クレーム対応にAIは使えるか｜一次受付と有人引き継ぎの線引き

「クレームの​一次対応を​AIに​任せられないか」と​いう​相談は、​接客AI・​問い合わせAIを​検討する​現場で​たびたび出てきます。​一方で​「クレームだけは​絶対に​人が​出るべき」と​いう​考え方も​根強く、​結論が​曖昧なまま​導入が​進み、​現場で​混乱する​ケースも​見られます。​本記事では、​クレーム対応に​おいて​接客AIが​担える​範囲と​担うべきでない​範囲を​整理し、​有人​引き継ぎを​設計する​際の​実務ポイントを​解説します。

クレーム対応を​一括りに​しない

クレーム対応の​自動化を​検討する​とき、​最初に​つまずきやすいのが​「クレーム」を​ひとつの​カテゴリと​して​扱ってしまう​ことです。​実際には、​クレームと​呼ばれる​問い合わせにも​性質の​異なる​段階が​あります。

• 事実確認型：​「注文した​商品が​届いていない」​「サイズを​間違えて​届いた」など、​状況を​確認すれば​対応方針が​決まる​もの
• 手続き型：返品・交換・返金の​手順を​知りたいだけの​もの。​感情的な​強さは​それほど​高くない
• 感情表出型：不満や​怒りの​表明​その​ものが​目的に​近く、​まず​気持ちを​受け止める​対応が​必要な​もの
• 交渉・要求型：金銭的な​補償や​特別対応を​求める​もので、​担当者の​裁量判断が​必要な​もの

このうち事実確認型と​手続き型の​一部は、​AIに​よる​一次対応と​相性が​よい​領域です。​一方、​感情表出型と​交渉・要求型は、​AIが​定型文で​応じる​ことで​「話を​聞いて​もらえていない」と​いう​印象を​強め、​かえって​不満を​増幅させる​リスクが​あります。​導入前に​この​4分類で​自社の​問い合わせを​棚卸しし、​どこまでを​自動化の​対象に​するかを​決めて​おく​ことが​出発点に​なります。

AIが​一次対応できる​範囲

事実確認型・​手続き型の​クレームでは、​AIは​次のような​役割を​担えます。

1. 状況の​ヒアリングと​整理：注文番号、​purchase日、​症状などを​構造化して​受け取り、​担当者が​確認しやすい形に​まとめる
2. 既定ルールの​案内：返品期限、​返金に​かかる​日数、​交換条件など、​社内規定と​して​決まっている​情報の​案内
3. 一次受付と​優先度の​仕分け：​緊急性の​高い​内容​（衛生・安全に​関わる​不具合など）を​検知し、​優先対応キューに​回す

これらは​いずれも​「答えが​決まっている」​「判断ではなく​案内である」と​いう​共通点を​持ちます。​逆に​言えば、​答えが​状況に​よって​変わる、​あるいは​金額や​特例の​判断を​伴う​内容は、​AIの​一次対応の​範囲から​外すべきです。

人が​対応すべき境界線を​どう​引くか

境界線の​設計で​よく​ある​失敗は、​「クレームっぽい​言葉が​含まれたら​即エスカレーション」と​いう​単純な​キーワード判定に​頼ってしまう​ことです。​これでは​「交換」​「返金」と​いった​通常の​手続き用語まで​拾ってしまい、​エスカレーションが​多発して​自動化の​効果が​薄れます。

実務では、​以下のような​複数条件を​組み合わせて​判定する​設計が​有効です。

• 同一顧客からの​問い合わせ回数​（同じ件で​2回目以降の​連絡は​優先的に​有人へ）
• 金額・補償に​関する​語句の​有無
• 感情強度を​示す​表現​（強い​言葉、​繰り返しの​強調など）の​検知
• AIの​回答に​対して​顧客が​否定的な​返信を​した​場合

これらの​条件を​AND/ORで​組み合わせ、​閾値を​超えたら​有人に​引き継ぐルールを​あらかじめ定義しておく​ことで、​過剰エスカレーションと​過小エスカレーションの​両方を​避けやすくなります。

引き継ぎ時に​失われが​ちな​情報

有人​引き継ぎの​設計で​見落と​されやすいのが、​「AIとの​やり取りの​文脈を​どこまで​担当者に​渡すか」と​いう​点です。​顧客から​すると、​AIに​一度​説明した​内容を​担当者に​もう​一度​最初から​話す​ことは​大きな​ストレスに​なります。

引き継ぎ時には、​最低限以下の​情報を​セットで​担当者に​渡せる​設計に​しておくと、​顧客の​負担と​対応時間の​両方を​減らせます。

• それまでの​会話ログ​（要約ではなく​原文が​望ましい）
• AIが​自動的に​抽出した​注文情報・顧客情報
• どの​条件で​エスカレーションに​至ったか​（判定理由）

この​情報が​欠けたまま​引き継がれると、​担当者は​状況を​一から​聞き直すことに​なり、​「AIに​対応して​もらった​意味が​なかった」と​いう​印象を​顧客に​与えてしまいます。

効果測定で​見るべき指標

クレーム対応の​自動化は、​通常の​問い合わせ自動化と​同じ​指標だけで​評価すると​判断を​誤りやすい​領域です。​自動化率や​コスト削減額だけでなく、​次の​指標も​あわせて​確認する​ことを​おすすめします。

• エスカレーション後の​解決までの​時間：AIが​一次対応した分、​むしろ​短縮されているか
• 再問い合わせ率：同じ件で​顧客が​再度連絡してきていないか
• エスカレーション率の​推移：導入直後と​運用後数ヶ月で​条件の​精度が​どう​変化しているか

これらを​継続的に​見ながら、​AIが​担当する​範囲と​エスカレーション条件を​定期的に​見直していく​ことが、​クレーム対応領域での​接客AI活用を​安定させる​ポイントです。

まとめ

クレーム対応は​「AIに​任せられるか、​任せられないか」の​二択で​考えるのではなく、​問い合わせの​性質ごとに​担当範囲を​分けて​設計する​ことが​重要です。​事実確認や​手続き案内は​AIの​一次対応に​向いていますが、​感情​表出や​交渉を​伴う​内容は​人の​対応が​前提に​なります。​境界線の​設計と、​引き継ぎ時の​情報連携を​丁寧に​作り込むことで、​顧客体験を​損な​わずに​クレーム対応の​負担を​軽減できます。​接客AIの​運用設計に​関する​事例は、Flex AIWAY​（業務自動化・​導入事例）でも​紹介されています。