SiliconANGLEのコンタクトセンターAI ROI分析が浮き彫りにしたナレッジの隔たり

SiliconANGLEのコンタクトセンターAI ROI分析は、議論の焦点をモデルの能力から、より地味な制約へと移した。それは、組織が自らのナレッジを適切にガバナンスできるかどうかだ。

9月11日のレポートは、AI ROI in Contact Center Summitで行われたアナリストのBob Laliberte氏とZeus Kerravala氏へのインタビューを要約した。両氏の中心的な指摘は明快だった。エージェントが不完全、古い、あるいは分断された情報を受け取っている限り、コンタクトセンターは自動化によってより良い成果を生み出すことはできない。

この結論は、市場で主流となっている売り込み文句に異議を唱えるものだ。Five9、Cisco、Microsoft、Salesforceなどのベンダーとその競合各社は、エージェント、コパイロット、オーケストレーション、自動品質管理を追加している。しかし、これらの製品は依然として、その基盤にあるポリシー、顧客記録、ワークフロー、運用ルールに依存している。

したがって真の競争は、あるコンタクトセンタープラットフォームと別のプラットフォームの間にあるのではない。自動化の量と解決の質の間にある。システムは会話を短縮し、より多くの顧客を自動対応内に留められても、未解決の問題を増やす可能性がある。

この違いは重要だ。経営陣は、管理されたパイロット段階を超えたAI導入に対して、財務的なリターンを求めている。一方で顧客は、同じシステムを手間、正確性、そして再度電話する必要があるかどうかで評価する。

SiliconANGLEのコンタクトセンターAI ROIレポートが変えたこと

同レポートは、ナレッジ管理を補助機能ではなく、運用上の依存関係として位置づけ直した。

元のインタビューでLaliberte氏は、コンタクトセンターをエンタープライズAIにとって特に可視性の高い試験場だと説明した。そこでは大量の顧客接点、多額の人件費、顧客との直接的なやり取りが組み合わさる。

社内での弱い実験は、ある部門内に隠れたままでもよい。しかし、低品質な顧客サービスエージェントはそうはいかない。誤った返金ルールを伝えたり、アカウントの制約を見落としたり、発信者に情報を繰り返し説明させたりする可能性がある。

こうした失敗は、コンタクトセンター自動化の根本的な問題を露呈する。言語モデルは回答を生成するが、企業側は事実、権限、承認された次のアクションを提供しなければならない。

ナレッジ管理は、その情報を作成、更新、整理、検索、廃棄するためのプロセスを含む。AIにとっては、システムが利用できる情報源と、それらの情報源をどう順位付けするかも決定する。

その結果として形成されるナレッジ層は、ヘルプセンター記事の集まり以上のものだ。製品ポリシー、地域ごとの制限、アカウントデータ、トラブルシューティング手順、コンプライアンス規則、エスカレーション基準などを含み得る。

配送遅延について問い合わせる顧客を考えると、その違いが分かりやすい。一般的なモデルは、よくある配送上の問題を説明できる。有用なエージェントは、実際の注文を取得し、配送業者のルールを特定し、顧客が利用できる救済策を把握しなければならない。

同じ要件は人による支援にも当てはまる。AIコパイロットは通話中に表現を提案できるが、古いポリシーを提示するなら、その速度にほとんど価値はない。

SiliconANGLEのレポートは、こうしたやり取りを評価する際に従来使われてきた指標にも疑問を投げかけた。Kerravala氏は、根本的な問題が未解決のままであるなら、短い通話を成功とみなせるのかと問いかけた。

平均処理時間は、エージェントが顧客対応と関連業務に費やす時間を測る。人員配置には有用だが、顧客が正しい回答を得たことを証明するものではない。

初回問い合わせ解決率は、1回のやり取りで問題が解決したかを問うため、成果により近い。ただし、顧客が別のチャネルから再度問い合わせる場合を含め、慎重な定義が必要になる。

自動対応完結率にも同様の落とし穴がある。これは自動システムが人間への転送を回避したかを記録するが、機能しないボットを顧客が途中で離脱した場合でも、好ましい結果として計上される可能性がある。

したがって同レポートは、新たなモデルやプラットフォームを発表したわけではない。カテゴリー全体を評価する基準が変化したことを示した。

導入だけでは、もはや十分ではない。コンタクトセンターは、自動化を正確な解決、顧客の負担、再問い合わせ、事業成果へ結び付ける必要がある。

この変化には重要な開示も伴う。SiliconANGLEは、theCUBEがサミットの有償メディアパートナーだった一方、スポンサーは報道内容に対する編集権限を持たなかったと明記した。

