会話型AIとは、人間の言葉から意図を読み取り、文脈を踏まえた応答をその場で組み立てることで、チャット、音声、メール、メッセージングの各チャネルで顧客と対話できるようにするAI技術の総称である。 台本をたどるのではなく、想定していなかった問いにも応答を組み立てられる点が、従来のチャットボットとの分かれ目になる。
顧客が「先月買ったジャケットに毛玉が出てきたのだが、どうすればよいか」と書き込んだとする。会話型AIは、これを品質の申し立てだと解釈し、該当する注文を特定し、返品や交換の可否を条件に照らして判断し、選べる対応を提示できる。大規模言語モデル（LLM）の性能向上と顧客データの統合が進んだ2023年以降、この水準の応答が実務で使えるようになった。ガートナー（Gartner）は、2027年までにカスタマーサービスの対応の40%が会話型AIだけで完結すると予測している。2023年時点では5%に満たない水準だった。ただし、応答の質を左右するのはモデルの流暢さではなく、会話型AIが参照できる顧客コンテキストである。
ルールベースのチャットボットとの違い
ルールベースのチャットボットは、キーワードの一致と、設計時に書き切った分岐で動く。想定した問いには正確に答えるが、言い回しが想定から外れた瞬間に会話は行き止まりになる。応答文はあらかじめ用意したものだけなので、顧客ごとの事情を織り込む余地がない。運用は分岐と文面を人が足し続ける作業になり、問い合わせの種類が増えるほど保守の量も増える。
会話型AIは、この構造を入れ替える。分岐を書く代わりに、入力から意図と対象を推定し、参照したデータを根拠にして応答を組み立てる。会話が5往復した後で顧客が「さっきの青いやつ」と書いても、前の発言で扱った商品として特定できる。複数の意図が混ざった問い合わせも、一度の会話のなかで扱える。
| 観点 | ルールベースのチャットボット | 会話型AI |
|---|---|---|
| 入力の解釈 | キーワードの一致と分岐 | 意図の推定と文脈の解釈 |
| 応答 | あらかじめ用意した定型文 | 参照したデータにもとづく生成 |
| 想定外の入力 | 会話が行き止まりになる | 質問の形が崩れていても扱える |
| パーソナライズ | 届いてもセグメント単位 | CDPのデータがあれば一人単位 |
| 保守 | 分岐と文面を人が追加する | やり取りの結果を学習に回す |
| 扱える複雑さ | 単一の意図、一問一答 | 複数の意図、複数往復の会話 |
用語の境界も整理しておく。会話型AIが指すのは言語を扱うレイヤーそのものである。これをメッセージングの画面として実装したものがAIチャットボットであり、返金処理や契約変更まで自ら実行して課題を解決するのがAIカスタマーサービスエージェントである。会話型AIは、音声応答やメールの自動返信の下でも同じように働く。
顧客データがなければ応答は一般論になる
顧客コンテキストを持たない会話型AIは、言い回しの上手いFAQ検索にとどまる。CDP（カスタマーデータプラットフォーム）は、チャネルを横断して組み立てたシングルカスタマービュー（SCV）を参照先として渡す。これによって会話型AIは、誰にでも同じ答えを返す状態から、相手の状況を把握したうえで応答できる状態へ移る。
問い合わせを受けた会話型AIは、統合プロファイルへ購買履歴、過去の問い合わせ、ロイヤルティの状態、嗜好、行動データを照会できる。「注文番号をお伺いできますか」と尋ねる必要はなく、直近の注文を把握した状態で会話が始まる。商品の提案も、一般的な人気順ではなく、実際の閲覧と購買の履歴にもとづいたものになる。
コンテキストがあれば、顧客からの問い合わせを待たない会話も成り立つ。リアルタイムCDPは、料金ページを何度も見ている（購入意向が高い）、反応が落ちている（解約の兆候）、カートの金額が一定額を超えた（提案の機会）といった行動シグナルを検知した時点で、会話型AIを起動できる。CDPが「いつ」と「なぜ」を決め、会話型AIが「どう伝えるか」を担う。
会話型AIの仕組み
意図と文脈の解析
会話型AIは入力を解析し、顧客が何を求めているのか（意図）、どの対象について述べているのか（商品、日付、契約情報）、どのような感情が乗っているのか（苛立ち、興味、購入の意思）を推定する。自然言語処理のなかでも、直前のメッセージだけでなく会話全体を参照するモデルが使われるため、指示語や省略を含む発言も前の文脈に結び付けられる。
