AIは質問に答える。AIエージェントは問題を解決する。

Gartnerの調査によると、顧客の64%が、企業にはカスタマーサービスでAIを使ってほしくないと考えています。正直なところ、その考えは間違っていません。少なくとも、多くの顧客がこれまで経験してきたAIについては。5つのメニューをたらい回しにした挙げ句、すでに試した電話番号にかけるよう勧めてくるチャットボット。何かが直ったからではなく、顧客があきらめたからチケットを「解決済み」にするチャットボット。

それが、カスタマーサポートにおける会話型AIの負の遺産です。やり取りを解決するのではなく、封じ込めることに最適化されたシステムでした。しかし今、異なるアーキテクチャが本番環境で稼働しています。顧客と雑談して時間を費やすのではなく、顧客に代わって実際に行動を起こすものです。業界ではこれをエージェント型AIと呼び、2つのアプローチのパフォーマンスの差は歴然としています。

会話型AIは回避のために作られた。それが根本的な問題です

過去10年間に導入されたチャットボットの大半を含む従来の会話型AIは、封じ込め率という単一の指標を軸に設計されていました。どれだけのやり取りを人間のエージェントから遠ざけられるか、です。FAQに答え、ヘルプ記事を提示し、チケットを振り分けることはできました。しかし、実際に何かを解決することはできませんでした。返金処理も、アカウントの更新も、注文の変更もできなかったのです。

CNBCは2026年4月、多くのサービス用チャットボットが依然として顧客を「曖昧さの迷路」に閉じ込めていると報じました。チャットボットの「回避率」を測定して満足したことがあるなら、こう問い直す価値があります。回避したチケットのうち、実際に顧客の満足で終わったものはどれだけあるのか。Maven AGIによる回避率と解決率の指標の分析では、その答えはしばしば厳しいものでした。

エージェント型AIは答えるのではなく、解決する

会話型AIからエージェント型AIへの移行は、機能のアップグレードではありません。システムが何をするよう設計されているかというアーキテクチャの変化です。主要な調査会社のアナリストは、同じ区別に行き着いています。会話型AIはやり取りを改善し、エージェント型AIは実行を改善する、ということです。

Gartnerは2025年3月、2029年までにエージェント型AIが一般的なカスタマーサービスの問題の80%を自律的に解決すると予測し、明確な線を引きました。会話型AIは受動的で、範囲の限られた問い合わせに対話で対応します。エージェント型AIは能動的で、自律型エージェントが意思決定を行い、バックエンドシステムをまたいで複数ステップのタスクを実行し、人の関与を最小限にとどめてワークフローを完了させます。

McKinseyの定義では、自律性が決定的な特徴として強調されています。こうしたシステムは、大きな目標を個別のタスクに分解し、実行順序を決め、情報を取得・評価し、行動を起こします。BCGはこれをカスタマーサービス変革の新たなフロンティアと呼んでいます。すべてのアナリストの定義に共通するのはシンプルなことです。エージェント型AIは回答を生成するのではなく、成果を実行するのです。

実際には、顧客が請求エラーについてサポートに問い合わせると、AIエージェントが請求システムにアクセスし、取引履歴と照合して不一致を特定し、訂正を行い、確認メールを送信し、やり取り全体を記録します。1回のセッションで完結。エスカレーションも「担当者にお繋ぎします」もありません（もちろん、エスカレーションが必要な場合は別です。その際は、それまでの会話の全文脈を人間のエージェントが参照できる状態でエスカレーションすべきです）。

パフォーマンスの差はすでに測定可能

初期のエンタープライズ導入から、この違いを具体的に示すデータが出てきています。従来のルールベースのチャットボットの封じ込め率は20～40%。LLMを組み込んだチャットボットは40～55%。適切に導入されたエージェント型AIシステムは70～80%の自律解決率を達成しており、**Maven AGIのお客様では最大90%以上の解決率が見られます。**しかも、封じ込めではなく解決です。