読者はこのインタビューを、ベンダー導入の独立監査ではなく、情報に基づく業界分析として扱うべきだ。その主張は、より広範な市場データや個別の本番運用結果と照らして検証できる。

ナレッジ管理がAIの投資対効果を左右する理由

コンタクトセンターAIが価値を生むのは、信頼できるナレッジが適切なタイミングで正しいワークフローに届く場合に限られる。

企業がその文脈を提供しなければ、言語モデルはどのバージョンの返品ポリシーが有効なのかを把握できない。一般的な学習コーパスから顧客の権限を安全に推測することもできない。

RAGと呼ばれることの多い検索拡張生成は、AIシステムが回答を作成する前に承認済みの情報を取得できるようにする。この設計は企業内資料に回答の根拠を与えられるが、検索だけで正確性が保証されるわけではない。

情報源が古くなっている可能性がある。二つの部門が矛盾する指示を公開しているかもしれない。アクセス制御によって関連記録が遮断されたり、誤ったユーザーに情報が開示されたりする可能性もある。

メタデータが欠けていることもある。地域、製品、有効日、対象者、所有者に関する有効なラベルがなければ、検索システムはもっともらしくても不適切な文書を選択しかねない。

そのため、コンテンツガバナンスはAIシステムそのものの一部となる。重要な情報源ごとに、所有者、レビュー規則、バージョン履歴、アクセス制御、廃止のプロセスが必要だ。

AIエージェントがアクションを実行できるようになると、問題はさらに難しくなる。住所変更についての回答は比較的リスクが低い。自動化された住所変更は顧客データに影響し、本人確認を必要とする場合がある。

エージェント型AIとは、目標に向けて手順を選択し、アクションを実行できるシステムを指す。コンタクトセンターでは、その手順が電話システム、顧客関係管理、請求、フルフィルメントの各システムを横断することがある。

信頼できるエージェントには、何を言うべきか以上の知識が必要だ。どの操作が許可されているか、どの情報が必要か、いつ承認が適用されるか、いつ顧客を転送すべきかを知っていなければならない。

したがって、ワークフローの再設計はナレッジ管理と切り離せない。既存の手順は、多くの場合、曖昧さを解釈し、非公式な助言を求められる訓練済みの従業員向けに書かれていた。

自動化エージェントには明示的な条件が必要になる。チームは、文書化されていない判断を、ルール、承認済みツール、例外処理の経路、責任の所在が明確な引き継ぎへ変換しなければならない。

ナレッジベースには、実際のやり取りからのフィードバックも必要だ。検索の失敗、繰り返される転送、訂正された回答、異議を唱えられた要約は、欠落または誤解を招く情報を明らかにできる。

このフィードバックループは、静的なリポジトリを運用インフラへと変える。これがなければ、コンタクトセンターAIは同じナレッジ上の失敗をより大規模に繰り返すことになる。

この関係は、より広い2026年のデータにも表れている。グローバルCX調査は、12市場・19業界の企業意思決定者815人を対象とした。

Ryan Strategic Advisoryは、2026年第1四半期にTELUS Digitalのためにこの調査を実施した。調査では、AI導入と、それを最適化するために必要な運用システムの間に隔たりがあることが示された。

回答者の51%は、インテリジェントなナレッジ管理と検索への投資を計画していた。現在導入していると回答したのは34%にとどまり、17ポイントの差が生じている。

リアルタイムAIコパイロットにも同様の差が見られた。56%が投資を計画していた一方、エージェント向けのリアルタイムなナレッジ検索とガイダンスを現在利用しているのは38%だった。

AIを活用した品質保証とコーチングを利用していると回答したのは32%にすぎない。つまり、多くの組織には、AI支援によるやり取りの規模に対応する自動監視がないことになる。

これらの数値はベンダー協賛調査の結果であり、普遍的な市場測定ではない。それでも、Laliberte氏とKerravala氏が説明した同じメカニズムを裏付けている。

企業は顧客向けAIに多額の投資を行ってきた。一方で、基盤となるナレッジ、評価、改善のレイヤーの発展はより遅い。

ガバナンスの効いたAI knowledge baseは、この依存関係に有用なモデルを提供する。その価値は、文書量だけではなく、来歴と検索の規律に由来する。

購入者にとって実務上の問いは、プラットフォームに生成AIが含まれているかどうかでは、もはやない。主要なプラットフォームの大半には含まれている。

購入者は、システムがどのように情報源を選択し、競合を解消し、権限を適用し、アクションを記録し、不正確な回答を測定するのかを問う必要がある。こうした能力が、魅力的なデモンストレーションが本番環境で生き残れるかを決める。

