AIを用いたカスタマーサポートの業務プロセス・組織変革の実現

2026/2/27に、RECRUIT TECH CONFERENCE 2026で発表した逵の資料になります。

Transcript

1. RECRUIT TECH CONFERENCE 2026 AIを活用するための泥臭い準備がプロジェクト成功の鍵 AIを用いたカスタマーサポートの 業務プロセス・組織変革の実現 データ推進室 逵 正伸 開発とPM視点で語る、カスタマー／クライアントサポートの進化
2. 逵(つじ) 正伸 サッカー・スノーボード・子供 経歴 / Career 2017年にリクルートコミュニケーションズにキャリア入社。 自組織で機械学習を用いたWeb広告配信基盤を運営し、リク ルート各領域へWeb広告商品を企画・導入するプロジェクトを 中心に実施。 「Airビジネスツールズ」や『ホットペッパーグルメ』等のビ ジネス組織にも兼務し、プロダクト企画〜システム開発・運営 まで幅広く業務を担当。 一度退職したが昨年復帰。現在はDXのためのAI活用支援組織 のPMとして、社内カスタマーサポート組織のBPR/DXプロ ジェクトに参画中。 趣味 / Hobbies データ推進室 データテクノロジーユニット データプロダクトマネジメント３部 ＤＸ推進グループ
3. Agenda 1. プロジェクト概要 2. 課題 3. AI導入を成功させた鍵（成功要因） 4. 今後の展望 5. まとめ
4. 1. プロジェクト概要 CXの改善・大幅なコスト減を通じて事業KPIへの貢献を目指す ✅ 背景・目的 - これまでは「オペレーターの丁寧な対応」と「安定品質」が最優先 - 人件費を中心に高コスト構造、丁寧が故に解決リードタイムが長引く（≒CXの悪化） ✅ 目標 - コスト、解決リードタイムともに半分以上削減 ✅ スケジュール - 2年でCX組織が担っているリクルート全サービスへの展開（30~40領域）
5. 2. 課題 ユーザーにAI生成文をそのまま返答する初の試み ✅ AI生成文を直接ユーザーへ返答するための品質担保 - ユーザーへの金銭的不利益、会社のブランド毀損のリスク - システムロジックのみでどれだけ誤答を抑えられるか ✅ LLMを利用したプロジェクトが手探り - LLMの使い所、人との役割分担など、社内にもベストプラクティスがまだない ✅ （純粋に）時間がない - 30~40領域に対して個別カスタマイズしている時間もリソースもない
6. 3. AI導入を成功させた鍵（成功要因）① 徹底的な業務標準化を通じて、LLMのポテンシャルを最大化する「業務の構造化・データ化」 ✅ AI（LLM）に業務を渡しやすい状態にする - そのまま業務をAIに渡すのではなく、LLMが扱いやすい状態にする（=業務の構造化・データ化） - 本プロジェクトでは徹底的な業務標準化を通じたマニュアルガイドの整備 <マニュアルガイドのイメージ> id 問い合わせ分類 回答テンプレート 過去問い合わせケースNo. 1 予約を変更したい XXX 123-456, 789−123 2 ポイント数を確認したい XXX 456−789 - 既存業務/機能をそのままAI化 - Garbage In, Garbage Out - 徹底的な業務標準化・言語化 - LLMが扱いやすい構造データ 失敗パターン 本プロジェクト
7. 3. AI導入を成功させた鍵（成功要因）② 「AIに任せる領域」と「人が担う領域」の見極め ✅ 「何でもAI化」ではなく、LLMが得意なタスクを渡していく - 組織/業務価値 ➔ あるべき業務フロー ➔ 手段（AI活用） - 加えて、技術的実現性・コストも考慮しシステム構成を検討 ✅ 本プロジェクトでは網羅的・段階的に問い合わせ対応できる構成を採用 <業務/システム構成イメージ> ・UI/UX改善 ・マニュアルガイドをベース にMECEな記事作成 ①ユーザー自己解決 新FAQサイト ②無人対応 AI自動回答生成・返信 ③有人対応 AI対応サポート ・FAQで回答できる問い合 わせを自動応答 ・マニュアルガイドをベース に問い合わせ分類の推定 ・難易度高、要情報確認の 問い合わせはAIのサポート により早く、適切に対応実 施
8. 3. AI導入を成功させた鍵（成功要因）③ Human-”over”-the-Loop運用の構築による、継続的な回答精度維持・向上 ✅ フェーズにより人の介入を調整しながら精度フィードバック - リリース当初 ：全件確認しロングテールケースにも対応 - 品質安定期 ：定期的なサンプルチェックで変化に対応 ✅ LLMモデルアップデート時は人がニュアンス含め細かく確認 - LLMバージョンによって推定精度や、振る舞い（生成回答文の言い回し等）が変化 - 誤答になりやすいエッジケースを中心にゴールドデータを用いた全件チェックで品質を担保 （※ゴールドデータ：過去の問い合わせ - 回答の正解データセットを十分な量確保したデータ）
9. 3. AI導入を成功させた鍵（成功要因）④ 組織横断的な体制構築・ビジネスゴールへのコミットメント ✅ 異なる強みを持つ組織がお互いを補完し合って推進した - ビジネス組織（CX推進ユニット） 高い業務解像度・ドメイン知識をベースに業務設計、ビジネス要求定義 - R&D組織（Megagon Labs） AI/LLMに関する最先端の知見を活用し技術的な実現性の検証と高速なPoCの実施 - 開発組織（データ推進室） 領域展開を見据えたプロダクトアーキテクチャ定義、スピーディーな推進を実現
10. 4. 今後の展望 ナレッジの横展開を志向、運用フェーズでも更にAI活用し効率化を試行 ✅ リクルートグループ横断での横展開 - toB問い合わせ対応への応用、HR領域への横展開を検討 ✅ 運用フェーズでのAI活用 - AI as a Judge導入による精度評価工数の軽減 - FAQ記事の(半)自動修正 - 問い合わせ状況に応じたマニュアルガイドの(半)自動修正
11. 5. まとめ 技術ももちろん大事だが、AIを活用するための泥臭い準備がプロジェクト成功の鍵 ✅ 徹底的な業務標準化 ✅ 「AIに任せる領域」と「人が担う領域」の見極め ✅ Human-”over”-the-Loopによる品質担保 ✅ 組織横断的な体制構築・ビジネスゴールへのコミットメント