チャットボットの最適化をやめる：カスタマー・ケアにエージェント型オーケストレーションが必要な理由

現在、自動化されたソリューションで解決できる顧客からの問い合わせは全体の約14%に過ぎません。顧客はチャットボットに質問をすれば、明確な答えが得られ、質問を掘り下げ、話題を変えても理解されることを期待しています。消費者は、システムが文脈を維持し、曖昧さを処理し、複数のセッションにわたってニーズを記憶し、自然な方法で応答することを期待しています。なぜなら、ChatGPTのようなチャットボットは、こうしたエクスペリエンスを提供しているからです。

その後、銀行、保険会社、通信事業者に問い合わせると、そのカスタマー・サービス・チームでは異なるエクスペリエンスをすることになります。「なぜこのチャットボットは私が使っているチャットボットと同じように動作しないのか」と疑問に思います。

代わりに、柔軟性に欠けたフロー、繰り返される質問、行き詰まりに直面し、人間の担当者を求める方向に追い込まれてしまうのです。こうしたことが頻繁に発生すると、顧客はデジタル・チャネルに対する信頼を完全に失ってしまいます。彼らは、製品、ポリシー、サービスを理解するための主要なインターフェースとして外部のAIツールを参照するようになり、企業はカスタマー・リレーションシップをコントロールできなくなるリスクを負うことになるかもしれません。

カスタマー・ケア責任者にとって、このエクスペリエンスがもたらす影響は即座に現れます。サービス・コストの上昇、問題解決率の低下、そして顧客体験の悪化です。人間のエージェントを問題を解決できないチャットボットに置き換えると、顧客はフラストレーションを感じ、サポートを受けられません。サポートを受けられないと、顧客は単に関心を失うだけでなく、離れていってしまいます。

カスタマー・サービスの自動化のほとんどは、事前定義された流れに沿って顧客をガイドするという単純なモデルに基づいて構築されていました。「これについては1を、あれについては2を押してください」という感じです。チャットボットが電話のやり込みに取って代わっても、基盤となるアーキテクチャーはほぼ変わっていませんでした。これらのシステムはルールベースの論理を採用し、内部で限定的なAIが搭載されていました。音声をテキストに変換し、意図を判別し、具体的な情報を取得し、スクリプト化されたフローに沿ってユーザーを案内することはできますが、それは会話がシステムが想定する正確な流れ沿った場合に限られていました。

ただし、顧客は話題を変えたり、フォローアップの質問をしたり、問題を組み合わせたりします。システムが自分たちの意味を理解し、適切に解釈してくれることを期待しています。前世代の自動化が失敗しがちな理由はそこにあり、多くの組織がカスタマー・サービスの自動化に長年投資しているにもかかわらず、問題解決率が低いままになっている理由があります。

高まる期待に応えるためには、これまでとは異なるアプローチが必要です。画一的な流れを顧客に強いるのではなく、顧客の意図を理解し、リアルタイムで適応し、タスクを完了できるシステムが必要なのです。

大規模で複雑なサービスの問題を、より小さな、焦点を絞ったタスクに分割すると、管理しやすくなります。1つのシステムにすべてを任せる代わりに、組織はやり取りの一部を専用のAIエージェントに割り当てることができます。

1つのエージェントが会話を始め、顧客のニーズを解釈します。それと同時に、別のエージェントが関連する知識を取得し、さらに別のエージェントがアカウントの更新や請求状況の確認などのトランザクションを実行する、といった具合です。それぞれのAIエージェントが1つの仕事をうまくこなし、協力して問題全体の解決を支援します。

このモデルは、カスタマー・ケアにおけるエージェント型オーケストレーションを支える中核となる考え方です。このモデルは、自動化をモノリシックなif-thenプログラムから、解決を中心に設計されたAIエージェントの連携システムへと移行します。

ある顧客が医療上の緊急事態に遭い、その月の現金が不足していて、まもなく支払う予定の500米ドルの自動車ローンの延期を申請する必要があります。コンタクト・センターに電話する代わりに、銀行のAIアシスタントに問い合わせます。