自動化の量より解決の質が重視されるようになっている

中心的な緊張関係は、より多くのやり取りを自動化することと、顧客が信頼できる成果を生み出すことの間にある。

長年、コンタクトセンターは平均処理時間、通話回避率、稼働率、インタラクション当たりのコストを通じてキューを最適化してきた。こうした指標は、管理者が人員配置を計画し、運営コストを抑えるのに役立った。

AIは、これらの数値のいくつかを改善しやすくする。通話の要約、返信の提案、リクエストの振り分け、または人間のエージェントを介さない反復的な質問への回答が可能になる。

危険なのは、ダッシュボードが改善する一方で、顧客体験が悪化することだ。短い自動対応の会話は、再度の電話、苦情、あるいは回避可能な返金を招くなら、価値がない。

AIエージェントは、エスカレーションを難しくすることで、自動対応完結率を高めることもできる。その結果は見かけ上の人件費需要を減らす一方で、顧客の負担を増やし、信頼を損なう。

Laliberte氏は、こうした失敗の可視性を強調した。低品質なAI対応は顧客の手間を増やし、信頼を損ない、ブランドを弱める可能性がある。

Kerravala氏による平均処理時間への批判は、より広範な測定基準の再設定を示唆している。効率性は依然として重要だが、成果の階層の下に位置付けられなければならない。

第一層では、依頼されたタスクが正しく完了したかを測定すべきだ。第二層では、再問い合わせ、転送、訂正、顧客の負担を捉えるべきである。

次に財務指標には、解決にかかる総コストを含めるべきだ。そこにはモデル推論、統合、監視、ナレッジの保守、人によるレビュー、エスカレーションが含まれる。

このアプローチは、チームによる一般的なシナリオの解釈を変える。AIエージェントが人を介さずに住所更新を処理するケースを考えてみよう。

会話がすぐ終われば、そのやり取りは成功したように見える。しかし、システムが誤ったアカウントを更新したり、本人確認を見落としたり、後の訂正を強いたりすれば失敗となる。

したがって、信頼できるROIモデルは、最初の会話の先まで成果を追跡しなければならない。従来の自動対応完結率レポートが見落とす、下流の手戻りや顧客行動を特定すべきだ。

自動化を支える財務上の圧力は、依然として大きい。広く引用されているGartnerの予測は、2026年に会話型AIによってコンタクトセンターの人件費が800億ドル削減されるとしていた。

この予測はもともと2022年に示されたもので、Gartnerは2026年までにエージェント対応の10件に1件が自動化されると見積もっていた。これは予測であり、すでに達成された削減額の検証済み会計ではない。

Gartnerのより新しいコスト警告は、重要な緊張関係を加えている。同社は、生成AIの1件解決あたりのコストが2030年までに3ドルを超えると予測している。

その根拠には、データセンター費用の上昇、ユースケースの複雑化、ベンダーに対する収益性確保の圧力、導入を維持するために必要な専門人材が含まれる。

Gartnerはまた、規制によって有人支援サービスの利用件数が増えると見込んでいる。同社の予測によれば、顧客が人間のエージェントへのアクセス権を行使することで、AI関連の規制は2028年までにこのような利用件数を30%増加させるという。

どちらの予測も、コンタクトセンターの自動化を否定するものではない。むしろ両者を合わせて見ると、人員代替だけを唯一のビジネスケースにできない理由がわかる。

AIは、エージェントの準備の迅速化、回答の一貫性向上、品質カバレッジの拡大、ルーティングの改善を通じて価値を生み出せる。こうした利点にも、裏付け可能な測定が必要だ。

成果の評価では、単純な業務と複雑な業務も分けるべきである。注文状況の問い合わせは、医療費請求への異議申し立てや金融詐欺の疑いと同じリスクを伴うわけではない。

両方のやり取りを単一の封じ込め率にまとめると、自動化が機能している領域を見えにくくする可能性がある。また、人間の判断がなお必要な領域も隠してしまう。

コンタクトセンターは、インテント、チャネル、顧客グループ、言語、リスク水準ごとに結果を分類すべきである。また、自動化の成果を適切な人間対応のベースラインと比較すべきだ。

