企業向けの生成AIチャットボットを導入しても問い合わせが減らない主な原因は、ツールの性能ではなく運用設計にある。多くの場合、①答えが書かれた資料が足りない、②資料はあっても正しい答えにたどり着けない、③チャットボットの存在や聞けることが知られていない、④回答が当たらず信頼されていない、⑤解決しないときの出口がない、のどれかが起きている。対策は、問い合わせのログから症状を見て原因を切り分け、資料・導線・引き継ぎの順に直していくことである。
本記事では、5つの原因と症状からの切り分け方、原因ごとの対策、効果を続けるための運用を解説する。社内問い合わせを減らす具体的な手順は「社内問い合わせを減らす方法」、回答精度を上げる資料の直し方は「RAG・AIチャットボットの回答精度が低い原因と改善方法」で詳しく解説している。
生成AIチャットボット(RAG型)は、登録された資料を検索して回答する。よく聞かれる質問なのに、答えが特定の担当者の頭の中にしかない状態では、AIは答えられず、利用者は「結局人に聞いたほうが早い」と判断する。
古い版の資料が残っている、関係のない資料が混ざっている、社内の略語や言い回しが資料と違う、といった状態では、AIが別の資料を根拠に答えたり、古い内容を返したりする。資料の量ではなく、質と選び方の問題である。
サイトや社内ポータルの目立たない場所にあるだけでは、利用者は気づかない。気づいても「何を聞けるのか」がわからなければ、従来どおり電話やメールで問い合わせる。
最初に使ったときに的外れな答えが返ると、利用者は「聞いても無駄」と感じて戻ってこない。導入した直後の回答の当たり具合が、その後の利用を大きく左右する。
AIが答えられない質問や、個別の判断が必要な相談は必ず残る。そのときに担当者へつなぐ導線がないと、利用者は行き止まりになり、改めて電話やメールで問い合わせる。結果として、問い合わせの件数は減らない。
5つの原因は、見えている症状からある程度切り分けられる。まず、自社のチャットボットでどの症状が起きているかを確かめる。
「わかりません」が多い、違う答えや古い答えが返る、そもそも使われていない、一度使って戻ってこない、結局電話やメールが来る、の5つの症状と、それぞれの主な原因を示した図。 見えている症状 → 主な原因 「わかりません」が多い → 答えが書かれた資料がない・足りない 違う答え・古い答えが返る → 資料が古い・関係のない資料が混ざっている そもそも使われていない → 存在や聞けることが知られていない 一度使った人が戻ってこない → 回答が当たらず、信頼されていない 結局、電話やメールが来る → 解決しないときの出口(引き継ぎ)がない 図1:問い合わせが減らないときの、症状から原因の切り分け
| 症状 | 確かめる場所 | 考えられる原因 |
|---|---|---|
| 「わかりません」が多い | 答えられなかった質問のログ | 原因1:答えが書かれた資料がない |
| 違う答え・古い答えが返る | 回答の根拠として示された資料 | 原因2:資料が古い、関係のない資料が混ざっている |
| そもそも使われていない | 利用数の推移、入口の場所 | 原因3:存在や聞けることが知られていない |
| 一度使った人が戻ってこない | 回答への評価、最初の数回の会話 | 原因4:回答が当たらず信頼されていない |
| 利用は多いのに、電話やメールが減らない | AIの会話のあとに届いた問い合わせ | 原因5:解決しないときの出口がない |
あわせて、次の数字を導入前と同じ期間で比べる。利用回数が増えていても、担当部署に届く問い合わせが減っていなければ、効果は出ていない。
答えられなかった質問を集め、答えを文書にして登録する。同じテーマの資料が新旧で複数あれば最新版だけを残し、用途の違う資料は分けて登録する。社内の略語や製品名は、資料の用語をそろえたうえで辞書に登録できる仕組みを使うとよい。資料の直し方のチェックリストは「回答精度が低い原因と改善方法」にまとめている。
最初から全分野を公開せず、資料がそろっている問い合わせの多いテーマから公開する。回答に根拠となった資料名と該当箇所が示されれば、利用者は答えを確かめられ、信頼につながる。誤った案内が許されない分野は、担当者が確認・承認した回答だけを返す仕組み(FAQ型)を使う方法もある。
AIが答えられないときや、個別の判断が必要な相談のときに、問い合わせフォームや担当部署へつなぐ導線を必ず用意する。AIとの会話の内容を担当者に引き継げれば、利用者は同じ説明を繰り返さずに済む。どんな相談を人に回すかの条件も、あらかじめ決めておく。
