コールセンターはなぜコストとしてだけ扱われてきたのか
コールセンターは通常コストセンターに分類されます。コール量を減らし平均処理時間を短縮することが目標になり、対応が終われば記録は保管庫に入って二度と開かれません。毎日数千件積み上がる会話が、コストとしてだけ計上され資産には計上されてきませんでした。
けれどもその会話を読み返すと、次のサービスの手がかりがすでに入っています。どの機能でつまずくか、何を期待して失望したか、どんな回避策を自分で見つけ出すか。顧客はすでに私たちに語っていました。ただ、それを資産に変える術がなかっただけです。
STT と LLM ウィキは対応記録をどう資産に変えるのか
対応音声は STT でテキストになり、そのテキストを LLM が標準応対ドキュメントに整理してウィキへ積み上げます。薬局ソフトウェア会社の CS 自動化でこの構造を回してみると、回答品質を分けるのはボットの賢さではなく、ボットが参照する知識の品質と新しさでした。
そこでマニュアルを人が書き直す代わりに、毎日積み上がる実際の対応を文書へ変換して蓄積しました。すべての回答に根拠文書の出典を併記してハルシネーションを抑えます。こうすると対応記録そのものが、単一の真実の源泉として機能する知識資産になります。
同じデータがどうやって新規事業の入力になるのか
蓄積された対応データは「どう応対するか」を超えて「何をさらに作るか」の入力になります。繰り返される不満と繰り返される回避要求は、そのまま未充足ニーズのリストです。同じ問いが一定の頻度を超えて繰り返されれば、それは応対マニュアルを補強する信号であり、新機能や新サービスを検討する信号でもあります。
一日数千件の対応を持つ組織なら、これは市場調査をやり直すまでもなく、すでに手にしている原料です。顧客の声を聞いて終わるのではなく、構造化データに変えてプロダクトロードマップの入力へつなぐことが肝心です。
残る関門、個人情報はどう解くのか
最後の関門は個人情報です。対応テキストには氏名や連絡先、機微情報が混ざっており、そのままでは分析にも蓄積にも使えません。データを外部へ出しにくい領域なら、社内 LLM でマスキングを処理する設計が現実的です。
マスキングを終えた瞬間、コールセンターはコスト部門から新規事業発掘エンジンへと変わります。すでに持っているデータの錠を外す仕事だという点で、AX が到達できる最も高い地点がここだと考えます。