカスタマイズする方法では「検索拡張生成 (RAG) は LLM を強化するための主要な手法です。」と書かれています。「予約システムなどの既存のアプリケーションに会話型インターフェイスを迅速に追加したい組織は、フルマネージドサービスを使用することを好みます。」とも説明されています。
  4. ボットにさせることを洗い出す。フルマネージドサービスを使う場合、まず「ボットに実行させたい一連のアクションまたはインテントを特定します。」とされています。インテントとは、ボットが実行できるタスクのことです。例として「チケット予約ボットには、予約の作成、キャンセル、確認を行うインテント (実行できるタスク) を設定できます。」と書かれています。
  5. 呼び出し方と聞き返しを決める。「「予約できますか?」などのインテントを呼び出すフレーズも特定します。」とされ、「ボットがさらなるデータ入力を必要とする場合は、情報を収集するためにボットがたずねるべきプロンプトを定義できます」と説明されています。
  6. AIであることを顧客に伝える。「透明性を確保するには、AI を利用したチャットボットとのやり取りの際に顧客に知らせてください。」とされ、開示により明確な期待が設定され満足度が高まるとも書かれています。
  7. 公開後もテストして直す。「チャットボットがパフォーマンス基準を満たしているようにするには、継続的なテストが必要です。」とされ、「顧客のフィードバックから得たインサイトを使用して、チャットボットのやり取りを最適化し、その使用を拡大します。」と説明されています。

ノーコードに近い作り方も示されています。Google Cloudのページでは「Customer Experience Agent Studio を使用すると、パーソナライズされたマルチモーダル サポート エージェントを大規模に迅速に構築、テスト、デプロイできます。」とされ、「「ドラッグ&ドロップ」キャンバスを使用すると、あらゆるスキルレベルの従業員がサポート ワークフローを数日で作成して開始できます。」と書かれています。エンジニアでなくても設計に関われる余地があるということです。

使うサービスの例も公式に挙げられています。AWS側では「Amazon Lex は、音声とテキストを使用して会話型インターフェイスを構築する完全マネージド型サービスです。」「Amazon Bedrock は、カスタマイズされた LLM の選択肢と、ジェネレーティブ AI アプリケーションを構築するための幅広い機能を提供するフルマネージド型サービスです」と説明されています。AWS Marketplaceで提供されるチャットボットソフトウェアの例としては、Cyaraイネーブルメントサービスやジェネシスなどが挙げられています。料金や提供条件は変わることがあるため、比較するときは各社の公式ページで最新を確かめてください。

問い合わせ対応に使えるプロンプト例

ここからは、手元のAIチャットですぐ試せる例です。社内の情報を貼るときは、個人情報や機密の扱いについて会社のルールを先に確認してください。

返信の下書きを作る例です。

あなたは丁寧で簡潔なカスタマーサポート担当です。
以下の問い合わせへの返信の下書きを作ってください。

【前提】
- サービス: (例:オンライン学習サービス)
- 顧客の状況: 有料プラン利用中・初回の問い合わせ
- 社内で確定している事実: (公式の案内や規約の該当箇所をここに貼る)
- 貼った事実に無いことは推測せず「確認中」と書く

【問い合わせ本文】
(ここに貼る)

【出力の形】
1. 件名(30字以内)
2. 本文(300字以内・結論→理由→次のお願いの順)
3. 言い切れない箇所のリスト(社内で確認すべき点)

問い合わせログからFAQ候補を洗い出す例です。自動化の対象を決めるときに使えます。

以下は直近1か月の問い合わせ一覧です(個人情報は削除済み)。
よくある質問の候補を整理してください。

【やってほしいこと】
1. 似た内容をグループにまとめ、件数の多い順に10件挙げる
2. 各グループに「想定質問文」を1文で付ける
3. 回答に必要な社内資料(どれを見れば書けるか)を書く
4. 「自動応答に向く」「人の確認が必要」のどちらかを理由つきで判定する

【入力】
(問い合わせの件名と本文をここに貼る)

【出力の形】
表(グループ名|件数|想定質問文|必要な社内資料|判定と理由)

チャットボットに設定するインテントの案を考える例です。手順4と手順5の下準備になります。

チャットボットに設定するインテント(ボットが実行できるタスク)の案を作ってください。

【前提】
- 業種: (例:通販)
- 扱う問い合わせ: 配送状況の確認・返品・会員情報の変更
- 回答のもとになる資料: (ここに貼る)

【出力の形】
表(インテント名|ユーザーが言いそうな呼び出しフレーズ3つ|回答に必要な追加情報|人へ引き継ぐ条件)

最後に、人の担当者へ引き継ぐべきケースを5つ挙げてください。

職種別の使い方

ここで挙げるのは例です。自分の仕事に近いものから読んでください。

営業職なら、商談後に届く細かな確認の問い合わせが対象になります。価格や納期のように確定した情報だけを貼って下書きを作らせ、自分で事実を確認してから送る流れにすると、返信の速さと正確さを両立しやすくなります。公式の解説では、チャットボットは「顧客関係管理 (CRM)、在庫管理プログラム、人事 (HR) システムなどのエンタープライズバックエンドシステムと統合できます。」とされているため、将来的には顧客情報と結びつけた案内も検討の対象になります。

事務職なら、社内からの問い合わせが出発点になります。経費精算の締め日や申請方法のように、答えが資料に書いてある質問は繰り返し聞かれがちです。FAQ候補を洗い出すプロンプトで質問を整理し、よく聞かれる順に社内向けの案内を整えるところから始めると、チャットボットを作る前でも効果が出ます。公式には「チャットボットは、売上数や在庫状況を確認したり、マーケティングレポートを生成したり、従業員のオリエンテーションをサポートしたりすることができます。」とも書かれています。