ここで、ナレッジ基盤が財務面で可視化される。正確な情報源は解決の可能性を高め、明確なエスカレーションルールは高コストな失敗を防ぐ。

勝つ運用は、必ずしも最大割合の通話を自動化する運用ではない。信頼できる人へのアクセスを維持しつつ、適切な通話を自動化する運用である。

音声AIは不正確なナレッジの代償を高める

音声エージェントでは、ナレッジの誤りが、スーパーバイザーが介入できる前に顧客とのリアルタイムな体験へと直結する。

音声は最も難しいチャネルの一つである。システムは音声を認識し、意図を解釈し、情報を取得し、迅速に応答し、中断にも対応しなければならない。

テキストインターフェースでは、ユーザーは回答を読み返せる。通話者は、遅延、混乱、繰り返しをリアルタイムで経験する。

周囲の雑音、アクセント、珍しい名前、接続不良は文字起こしを歪める可能性がある。システムが顧客の依頼を誤解していれば、正確なナレッジソースでも役に立たない。

Five9は、2026年3月の導入ガイダンスで、この依存関係を強調した。同社は、音声認識の精度がルーティング、適格性判断、ナレッジ検索の基盤になると説明している。

この主張は、関連技術を販売するベンダーによるものだ。それでも、購入者が自社の音声データと通話構成で検証できる具体的な障害点を示している。

6月、Five9は更新版のVoice AIリリースを発表した。このシステムは、複数ステップの顧客対応に協調型エージェントを用い、テスト、バージョニング、モニタリング、ロールバックの制御機能を含む。

Five9によると、自社調査では組織の65%が少なくとも1つのAIユースケースを実装・リリースしていた。また、セルフサービス自動化が42%で主要なユースケースの一つだと報告している。

これらの調査結果は、企業が後援する調査として扱うべきである。ただし、ベンダー市場が本番運用の制御機能を製品の一部として位置付けていることは示している。

Cisco、Salesforce、Microsoft、NICE、Genesys、その他のプラットフォームプロバイダーも、同じ大きな方向に進んでいる。会話型システムを企業記録、ルーティング、ワークフォースツール、品質管理に接続している。

競争は重要な分断を露呈させるだろう。プラットフォームはコネクターやガバナンス機能を提供できるが、顧客は自社の記録と運用上の意思決定について引き続き責任を負う。

どの矛盾するポリシーが組織の真の意図を反映しているかを、ベンダーが自動的に判断することはできない。企業が責任の所在を曖昧にしたままでは、責任を割り当てることもできない。

人間のエージェントへの引き継ぎも、別のナレッジテストとなる。自動化が限界に達した後、顧客が会話全体を繰り返す必要があってはならない。

人間のエージェントには、文字起こし、検証済みの顧客コンテキスト、すでに試みた対応、エスカレーションの理由が必要だ。生の会話履歴だけでは、業務を減らすどころか増やす可能性がある。

AI生成の要約は役立つが、顧客の発言と検証済みの事実を区別しなければならない。そうでなければ、次のエージェントが誤った仮定を確認済みのアカウント情報として扱う恐れがある。

規制環境では、さらに要件が加わる。金融、医療、公共部門のコンタクトセンターは、アクセスを制御し、監査証跡を保存し、重要な対応を記録しなければならない。

これらの制御は、見かけ上のスピードを低下させることがある。しかし、不正確な1つの回答が繰り返されるポリシー違反へ発展するのを防ぐ。

同じ論理は多言語サービスにも当てはまる。欠陥のある情報源を翻訳しても、それは修正されない。複数の市場に誤りを拡散させ、矛盾する顧客への約束を生む可能性がある。

したがって、テストは会話の流暢さだけを対象にしてはならない。チームには、一般的な依頼、エッジケース、ポリシー例外、敵対的プロンプト、引き継ぎを軸にしたシナリオスイートが必要だ。

音声認識から検索、アクションまでの完全な連鎖をテストすべきである。モデル単体のベンチマークでは、アカウントシステムやワークフロー権限の内部にある障害を明らかにできない。

本番モニタリングでは、拒否と失敗も区別すべきである。制限された依頼を安全にエスカレーションするエージェントは、誤って完了させるエージェントより優れた成果を上げている可能性がある。

これは単純な自動化ランキングを複雑にする。封じ込め率が高いことが、常に優れた運用パフォーマンスを意味するわけではない。

ナレッジの鮮度も、測定可能なシグナルとなる。チームは、所有者、レビュー日、有効日、文書化された置換ルールを持つアクティブな情報源の割合を追跡できる。

検索の成功度も測定できる。有用な指標には、未回答の検索、矛盾する情報源、スーパーバイザーによる修正、自動解決後の再問い合わせが含まれる。

これらの運用指標は、コンテンツメンテナンスを財務成果に結び付ける。モデルの問題が実際にはナレッジの問題なのか、統合の問題なのか、プロセスの問題なのかを明らかにする。

