AI・IT経営ケース 2026-10-20

顧客対応AIで生産性15％向上。それでも全員に導入するか？

読了目安：5分／テーマ：生成AI・投資対効果・人材育成・業務設計・ガバナンス

事実と演習の区別：冒頭の研究結果は公開論文に基づきます。以下のA社、金額、試算、導入案、判断基準は、すべて経営討議用の架空設定です。

背景

2025年に学術誌『The Quarterly Journal of Economics』に掲載された研究「Generative AI at Work」は、顧客対応担当者5,172人へのAI支援の段階的導入を分析しました。1時間当たりの問題解決件数は平均15％増加しましたが、効果には差があり、経験や技能の低い担当者ほど恩恵が大きく、最も経験・技能の高い層では応対品質の小幅な低下も見られました。AIは返信候補を提示し、担当者が編集・無視できる支援方式です。単一企業での結果であり、自社での再現や利益増加を保証しません。出典：Brynjolfsson・Li・Raymond（2025）

架空の法人向けSaaS企業A社には、顧客対応担当者100人がいます。うち入社1年未満は40人。問い合わせが増え、次年度は外注費と残業費の増加を見込んでいます。経営会議では全員向けAI導入案が出ましたが、現場責任者は「難しい案件では確認作業が増える。新人の育成と、熟練者の知識を更新する時間も必要だ」と指摘しました。

導入／変更内容

提案は、契約中の顧客情報と承認済みFAQを参照して返信案を作るAI支援です。最初の90日は新人20人と熟練者10人で試行し、経験年数と案件難易度が近い未導入群と比較します。顧客への送信は担当者が承認し、返金・契約変更・アカウント操作をAIが実行する権限は付けません。

現場では週30分、誤回答と有用な修正を振り返ります。熟練者にはFAQの更新担当として業務時間を確保し、AI案の採用率を個人評価に使わない方針です。早く回答するだけでなく、誤った案を退ける行動も評価します。

経営上の論点

投資対効果：全員導入の初期費用は600万円。年間運用費はライセンス720万円、連携・監査・教育・知識更新480万円、合計1,200万円です。効果測定と人による確認の負荷も、この費用か削減可能時間に反映させます。

現状の対象業務は100人×年1,500時間＝15万時間。仮に処理能力が15％上がって同じ件数を処理するなら、理論上の削減時間は15万−15万÷1.15≒19,565時間です。このうち外注・残業削減として実際に支出を減らせる割合を30％、時間単価を3,000円とすると、年間便益は約1,761万円。年間純便益は約561万円、初期費用の単純回収期間は約1.07年です。立ち上がりの遅れ、割引、税は含みません。

一方、支出削減に結び付く割合が15％なら便益は約880万円となり、年間運用費を下回ります。損益分岐は約20.4％、初年度に初期費用まで回収するには約30.7％が必要です。空いた時間を育成や難案件に回す価値はありますが、その時間を現金削減と重複計上してはいけません。

業務と組織：全員一律導入と、新人・特定案件への限定導入では、便益も費用も変わります。限定案は席数だけで費用を比例配分せず、残る連携・監査の固定費を含めて見積もります。外注契約をいつ縮小できるか、空いた時間を誰が再配分するかまで決めないと、処理時間が減っても支出は減りません。

リスクと権限：別の顧客の情報が検索されること、古い規約による誤案内、顧客文面に含まれる不正な指示が主なリスクです。顧客単位のアクセス制御と検索対象の制限、入力データの最小化、データの保存・学習利用条件の確認、根拠文書と回答履歴の記録を導入条件にします。IT部門が権限・ログを管理し、業務部門がFAQと応対品質を所有します。重大事故時の停止権限は顧客対応部長に与え、再開には情報セキュリティ責任者と業務責任者の承認を必要とします。

問い2問

1. あなたが経営責任者なら、全員導入・新人や案件を絞った導入・導入見送りのどれを選びますか。90日で確認すべき数値と、予算を追加する条件を示してください。
2. 新人の生産性が上がる一方、熟練者の応対品質が下がった場合、担当業務・評価・知識更新の役割をどう変えますか。AIに任せる範囲、停止と再開の決裁者まで決めてください。

考える観点

• 測定：経験年数・案件難易度別に、解決件数、確認を含む処理時間、7日以内の再問い合わせ率、誤案内率、顧客満足を比較する。速さだけを目標にすると、未解決の打ち切りが増えないか。
• 定着：使わない理由が操作の不便さか、情報の古さか、案件との不適合かを分ける。育成時間と熟練者の知識更新時間を誰の予算で確保するか。
• 投資判断：外注契約の減額可能時期と削減額を確認する。増収効果を見込むなら、売上ではなく追加費用を引いた利益で評価する。
• 継続条件：演習上の案として、対象群の解決件数／時が10％以上改善し、再問い合わせ率の悪化が1ポイント以内、重大な漏えい・権限逸脱がゼロ、実測値で再試算した年間便益が運用費を上回ることを拡大条件とする。重大事故は直ちに停止し、軽微な不具合は原因と対象範囲を特定して修正する。

短い解説

このケースで判断すべきなのは、誰のどの仕事にAIを組み込み、改善を何の成果へ変えるかです。新人支援から始める案には合理性がありますが、固定費を回収できるとは限りません。全員導入にも、熟練者の品質低下や確認負荷という見落としがあります。

試行では、品質と費用を同時に測り、担当業務と権限を変える責任者を置きます。論文の15％を予算の確定値にせず、自社の実測値、契約上の支出削減可能性、事故時の対応能力を揃えて拡大判断することが、経営としてのAI導入です。

参考：Erik Brynjolfsson, Danielle Li, Lindsey Raymond, “Generative AI at Work,” The Quarterly Journal of Economics, 140(2), 2025, pp.889–942. 論文（一次資料）。確認日：2026年10月20日。研究結果以外の判断場面・数値・基準は本ケース独自の演習設定です。