株式会社ミスミグループ本社
オートメーションの現場で必要とされる機械部品や工具・消耗品などをグローバル32.3万社以上（2025年3月時点）に販売する企業。製造機能を持つメーカーと他社ブランド品を販売する商社としての顔を併せ持つ事業モデルにより「グローバル確実短納期」を実現。取扱商品は他社ブランドを含めて3000万点以上。東証プライム上場、資本金139億3600万円。
この取り組みに関心があれば、
株式会社ミスミグループ本社の公式情報をご覧ください
※イメージ画像です01 — Overview
機械部品や工具を扱うミスミグループ本社が、MISUMI ECサイトに生成AIを使ったチャットボットを組み込んだ取り組みです。対象は技術サポートとカスタマーサービスの二領域。技術サポートでは、顧客がチャットに質問を打ち込むと、情報収集を担うAIがオペレーターに代わって社内の商品データベースへアクセスし、過去の問い合わせ履歴、製品情報、仕様情報、カタログといった資料から該当する情報を特定します。その収集結果を材料に、生成AIが質問に沿った回答を組み立てる流れです。カスタマーサービス側では、個々の注文情報をAIが参照し、注文後のキャンセルや変更、返品が可能な状態かをその場で判定したうえで、具体的な操作方法まで案内します。導入後は、技術サポート、カスタマーサービスの双方で回答までの時間が大きく縮まりました。
出典：顧客問い合わせに生成AIを本格導入 回答時間97%削減 | 株式会社ミスミグループ本社のプレスリリース（発行元：株式会社ミスミグループ本社）
02 — Problem
扱う商品は3000万点以上に及び、技術サポート関係だけで年間およそ10万件の問い合わせが寄せられていました。用意されたFAQでは商品ごとの細かな質問を拾いきれず、オペレーターが調べて答えるまでに平均1時間。注文後のキャンセルや変更、返品についても、商品や注文ステータスごとの確認が欠かせず、電話がつながりにくい時間帯が生まれていました。納期の遅れが顧客の生産工程を直撃する商材だけに、待ち時間そのものが取引全体の生産性を削る要因になっていたわけです。
編集部の見立てでは、ここでの本質的な困りごとは問い合わせの件数ではなく、答えの置き場所にあったのではないでしょうか。回答に必要な情報は社内にひととおり揃っている一方で、どの商品のどの仕様を見れば答えになるのかを判断できるのは人だけで、探し当てる工程が丸ごと人の作業として残されていた。3000万点という商品数は、あらかじめ想定した質問しか扱えないFAQという形式の限界を、そのまま数字で示していたとも読めます。
03 — Key points
効きどころは、回答を書く前段に「情報を集める」工程を独立させた構成にあると考えられます。情報収集AIが社内の商品データベースを探索し、そこで特定された情報を受け取って生成AIが文章に組み立てる。この役割分担によって、回答の中身は言語モデルの一般的な知識ではなく、自社が持つ一次情報に紐づけられます。専門的な質問ほど誤りが許されない領域で、生成AIに探索と作文を同時に担わせなかった切り分けが、実務に載せる条件を整えたのではないでしょうか。
参照先の選び方にも判断が表れています。つないだのは商品データベースだけでなく、過去の問い合わせ履歴、仕様情報、カタログといった、すでに社内で整備され使われてきたデータ群です。過去の問い合わせ履歴は、実際に顧客が何をどう尋ねたかという、FAQでは取りこぼしてきた問いの形そのものを含んでいます。膨大さゆえに人手では扱いきれなかった商品数が、機械が読む前提に置き換わった途端に、回答精度を支える資産の側へ反転した構図と言えます。
カスタマーサービス領域では、可否の判定と操作方法の案内までを一続きに設計した点が特徴的です。キャンセルや変更が受け付けられるかどうかは、商品と注文ステータスの組み合わせで決まる、事実として確定した情報にもとづきます。判定材料が個別の注文情報という機械が読み取れる形で存在していたからこそ、複雑な条件分岐を伴う問い合わせも自動処理の対象にできた。案内で終わらせず手続きの入口まで届かせる設計思想が、その土台の上に乗っています。
04 — Results
技術サポートの問い合わせでは、平均1時間かかっていた回答までの時間が平均40秒となり、待ち時間は98%削減されました。カスタマーサービス領域でも、オペレーターが個別に対応して平均321秒を要していた処理が平均10秒へと縮み、97%の削減。あわせて、営業時間に縛られず24時間問い合わせに応じられる状態が生まれています。今後は納期や出荷・配送状況の回答、チャット上での処理完結へと対応領域を広げる展望が示されています。
05 — For your company
応用のしやすさを分けるのは、業種よりもデータの持ち方です。取り扱う品目が多く、問い合わせの答えが商品ごとの仕様や履歴に散らばっている業務では、この構成はそのまま検討に値します。専門商社や機器販売、法人向けサービスのサポート窓口など、担当者が毎回データベースを引きながら答えている領域が該当します。カスタマーサービス側についても、可否の判断基準が注文ステータスのようにシステム上で確定しているなら、同じ考え方を持ち込みやすいはずです。
逆に、回答の根拠が電話や打ち合わせの口頭のやり取りにしか残っていない場合や、受付の可否が担当者の裁量で案件ごとに揺れる業務では、AIが参照する土台そのものが存在しません。この場合はAI導入の前に、判断の基準をデータとして表に出す作業が先に来ます。
最初の一歩としては、直近に届いた問い合わせを10件ほど並べ、その答えが社内のどのデータのどの項目に載っているかを一件ずつたどってみてはいかがでしょうか。たどり着けた問いと、人の記憶に頼るしかなかった問いの比率が、そのまま自社での実現可能性の目安になります。
06 — Company
オートメーションの現場で必要とされる機械部品や工具・消耗品などをグローバル32.3万社以上（2025年3月時点）に販売する企業。製造機能を持つメーカーと他社ブランド品を販売する商社としての顔を併せ持つ事業モデルにより「グローバル確実短納期」を実現。取扱商品は他社ブランドを含めて3000万点以上。東証プライム上場、資本金139億3600万円。
この取り組みに関心があれば、
株式会社ミスミグループ本社の公式情報をご覧ください
07 — Category
関連度の高い事例を選定しています。少しお待ちください。