企画職なら、問い合わせの内容を商品やサービスの改善につなげる役割があります。Google Cloudの説明にあるように、会話を分析して傾向を把握する機能が提供されています。そうした仕組みがない段階でも、月ごとの問い合わせをAIに要約させ、増えている不満や分かりにくい説明を洗い出す使い方は試せます。

よくある失敗と対策

AIを使っていることを伝えないまま運用してしまう、というのがひとつ目です。AWSは「透明性を確保するには、AI を利用したチャットボットとのやり取りの際に顧客に知らせてください。」と述べており、開示が明確な期待につながるとしています。チャットの冒頭でAIが応答している旨と、人に代わる方法を示しておきましょう。

ふたつ目は、情報源につながないまま使うことです。チャットボットはナレッジベースから情報を検索して取得し回答を提供すると説明されています。つながる先が無ければ一般論しか返ってきません。先に社内のFAQや規約を整える作業が、遠回りに見えて近道です。

みっつ目は、作って終わりにすることです。継続的なテストが必要であり、顧客のフィードバックから得たインサイトを使ってやり取りを最適化すると説明されています。月に一度、答えられなかった質問を見直す時間をカレンダーに入れておくとよいでしょう。

よっつ目は、すべてをAIに任せようとすることです。公式の説明でも、ボットは人間の担当者に顧客を引き継ぐ前に回答しようとするものだとされています。引き継ぎの条件とその後の動線を先に決めておくと、顧客が同じ説明を繰り返す事態を避けられます。

よくある質問

AIカスタマーサポートとチャットボットは同じものですか

重なりますが同じではありません。AWSの解説では、会話型AIはテキストまたは音声を通じてユーザーとコミュニケーションするすべてのAIを指す包括的な用語とされ、多くのチャットボットが会話型AIを使用しているとされています。顧客と話すボットに加えて、担当者を支えるAIや会話を分析するAIも含めて考えると検討の幅が広がります。

電話の問い合わせもAIで対応できますか

音声を扱う仕組みは公式に示されています。AWSは音声ボットについて、音声コマンドを聞いて特定のアクションを実行したり自然な会話で返信したりするチャットボットだと説明し、「ASR を使用すると、音声アシスタントは複雑な音声パターンを分析し、シームレスな音声対応のユーザーエクスペリエンスを提供できます。」とも書いています。Google Cloudのページでも、ネイティブ音声モデルを搭載したエージェントがさまざまな言語やアクセントで自然に応答すると説明されています。具体的な導入条件は公式ページで確認してください。

ゼロからAIを作る必要がありますか

その必要はありません。AWSは、組織はユースケースに応じて3つの方法でAIチャットボットソフトウェアを構築できるとしています。独自のLLMを構築する方法は計算負荷が高く高コストで時間がかかると説明されており、既存のLLMをカスタマイズする方法やフルマネージドサービスを使う方法も示されています。

導入にはどのくらいの期間がかかりますか

一概には言えませんが、公式ページには短い例が載っています。Google Cloudは、ドラッグ&ドロップのキャンバスを使えばあらゆるスキルレベルの従業員がサポートワークフローを数日で作成して開始できると説明しています。事例としては、Macy’sがカスタマー エクスペリエンス向け Gemini を使用して4週間で「Ask Macy’s」AIエージェントを構築した方法が紹介されています。

AIが答えられない質問はどうなりますか

引き継ぎを前提に設計します。公式の説明でも、ボットは人間の担当者に顧客を引き継ぐ前にお問い合わせに回答しようとするものだとされています。答えられなかった質問は記録しておき、継続的なテストと改善のなかでナレッジに加えていく流れを作ると、運用しながら答えられる範囲を広げていけます。

会社やチームで使うなら

個人で試して効果が見えたら、次は範囲の決め方とルールづくりが課題になります。どの問い合わせを任せるか、AIであることをどう伝えるか、答えのもとになる資料を誰が更新するか。この3つを文書にしておくと、担当者が替わっても運用が続きます。導入の前後で問い合わせの件数と一次回答までの時間を記録しておくと、効果を社内に説明しやすくなります。法人での導入や社員研修を検討しているなら、累計600社超・5万人以上のAI活用を支援してきた株式会社デジライズに相談するという選択肢もあります。

あわせて読みたい

まとめ

AIカスタマーサポートは、問い合わせをまるごと自動化する取り組みというより、人に渡る前の一次受付と、担当者を支える仕組みを整える取り組みです。公式の説明をたどると、チャットボットのタイプ、作り方の3つの選択肢、透明性・統合・テストと改善というベストプラクティスまで、進め方の骨組みははっきりしています。まずは件数が多く影響の小さい問い合わせをひとつ選び、FAQの整理とプロンプトでの下書きから試してみてください。体系的に学びたい場合は、デジライズAIスクールのコース一覧にある「接客・サービス・ケア職のAI活用全体図」などから入り、料金プランとあわせて検討するとよいでしょう。

出典


この記事は、各社の公式のヘルプ・ドキュメントや公的機関の資料をもとに AI で下書きし、出典の本文との照合とGoogle 検索による事実確認(ファクトチェック)を通ったものだけを公開しています。料金や機能は変わることがあるため、使う前に公式ページで最新の情報を確かめてください(2026年11月7日時点)。