Overview
プロジェクト概要
受電対応の約8割を占めていた「予約確認」「営業時間・アクセス問合せ」「担当者への取次ぎ」を、AI音声応答と基幹システム連携で自動化。24時間受電・即時応対を実現しつつ、コールセンター要員を他業務にシフトした事例です。
| 業種 | サービス業（予約型ビジネス / 多拠点展開） |
| 対象業務 | 電話一次応対・予約確認・取次ぎ |
| 導入期間 | 約8週間（シナリオ設計2週 + 実装3週 + チューニング3週） |
| 運用規模 | 月間受電 約4,200件 / 24時間稼働 |
Before — 受電対応の実態
導入前は、現場スタッフが業務中に電話を取り、1件あたり2〜4分の応対を繰り返す体制。繁忙時間帯はオペレーション品質が落ち、逆に夜間・休日は「折返し対応のみ」で機会損失が常態化していました。
- 電話の約60%が予約確認・変更／時間問合せ／アクセスなど定型化できる問合せ
- 取次ぎ先不在時の折返しがタスクとして積み上がり、平均返信まで半日
- 夜間・休日の一次応対が不在で、翌営業日の処理に回る機会損失
- 音声応対の品質にばらつきがあり、クレームの元になりやすい
Solution — AI音声応答 × 基幹システム連携
音声対応はすべて「聞き取り → 意図分類 → システム照会 → 応答生成 → 必要に応じ人へ取次ぎ」の5ステップに標準化。意図分類と応答生成をLLMに任せることで、想定外の言い回しにも柔軟に対応できる構成にしました。
| # | 工程 | 実装 |
|---|---|---|
| 1 | 着信受付 | クラウドPBXで着信をSIP経由で受け、音声ストリームを処理エンジンへ転送 |
| 2 | 音声認識 | 日本語特化のASRで発話を逐次書き起こし。固有名詞の辞書を事前登録して精度を担保 |
| 3 | 意図分類 | LLMが「予約変更／予約確認／時間問合せ／アクセス／担当者取次／その他」に分類。信頼度が低い場合は聞き返し |
| 4 | システム照会 | 予約システム・CRM・営業時間マスタをAPI経由で照会し、応答に必要なデータを取得 |
| 5 | 応答 / 取次 | TTSで自然な日本語音声を合成し応答。AIで解決できない要件は担当者へ転送＋事前要約をSlackに送る |
「人に戻す」判定を厳密にした
自動応答の失敗はブランド毀損に直結するため、「AIが最後まで処理する」「途中で人に取次ぐ」の判断ロジックを設計段階で厳密に定義しました。
- 意図分類の信頼度が閾値以下 → 2回まで聞き返し、それでも不明瞭なら即有人へ
- クレーム・キャンセル・体調に関する言及を検出 → 即時有人転送（キーワード＋LLMのハイブリッド検知）
- 予約システム側でエラー／該当データなし → 有人転送と同時に要約メモをSlackに投稿
- 夜間は有人転送ではなく、折返し予約として自動登録し翌営業日にタスク化
成果（運用3ヶ月実績）
AIのみで完結した受電
78%
残り22%は有人転送 or 折返し予約
現場の電話対応時間
月260時間 → 60時間
接客・提案業務にシフト
夜間・休日の機会損失
ほぼゼロ
24時間の一次応対が可能に
一次応対までの待ち時間
平均40秒 → 0秒
着信即応答
使用スタック
- 回線: クラウドPBX（SIP着信 / 通話録音）
- 音声認識: 日本語特化ASRエンジン（固有名詞辞書同梱）
- LLM: Claude（意図分類・応答生成・エスカレーション判定）
- 音声合成: TTS（感情・イントネーションの制御）
- 基幹連携: 予約システム／CRM／営業時間マスタのAPI
- 監視: 通話ごとの意図分類・信頼度・エスカレーション率をLooker Studioでダッシュボード化
この事例から得られる示唆
受電自動化は「AIを電話に繋ぐこと」ではなく、「どこまでAIに任せ、どこから人に戻すかを設計すること」が本質です。for,Freelanceでは、シナリオ設計と有人エスカレーションの判定ロジックを事業ごとにチューニングして提供しており、クレーム対応が混ざる業種でもブランド品質を落とさずに自動化を進めることができます。