ROIの根拠には依然として重大な検証の空白がある

ナレッジマネジメントの論拠には説得力があるが、現時点の証拠はAIのリターンに関する普遍的な公式を確立していない。

SiliconANGLEの記事は、スポンサーイベントにおけるアナリストのコメントを中心にしている。定義されたコンタクトセンター群からの監査済み結果は示していない。

TELUS Digitalの調査はより幅広い定量的な証拠を提供しているが、スポンサーはカスタマーエクスペリエンスサービスも販売している。その数値は、報告された導入状況と投資優先度を示すものであり、因果関係の証明ではない。

ベンダーの事例研究にも別の制約がある。成功した導入、選定されたユースケース、公に発言する準備がある顧客を取り上げることが多い。

こうした事例は導入の仕組みを明らかにできる。しかし、平均的な購入者が同じ結果を得られることを証明するものではない。

組織によって、解決、封じ込め、顧客満足の定義も異なる。2つのレポートで同一に見える指標でも、観測期間や除外条件が異なる可能性がある。

基礎となる業務構成も比較をさらに難しくする。注文状況を扱う小売業者と、機微な医療相談を管理する病院とでは、自動化の可能性が異なる。

人件費削減は特に過大評価しやすい。平均処理時間の短縮はキャパシティを生むが、キャパシティが自動的に現金になるわけではない。

コンタクトセンターが直接的な削減を実現できるのは、採用を回避する、残業を減らす、業務を移管する、あるいは人員配置を変える場合に限られる。それ以外では、支出を減らさずにサービス能力を得る可能性がある。

そのキャパシティにも価値はある。応答の迅速化、コーチングの拡充、顧客への追加的な働きかけは、給与コストの削減として現れなくても事業を改善し得る。

AIのコストはソフトウェアライセンスだけにとどまらない。企業には、統合、セキュリティレビュー、評価データ、ナレッジの所有者、コンプライアンス業務、継続的なモデル監督が必要となる。

これらのコストの一部は、消えるのではなく移動する。反復的な問い合わせが減ると、人間のエージェントにはより複雑な業務が生まれ、スーパーバイザーへの要求も高まる可能性がある。

顧客行動も変化し得る。容易な自動アクセスはやり取りの件数を増やし、1件あたりのコスト低下による節約を相殺する可能性がある。

業界には、長期間稼働する自律型システムの安定したベンチマークもない。モデル、ベンダーのアーキテクチャ、ポリシー、顧客の期待が同時に変化しているためだ。

そのため、短期間のパイロットは成熟した運用の予測としては不十分である。パイロットでは、狭いインテントの範囲、精選されたナレッジ、異例なほど密接な監督が用いられる場合がある。

本番環境には、ポリシー変更、季節需要、新製品、一般的でないアクセント、システム障害、予測不能な行動を取る顧客が加わる。

最も信頼できる評価設計は、高ボリュームのインテントを限定して始める。チームは人間対応のベースラインを確立し、現行の解決にかかる総コストを記録すべきである。

その後、同じ定義を使って、AI支援型、自律型、人間のみのグループを比較できる。比較は、再連絡や修正作業を捉えられるだけ十分長く続けるべきだ。

品質レビューでは、顧客グループ全体を代表するサンプリングが必要である。平均スコアは、特定の言語、アクセント、製品、アクセシビリティのニーズで低いパフォーマンスを隠す可能性がある。

組織は明確な停止条件も維持すべきだ。修正率の上昇、コンプライアンスインシデント、繰り返される検索失敗は、ロールバックまたは自律性の縮小を引き起こすべきである。

これは、あらゆる導入を遅らせるべきだという主張ではない。権限を証拠に見合うものにすべきだという主張である。

要約やエージェント支援では、一般に人間が管理を維持する。自律的な返金、アカウント変更、適格性判断は、より重大なリスクを生む。

段階的なモデルにより、測定されたパフォーマンスとともに信頼を高められる。また、実際のやり取りが明らかにするコンテンツの欠落を、ナレッジチームが修正する時間も得られる。