生成AIチャットボットは「導入して終わり」ではない。制度や商品が変わるたびに資料は古くなり、新しい質問も生まれる。次の4つを、決まった担当者が定期的に繰り返す。
ログで見つける、資料とFAQを直す、引き継ぎを確かめる、使う人に知らせる、の4つを繰り返す運用の流れを示した図。 1 ログで見つける 答えられなかった質問、 よく聞かれる質問を確認 2 資料を直す 足りない資料を足し、 古い版を外す 3 出口を確かめる 解決しない人が 担当者につながるか 4 使う人に知らせる 聞けることと入口を 案内し直す この4つを、決まった担当者が定期的に繰り返す 図2:問い合わせを減らし続けるための運用の流れ
導入した直後は短い間隔で見直して回答の土台を固め、落ち着いてきたら間隔を空けていく。繁忙期や新しいサービスを始めるときは、そのつど確認する。運用を1人に任せると、異動や休暇で止まってしまうため、主担当と副担当の複数人で受け持つ。
chai+を実運用している9業種のデータでは、合計7,246件の問い合わせのうち6,589件にAIが回答し、総合回答率は90.9%、業種別では81〜96%だった。回答率がもっとも低かった婚礼(81%)では、個別の事情に合わせた相談が多く、根拠となる資料が見つからない質問は答えずに担当者へ引き継いでいる(婚礼の事例)。回答率は、問い合わせの中身と、登録した資料の整備状況によって変わる。
出典:chai+公開情報(業種別の実運用データ)。回答率は、問い合わせ数のうちAIが回答した件数の割合。chai+が品質指標として掲げる98%以上の精度は、学習データが十分に整備された条件下でのベンチマークスコアであり、実運用の回答率とは別のもの。
chai+は、デフィデ株式会社が提供する法人向けのRAG・AIエージェントである。この記事の対策に対応する機能は次のとおり。
| 導入前 | 導入後 |
|---|---|
| 過去の問い合わせを集め、多い質問を洗い出したか | 担当部署に届く問い合わせの件数を確認しているか |
| 多い質問の答えが、登録する資料に書いてあるか | 答えられなかった質問を定期的に資料へ反映しているか |
| 人へ引き継ぐ条件と出口を決めたか | 低評価の回答を優先して直しているか |
| 入口の場所と、使い方の案内を決めたか | 制度やサービスが変わったときに資料を更新しているか |
| 運用の担当者を複数人決めたか | 効果を数字で振り返り、関係者に共有しているか |
企業向け生成AIチャットボットを導入しても問い合わせが減らない主な原因は、資料の不足、見つけにくさ、認知不足、回答への不信、出口がないことの5つで、いずれも運用設計で直せる。症状から原因を切り分け、資料を足して古い版を外し、入口と聞けることを示し、担当者への出口を用意したうえで、ログを見ながら定期的に見直していく。効果は利用回数ではなく、担当部署に届く問い合わせの件数で確かめる。
chai+の機能と導入の流れは、資料ダウンロードページから確認できる。
A. 主な原因はツールの性能ではなく運用設計にあります。答えが書かれた資料が足りない、資料はあっても正しい答えにたどり着けない、チャットボットの存在や聞けることが知られていない、回答が当たらず信頼されていない、解決しないときの出口がない、のどれかが起きていることが多いです。
A. まず症状を確かめます。「わかりません」が多ければ資料の不足、違う答えや古い答えが返るなら資料の古さや混在、使われていなければ入口と案内、利用は多いのに電話やメールが減らなければ担当者への出口を見直します。
A. 担当部署に届いた問い合わせの件数を、導入前と同じ期間で比べます。あわせて、AIが回答した割合(回答率)、AIで解決できず引き継いだ割合(引き継ぎ率)、回答への評価を見ると、原因を切り分けやすくなります。
A. 答えが資料に書いてある定型の質問はAIに任せ、個別の判断や配慮が必要な相談、クレームなどは人が受けます。AIが答えられないときに担当者へつなぐ出口と、人に回す条件をあらかじめ決めておきます。
A. 導入した直後は短い間隔で見直して回答の土台を固め、落ち着いてきたら間隔を空けていきます。繁忙期や新しいサービスを始めるときは、そのつど確認します。運用は主担当と副担当の複数人で受け持つと止まりにくくなります。
A. 問い合わせの中身と資料の整備状況によって変わります。chai+を9業種で実運用したデータでは、業種別の回答率は81〜96%、合計7,246件での総合回答率は90.9%でした。
[無料相談を申し込む ]
提供:デフィデ株式会社|戦略AIコンサルティング