顧客コンテキストの取得
応答を組み立てる前に、会話型AIは接続先のシステム、とくにCDPから必要なコンテキストを取り出す。多くの実装は検索拡張生成（RAG）を用い、統合プロファイル、直近のやり取り、該当するナレッジベースの記事をモデルへの入力に差し込む。この取得の精度が、そのまま応答の精度を決める。名寄せを備えたCDPであれば、単一チャネルの断片ではなく、その顧客の記録全体を参照できる。
応答の生成
LLMは、取り出したコンテキストを根拠として応答を組み立てる。同時にガードレールを設け、商品、規約、契約内容について事実と異なる内容を作り出すハルシネーションを抑え、ブランドとして許容できる言い方の範囲を保ち、確信度が低い場合や扱いが微妙な場合は人へエスカレーションさせる。
学習と改善
会話型AIは、やり取りの結果を取り込んで精度を上げる。課題が解決したか、顧客が満足を示したか、その後に購入へ至ったかという結果がCDPへ戻り、どの顧客にどの場面で会話を仕掛けるかというAI意思決定の材料になる。エージェンティックCDPと組み合わせた構成では、このクローズドフィードバックループがリアルタイムで回り、応答の質が運用しながら上がっていく。
実践のポイント
会話型AIを立ち上げる前に、CDPへつなぐ。 応答の質を決める最大の要因は顧客コンテキストであり、モデルの選定や文面の作り込みでは埋められない。統合プロファイルを参照できる会話型AIは、過去のやり取りを覚えている担当者と話している状態に近づく。
人への引き継ぎを前提に設計する。 優れた実装は、会話の履歴と参照したコンテキストをそのまま人へ引き継げるようにしてある。フォレスター（Forrester）によれば、ボットとのやり取りで悪い体験をした顧客の68%は、そのブランドのデジタルチャネルに戻ってこない。感情的にこじれた場面、込み入った申し立て、取引額の大きい顧客との会話については、引き継ぎの条件を先に決めておく。
回避率ではなく解決率を測る。 チャットボットの成果を、有人対応をどれだけ回避できたかという回避率で測る運用は多い。しかしこの指標は、顧客が諦めるまで粘るボットを作る動機になる。初回のやり取りで解決できた割合、顧客満足度のスコア、コンバージョンへの寄与を見るほうが、会話型AIが実際に顧客を助けているかを判断できる。
FAQ
会話型AIとチャットボットは何が違うのか
会話型AIは技術のカテゴリーであり、チャットボットはその実装形態の一つである。 会話型AIが指すのは、自然言語処理、大規模言語モデル、文脈の解釈といった、人と対話するための技術の総称である。チャットボットは、それをWebサイトやアプリ、メッセージングアプリの対話画面として実装したものを指す。同じ技術は音声応答やメールの自動返信も動かすため、チャットボットは会話型AIの出口の一つにあたる。
CDPをつなぐと会話型AIは何が変わるのか
相手が誰で、これまで何をしてきた顧客なのかを踏まえた応答に変わる。 CDPは三つの働きをする。名寄せによって、話している相手が誰であるかを確定させ、チャネルを横断した記録にたどり着けるようにする。統合プロファイルによって、購買履歴、嗜好、過去の問い合わせ、行動の傾向を参照させる。リアルタイムのデータ連携によって、先月の行動ではなく5分前の行動を踏まえた応答を可能にする。
会話型AIは複雑な問い合わせにも対応できるのか
複数の意図をまたぐ問い合わせまでは対応でき、影響の大きい判断は人が引き取るべきである。 大規模言語モデルを用いた現在の会話型AIは、ドキュメントを参照して不具合の原因を切り分け、注文データを見て返品を処理し、購買履歴から提案を組み立てられる。一方で、感情的にこじれた場面、学習データの外にある新しい問題、金額の大きい返金や解約のような判断は人が扱うほうがよい。最初の8割を会話型AIが受け、残りを条件に沿って人へ渡す形の実装が多い。
関連用語
- パーソナライズ：会話型AIが応答を顧客ごとに変えるための前提となる考え方と手法
- ネクストベストアクション：会話のなかでどの提案を出すかを決める仕組み
- カスタマージャーニーオーケストレーション：会話型AIを含む複数チャネルのやり取りを、実行時に選び分ける仕組み
- データアクティベーション：統合プロファイルを会話型AIのような実行先へ届ける工程
この記事は他の言語でも読めます： Conversational AI