したがって重要な不確実性は、ナレッジが重要かどうかではない。特定の運用において、規律あるナレッジ業務が各成果をどれほど改善するかである。

経営幹部は、節約に関する広範な主張を受け入れる前に、そのローカルな証拠を求めるべきだ。また、測定が不足していることを、便益が存在しない証拠として扱うべきではない。

バランスドスコアカードは、財務価値とサービス価値の両方を捉えられる。解決品質、顧客の負担、従業員の成果、リスク、フルロードの運用コストを結び付けるべきである。

コンタクトセンターAIが採算に合うかを示す3つのシグナル

次の段階を決めるのは、機能発表ではなく、本番の証拠、ナレッジの規律、顧客成果である。

第1のシグナルは、報告される指標の変化である。ベンダーと企業の購入者は、封じ込め率や平均処理時間と並べて、検証済みの解決率を公表すべきだ。

こうしたレポートには、再連絡、エスカレーションの品質、修正作業、顧客の負担を含めるべきである。また、定義と測定期間も説明すべきだ。

成果報告が標準になれば、SiliconANGLEのコンタクトセンターAI ROI論を強化することになる。購入者が、自動化された会話量を価値の代替指標として受け入れなくなったことを示すからだ。

ベンダーが下流の成果を公表せず、処理した会話を引き続き強調するなら、検証の空白は残る。購入者はプラットフォームを比較したり、リターンを検証したりするのに苦労するだろう。

第2のシグナルは、ナレッジ運用への投資である。2026年の調査で見つかった17ポイントの導入格差は、今後の調査に明確なベースラインを提供する。

検索機能を導入するだけで終わらず、組織がその先へ進むかに注目すべきだ。より強い指標となるのは、コンテンツの責任者を割り当て、鮮度を追跡し、矛盾を解消し、修正をワークフローへ結び付けているかどうかである。

こうした実践が広がれば、エンタープライズのナレッジが本番環境のインフラになったという見方を裏付けることになる。導入が横ばいであれば、企業が依然として脆弱な基盤をモデルが補えると期待していることを示唆する。

3つ目のシグナルは、プラットフォームが人間への引き継ぎとガバナンスをどのように扱うかだ。製品リリースは、より高い自律性という主張ではなく、観測可能な統制機能で判断すべきである。

有用な証拠には、バージョン管理、ロールバック、ソース引用、権限の適用、アクションログ、評価ツール、完全な引き継ぎコンテキストが含まれる。

規制の動向も、こうした統制を試すことになる。人間によるアクセスを求める要件は、どんな犠牲を払っても顧客を自動化の内部に留めることを前提とした導入を露呈させかねない。

適切に設計された運用では、引き継ぎを有効な解決経路として扱うべきだ。自律性は、システムが十分な知識、権限、証拠を持つタスクに限定すべきである。

これらのシグナルは、コンタクトセンターの経営幹部だけに関係するものではない。開発者は、固定的なデモではなく、変化する業務ルールを中心に検索とツールアクセスを設計しなければならない。

エンタープライズの購入担当者には、ナレッジの所有権と評価を含む調達基準が必要だ。機能一覧だけでは、断片化された社内情報に製品が対応できるかは分からない。

ナレッジワーカーにも直接的な利害がある。AIは反復的な検索や通話後の記録作業を減らせる一方で、十分な文脈がないまま難しい案件を従業員へ押し付ける可能性もある。

最も明確な影響を受けるのは顧客だ。通常の依頼を迅速に解決し、状況が複雑になった際には説明責任を伴う人間の支援を提供するシステムが必要である。

より大きな教訓は、顧客サービスの枠を超える。エンタープライズAIは、組織がAIに利用可能な形で提供できる情報と意思決定の質に依存する。

コンタクトセンターは、その依存関係を観測しやすくしているにすぎない。誤った回答、失敗した引き継ぎ、再度の問い合わせは、すべて測定可能な証拠となる。

SiliconANGLEのコンタクトセンターAI ROI分析は、市場がその転換点にあることを捉えている。モデルはもはや製品のすべてではなく、導入ももはや成果のすべてではない。

実務上の次のステップは、大量に発生する顧客ジャーニーを最初から最後まで検証することだ。関与するすべての情報源、判断、システムアクション、例外、引き継ぎを特定する。

次に、各情報源に責任者がいるか、すべての自動アクションをレビューできるかを問う。システムの権限を拡大する前に、正確な解決を測定するべきである。

これらの答えがなお不明確であれば、AIエージェントをもう1つ追加してもビジネスケースは修復できない。より適切に統制されたナレッジ、より明確なワークフロー、そして正直な成果指標が先に必要だ。