Contact Center AI

解決する課題

• 電話やチャットの一次対応を自動化し、よくある問い合わせを人手を介さず解決したい
• オペレーターが応対しながら手順や回答を探す時間を減らし、対応時間と教育コストを下げたい
• 大量の通話を自動で文字起こし・分析し、応対品質や顧客満足度の傾向を可視化したい
• 繁忙期や夜間でも待ち時間を抑え、必要な場合だけ有人にエスカレーションしたい
• 既存のコールセンター基盤 (テレフォニー) と連携しつつ、AI 部分だけを段階的に導入したい

主要概念と用語

• Contact Center AI (CCAI): コールセンター向けの AI 機能群の総称。仮想エージェント・エージェント支援・分析の3つが中核
• Virtual Agent (仮想エージェント): 顧客と直接対話する自動応答ボット。内部では会話 AI の Dialogflow CX を用い、電話やチャットで一次対応する
• Agent Assist (エージェント支援): 有人オペレーターをリアルタイムで支援する機能。通話中に回答候補・関連記事・応答文の提案を提示する
• CCAI Insights (会話分析): 通話やチャットのログを分析し、トピック・感情・通話理由・要約などを抽出して傾向を可視化する
• CCAI Platform: テレフォニーやチャネル管理まで含む、より統合されたコンタクトセンター基盤。既存基盤を持つ場合は AI 機能だけを組み込む構成も選べる
• Smart Reply / Knowledge Assist: Agent Assist の代表機能。過去応対やナレッジを根拠に返信文や参照記事を提案する
• エスカレーション (ハンドオフ): 仮想エージェントで解決できない会話を、文脈を引き継いで有人オペレーターへ引き渡す動作

仕様・制限・クォータ

• 電話 (音声) とチャットの両方に対応し、音声では内部で音声認識 (STT) と音声合成 (TTS) を組み合わせる
• 仮想エージェントの会話設計は Dialogflow CX (Conversational Agents) で行い、フローやステート、生成 AI 機能をそのまま活用できる
• 既存のテレフォニー基盤と連携する構成と、CCAI Platform でチャネルごと提供する構成があり、導入範囲を選べる
• 多言語に対応するが、対応言語や機能の提供範囲はリージョン・エディションで異なる。最新は公式ドキュメントで確認する
• リクエスト数・同時セッション・分析対象量などにクォータや上限があり、具体的な数値は変動するため都度確認する
• Insights の分析には会話ログを取り込む必要があり、保持期間や対象データ範囲を運用側で設計する

内部の仕組み

CCAI は独立した3つの機能を組み合わせて成り立っています。Virtual Agent は顧客と直接対話する層で、音声入力をまず音声認識でテキスト化し、Dialogflow CX の自然言語理解 (NLU) で意図とパラメータを判定して応答を返します。解決できない会話は文脈を保ったまま有人へエスカレーションします。

Agent Assist は有人通話の脇で動く支援層です。顧客とオペレーターの発話をリアルタイムに解析し、過去の応対やナレッジを根拠に回答候補・参照記事・返信文を提示します。オペレーターは提案を選ぶだけで済むため、調べる時間が減り応対が均質になります。

CCAI Insights は事後分析の層で、蓄積した会話を取り込み、トピック分類・感情分析・要約・通話理由の抽出を行います。これにより、よくある問い合わせや不満の傾向を把握し、仮想エージェントやナレッジの改善につなげられます。

設計パターン / ベストプラクティス

• まず問い合わせ理由を Insights で分析し、自動化効果の高い用件から仮想エージェント化する
• 仮想エージェントは完全自動化を狙わず、解決できない場合の有人エスカレーションを必ず設計する
• エスカレーション時は会話履歴と収集済みパラメータを引き継ぎ、顧客に同じことを繰り返させない
• Agent Assist のナレッジは根拠ドキュメントを整備し、提案の精度を保つ。古い記事は定期的に見直す
• 音声対応は認識誤りが体験に直結するため、用語辞書や言い回しをログから継続調整する
• 段階導入として、既存テレフォニーは残したままAI 機能 (支援/分析) から先に入れると効果検証しやすい

運用・監視

• Cloud Logging / Cloud Monitoring でリクエスト数・レイテンシ・エラー率を監視し、音声認識や Webhook の失敗を早期検知する
• 仮想エージェントのフォールバック率や未解決率を追い、誤分類や取りこぼしを訓練フレーズ追加で改善する
• Insights のダッシュボードで通話理由・感情・解決率の傾向を定期的にレビューし、自動化対象を見直す
• Agent Assist の提案採用率を見て、ナレッジの過不足や陳腐化を判断する
• 会話設計はバージョン管理と環境分離 (開発/本番) を行い、検証済みのものだけを本番へ反映する

コスト

セキュリティ

• IAM で各機能の編集・実行権限を最小化し、開発者と運用者・オペレーターのロールを分離する
• 通話やチャットには個人情報が含まれやすいため、ログの保持期間やマスキングを設計し、不要な機微データを残さない
• 保存データは既定で暗号化され、要件に応じて CMEK (顧客管理鍵, Cloud KMS) を適用できる
• 外部処理を呼ぶ Webhook は HTTPS と認証で保護し、なりすましリクエストを拒否する
• 機微情報を扱う場合は VPC Service Controls でデータ境界を設け、外部への持ち出し経路を制限する

関連サービス・比較

仮想エージェントの会話エンジンは Dialogflow CX そのものです。CCAI はそこへコールセンター向けの支援・分析を加えた位置づけで、AWS では Amazon Connect とその AI 機能群が相当します。

ハンズオン / CLI例

# 1) 関連 API を有効化（仮想エージェントは Dialogflow CX を利用）
gcloud services enable \
  dialogflow.googleapis.com \
  contactcenterinsights.googleapis.com \
  --project=MY_PROJECT

# 2) 仮想エージェント用の CX エージェントを作成
gcloud alpha dialogflow cx agents create \
  --project=MY_PROJECT \
  --location=asia-northeast1 \
  --display-name="cc-virtual-agent" \
  --default-language-code="ja" \
  --time-zone="Asia/Tokyo"

# 3) 作成したエージェント一覧を確認
gcloud alpha dialogflow cx agents list \
  --project=MY_PROJECT \
  --location=asia-northeast1

# 4) Insights の会話データを一覧で確認（分析対象の確認）
gcloud alpha contact-center-insights conversations list \
  --project=MY_PROJECT \
  --location=us-central1