Maven AGIの顧客データがこれを裏付けています。Mastermindは6週間で93%の自律解決率を達成。Papaya Payは3週間で90%に到達。Clioは80%の解決率を達成し、解決チケット数が60%増加しました。これらは管理された環境でのパイロットの数値ではなく、実際の顧客対応量を処理する本番導入での数値です。

Gartnerは、2026年に会話型AIがコンタクトセンターの人件費を$80 billion削減すると予測しています。そしてそのROIを得ている企業は、回避率ではなく自律解決率を測定している企業です。IDCとMicrosoftのデータによると、AIカスタマーサービスへの投資$1あたり$3.50のリターンがあり、上位企業では8倍に達しています。

ただし、ほとんどの企業はまだそこに達していない

勢いはあるものの、先行企業とそれ以外の市場との差は大きく開いています。McKinseyの報告では、AIエージェントを拡大して具体的な価値を生み出している企業は10%未満です。BCGの調査では、カスタマーサービスにおける生成AIから測定可能なビジネス効果を得ている企業は28%にとどまります。さらにGartner自身も、コストの増大やROIの不明確さにより、エージェント型AIプロジェクトの40%以上が2027年末までに中止されると警告しています。

成果を上げている組織には共通のパターンがあります。エージェントを導入する前に、データ基盤とシステム連携に投資しています。全面的な入れ替えを求めるのではなく、Zendesk、Salesforce、Freshdeskといった既存のヘルプデスクに接続するオーバーレイ型アーキテクチャを備えたプラットフォームを選んでいます。そして、回避できたチケット数ではなく、顧客にとっての成果で成功を測定しています。

Forresterの2026年予測は率直です。今年は、AIセルフサービスの取り組みのうち、成功するものよりも失敗するもののほうがやや多くなるとしています。主な理由は、企業がコスト圧力のもと、解決を可能にする連携作業を行わずに導入してしまうことです。成功例と失敗例の双方から得られる教訓は一貫しています。エージェント型AIはチャットボットのアップグレードではなく、業務アーキテクチャの変革なのです。

CX戦略にとっての意味

現在サポート業務を運営しているなら、実務上の問いは「エージェント型AIを導入すべきか」ではありません。その点についてアナリストの見解はすでに一致しています。問うべきは、第1世代のチャットボットを笑いの種にしてしまった失敗を繰り返さずに、どのような順序で移行を進めるかです。

本番環境で成果を上げている事例から、特に重要なのは次の3点です。

重要な指標を測定する。 封じ込め率から自律解決率に切り替えましょう。会話のクローズだけでなく、バックエンドシステムの状態で検証された真の解決率をベンダーが報告できないなら、それはまだ「見せかけの封じ込め」にすぎません。Maven AGIのAIエージェントの評価方法では、確認すべきポイントを詳しく解説しています。

連携が先、導入は後。 オーバーレイ型モデルの導入スピードの優位性（数か月ではなく数日から数週間）は、AIが実際にシステムにアクセスできてこそ発揮されます。つまり、CRM、請求、受注管理、チケット管理へのAPIアクセスが必要です。読み書き可能な連携がなければ、より高価なFAQボットを作っているにすぎません。

ハイブリッドを前提に計画する。 どのアナリストレポートを見ても、成功した導入は同じ運用モデルに行き着いています。AIが60～70%、人間が30～40%です。目的はチームをなくすことではありません。繰り返しの多い解決業務からチームを解放し、人間の判断が真に違いを生む、複雑で重要度の高いやり取りに集中できるようにすることです。

これを正しく進められる時間は限られています。適切なアーキテクチャ、適切な連携、適切な指標をもって今動き出す企業は、サポートコストで競合を上回るだけではありません。はるかに価値のあるものを築くことになります。問い合わせれば問題が本当に解決されると信頼してくれる顧客です。それこそがエージェント型AIが可能にすることです。問題は、あなたがそこに向かって構築を進めているのか、それとも今も回避率を測って成功と呼んでいるのか、です。