ミスミのEC、3000万点の部品問い合わせにAIが回答し待ち時間98%短縮

回答に必要な情報を探す工程と、回答文を組み立てる工程を分けた設計が、この仕組みの土台になっています。顧客がチャットに質問を入力すると、情報収集AIが過去の問い合わせ履歴、製品情報、仕様情報、カタログといった社内データを横断して必要な情報を特定し、生成AIはその収集結果をもとに回答をつくります。生成AIに商品知識そのものを抱え込ませるのではなく、都度一次情報を取りに行かせる構造にしたからこそ、3000万点以上という商品数を相手にしても高度な技術レベルの回答が成り立ったのではないでしょうか。

技術サポートとカスタマーサービスを別の機能として切り分けた点も見逃せません。前者が扱うのは商品そのものの仕様に関する知識、後者が扱うのは個々の注文の状態であり、参照すべきデータも判断の性質も異なります。これをひとつの窓口AIに束ねてしまえば、どちらの精度も中途半端になりかねません。役割ごとに参照先と守備範囲を定義した設計が、専門性の高い領域で自動化を成立させた分かれ目だったと読み取れます。

カスタマーサービス側で、AIに「答える」だけでなく「判定する」役割まで持たせた点も特徴的です。注文後のキャンセルや変更、返品の可否は、商品やステータスによって条件が細かく分岐し、人が一件ずつ確認していた領域でした。ここでAIに個別の注文情報を参照させ、可否の判定に加えて具体的な操作方法の案内までを一続きで返す形にしたことで、顧客が結局は人に聞き直すという逆戻りの導線を断ち切っています。