エージェント型システムは、次のようにやり取りを処理します。

• プライマリー・エージェントはリクエストを理解し、それを複数のタスクに分割します。
• クレジット・エージェントは信用スコアを取得して、適格性を評価します。
• 支払い履歴エージェントが、過去数年間の支払い漏れを確認します。
• 延期適格エージェントは、最近延期申請があったかどうかを確認します。
• ローン計算エージェントは、発生した利息や変更された支払い日を含む、更新されたローン条件を決定します。

各エージェントは特定のタスクを完了し、共有コンテキスト層を通じて結果を共有します。その後、オーケストレーション層がその結果をまとめ、更新されたローン条件を顧客に提示し承認を得ます。

顧客が承諾した場合：

1. 1つのエージェントがローン契約を更新します。
2. 別のエージェントは、CRMシステムを更新します。
3. やり取りは、エンドツーエンドで、人間のエージェントを必要とせずに完了します。

従来のシステムでは、このプロセスの各ステップには明示的にプログラムされたロジックが必要でした。開発者はすべてのルール、条件、および考えられる流れを事前定義する必要があるため、システムは柔軟性に欠け、適応が困難になります。

エージェント型オーケストレーションを使用すると、モデルの仕組みが変わります。チームはすべての結果をスクリプト化する代わりに、目標、制約、ポリシーを定義できます。エージェントは、管理されたガードレールの範囲内でタスクを完了する方法を動的に決定します。このプロセスにより、開発時間は数週間にわたるプログラミングから数時間の構成へと大幅に短縮されます。その結果、現実世界で避けられない複雑な状況が生じても、システムははるかに柔軟に対応できます。

取引量、コスト、顧客の不満が最も大きい要因となっている10～15の意図を特定してください。多くの組織では、請求に関する紛争、請求、アカウントの更新、配送やサービスの状態に関する質問など、一般的かつ効率的に解決するのが難しいやり取りなどのユースケースがこれに該当します。

これらの工程は多くの場合、経済性が最も明確になる工程です。自動対応の通話費用は通常通話あたり0.03〜0.25米ドル、ライブ・エージェントとのやり取りは3.00〜6.50米ドルの範囲です。こうしたやり取りのエスカレーションが多くなりすぎると、企業は人的チャネルに依存した経済構造から抜け出せなくなります。この機会を活用して、特に対応件数が多く、顧客体験に摩擦の多いプロセスにおいて、自動化によって解決されるやり取りの割合を向上させることです。

目標は、人間のエージェントをプロセスから完全に排除することではありません。判断、共感、交渉、例外処理が必要なときに、適切なタイミングで関与させることです。

うまく実施すれば、エージェント型オーケストレーションは、完全な文脈を引き継ぐことによって人間へのハンドオフの品質を改善し、繰り返しを減らし、顧客に最初から説明させることなく、エージェントがそのやり取りを引き継げるようにします。

オーケストレーションのもう1つの利点は、より強力なフィードバック・ループが作成されることです。

やり取りの結果とエージェントの成績を分析することで、組織はワークフローを改良し、エージェント間の調整を改善し、知識やシステム統合におけるギャップを特定し、時間の経過とともに着実に解決率を向上させることができます。

IBM® watsonx Orchestrate®は、カスタマー・ケア・チームに対し、分断された自動化から、より調整され、アクション志向のモデルへと移行する手段を提供します。そのため、組織は既存のシステムやワークフロー全体で機能するAIエージェントを構築、管理することができ、コンタクト・センター環境を全面的に置き換えることなくチームが解決率を向上させることができます。

また、DeepgramやElevenLabsなどのパートナーによる音声および会話機能を含むオープン・エコシステム・アプローチもサポートしています。このアプローチにより、企業は顧客がどのようにやり取りしたいかをよりよく反映した最新テクノロジーを使用して、エクスペリエンスを設計できます。

最も重要なのは、オーケストレーション、アクション、ガバナンスを統合できることです。つまり、カスタマー・ケア組織は、より良い対応を生み出すだけでなく、会話をビジネス・システムと連携させ、やり取り全体を通して文脈を維持し、企業が必要とする管理下で業務を遂行できるようになります。その結果、解決率を改善し、ライブ・エージェントへの依存を減らし、より一貫したカスタマー・ケアを大規模に提供するための基盤が強化されます。

有名な州立銀行でIBM watsonx Orchestrate がどのように動作するかをご覧ください

IBM watsonx Orchestrateの詳細はこちら