生成AIで事故受付センターの通話後処理35%削減を目指す損害保険の実証実験

事故受付センターでは、通話が終わったあとの記録作業に時間がかかっていました。加えて、応対品質を評価して指導するまでに多くの工数がかかること、日々たまっていくお客さまの声（VoC）を商品やサービスの改善へ十分に回しきれていないことも、あわせて課題として挙げられています。

一見すると別々の困りごとですが、編集部の見立てでは、この三つは同じ一点に行き着きます。通話という出来事が音声のまま流れて消えてしまい、記録にも、評価にも、改善のための分析にも使える形で残っていなかった、ということです。後処理時間の正体は、耳で聞いた内容を人が業務データへ翻訳し直す手作業のコストであり、評価の工数もVoCの死蔵も、同じ翻訳が追いつかないことの別の現れ方だったのではないでしょうか。つまり本質は、応対件数の多さではなく、応対の中身がデータ化されていないことにあったと考えられます。

検証を三つのテーマに分けて並列に走らせた組み立てが、この実験の設計上の要と言えます。通話の自動要約、品質と顧客満足度の相関分析、意見・要望のキーワード抽出は、いずれも音声から起こしたテキストという同じ素材を出発点にしながら、効き方の異なる用途を並べたものです。素材が共通なら、テキスト化の精度や粒度といった土台の課題は一度で洗い出せますし、用途ごとに有用性を見極められるため、どれかがうまく働かなくても全体が止まりません。

土台にプラットフォームの標準機能である「対話要約アプリ」を据えた進め方も、検証の焦点を絞る効果を持ちます。要約する仕組みそのものをゼロから作り込むと、確かめたい問いが「AIに作れるか」へずれてしまいますが、既にある機能を当てはめる形にすれば、問いを「事故受付という現場の記録として、この要約が使えるか」に置いたまま検証を進められます。

品質評価に踏み込んだ部分では、生成AIによる応対データの構造化、品質に関わる特徴量の抽出、顧客満足度との相関分析という順に手順が積まれ、そこへアルティウスリンクが長年培ったコンタクトセンター運営の知見が差し込まれています。ここに、AIと人の役割分担がはっきり表れています。数字の上で関係がありそうな要素を大量に挙げるのはAIの得意分野ですが、そのうちどれが応対品質として本当に意味を持つのかは、現場を知る側でなければ判断がつきません。経験則の言葉を数値の裏づけと突き合わせる設計だからこそ、抽出された要因が指導の材料として使える水準に届くのだと考えられます。

現時点は検証の段階であり、示されているのは実績ではなく目標と見込みです。通話後の記録作業などにかかる時間は35%の削減が目標として掲げられ、達成されれば高い電話応答率の維持と顧客満足度の向上につながると期待されています。相関分析の結果を使えば応対品質を数値化・可視化して評価を自動化でき、管理者の品質チェック工数の削減と、データに基づく指導が可能になる見込みです。今後は検証結果を踏まえて実業務への適用を進め、顧客満足度を予測するモデルの構築など、生成AIの使いどころを広げる予定とされています。