Claudeカスタマーサポート導入事例 — 自動化の設計思想はどう分かれるか

カスタマーサポート企業はClaudeをどう組み込んでいるか

カスタマーサポート向けAIプラットフォームでは、Claudeを土台にする例が目立ちます。Intercom(Fin)・Decagon・Assembled(Assist)・Kodifの4社は、いずれも自社のサポート自動化プロダクトにClaudeを組み込み、Anthropicの公式事例として実績を公開しています。

4社に共通するのは、「問い合わせを一次回答でかわす(deflection)」ではなく「実際に解決まで持っていく」ことを目標に掲げている点です。ただし解決までの持っていき方は一様ではなく、全自動を志向する企業もあれば、人間のオペレーターとの協調を軸にする企業、失敗時の切り戻しを重視する企業もあります。この記事では4社の実装を比較し、自社のサポート課題にどの思想が近いかを見ていきます。

Intercomは自動化の目標をどう「解決」に置いたか

Intercomは25,000社超の顧客基盤を持つカスタマーサポートプラットフォームです。AIエージェント「Fin」は問い合わせに24時間365日応答し、人間のオペレーターは複雑な問い合わせに集中できる体制を作っています。VP of AIのFergal Reid氏は「顧客を苛立たせるだけの偽の解決を提示するdeflectionエンジンは作りたくなかった」と述べ、実際に問題を解決することにこだわった設計思想を説明しています。

Finは追加のチューニングなしで平均51%の解決率を達成し、条件が整った顧客では最大86%まで到達しています。応答時間は従来の30分からわずか数秒に短縮され、45以上の言語に対応しています。Staff Machine Learning ScientistのPedro Tabacof氏によれば、評価プロセスは「軽微な修正から大きな更新まで、あらゆる変更を本番のベースラインと厳密に比較する」というものです。モデル選定は正解率だけでなく、解決率・顧客満足度・応答品質を横断して判断しています。

Intercomは自社の設計思想を「知識・振る舞い・行動・洞察」という4つの柱で整理しています。知識はナレッジベース全体を踏まえた即答、振る舞いは企業ごとのトーンや方針への追従、行動は返金処理や口座変更といった具体的な操作の代行、洞察はサポート運用全体の可視化です。この枠組みは導入企業の規模を問わず機能しています。スタートアップのSynthesiaは半年で6,000件超の会話を自動解決しました。成長中のFundriseは総問い合わせ量の50%超を自動化しながら95%の応答精度を維持しています。大企業のLightspeedは会話の99%にAIが関与しながら顧客満足度を落とさず、オペレーターの1日あたり対応件数を31%増やしました。

Decagonが目指す「AIらしくない」対応

Decagonは、既存のチケットシステムや顧客データベースと統合し、単純な問い合わせから従来は人間の対応が必要だった複雑な処理まで幅広くカバーするAIエージェントを提供しています。CTO兼共同創業者のAshwin Sreenivas氏は「多くの自動化ツールは汎用的なヘルプ記事を提示するだけで、結局は顧客に作業を丸投げしている。私たちは熟練したサポート担当者のように、状況を理解してすべてを代行するものを作りたかった」と述べています。

Decagonが評価で重視したのは複雑な指示への追従精度でした。同社は導入後、意図しない過剰な推論(over-inferencing)の発生率を70%削減しています。返金処理を例に挙げると、単に手順を案内するのではなく、資格確認から決済システムでの返金処理までをエージェントが完結させる設計です。SubstackやRipplingといったB2B・B2C双方の顧客基盤で、ブランドの声のトーンを保ちながら高精度に運用されている点も特徴です。

Assembledは人間とAIの協調をどう設計したか

Assembledは「Assist」というオムニチャネルのAIエージェント兼コパイロットを提供し、人間のオペレーターとAIを組み合わせる支援オペレーション基盤です。共同創業者のJohn Wang氏は「サポート業務を単純化しすぎている新規参入企業が多い。AIエージェントを投入すればすべて解決すると考えているが、実際には分析・行動・共感を要するTier 2以上の複雑な問題をどう解決するかが本質」と述べています。

Assembledを象徴するのは、競合サービスの障害時に5〜6時間の障害をリアルタイムで乗り切った事例です。同社は全LLMワークフローをClaudeへ20分で切り替え、顧客対応を止めずに済みました。この経験からモデルインフラ全体を見直す契機にもなったといいます。導入企業のThrasioはサポートチケットの50%超を自動化して約200万ドルのコスト削減を達成し、Honeyloveは時間あたりの解決件数を54%改善しています。全体では顧客満足度が20%向上する一方でサポート費用は減少し、エスカレーションは50%超減少しました。

Kodif、サポートを収益源に変える発想

Kodifは、元Uberのエンジニアリングリーダーが創業したサポート自動化プラットフォームで、Amazon Bedrock経由でClaudeを利用しています。CEOのChyngyz Dzhumanazarov氏は「多くの企業はカスタマーサポートを必要悪と捉え、技術投資よりも人員増強で解決しようとする」と課題を指摘しています。

Kodifが選んだのは精度と展開の柔軟性でした。「Claude 3.5 Sonnetは、返金やキャンセルのような特に慎重さが求められる業務で最も高い精度を発揮する」とDzhumanazarov氏は説明しています。導入企業のTrust Walletは暗号資産サポートの90%を自動化し、Dollar Shave Clubは65〜75%程度(公開資料内で表記に幅あり)を自動化しました。Kodifの特徴は、解約フローの自動化が単なるコスト削減にとどまらず、解約手続き中に顧客が注文の入れ忘れに気づいて追加購入するケースが増え、実際に収益向上につながった点です。

4社を横断して見えるパターン

4社を比較すると、Claudeを選ぶ理由は共通していても、何を成功指標に置くかで実装が分かれています。Intercom・Decagonは「解決の質」そのものを競争軸にし、複雑な指示への追従精度をモデル選定の基準にしています。一方でAssembledは人間のオペレーターとの役割分担を前提に置き、AIに任せる範囲を意図的に限定する設計を取っています。Kodifは自動化率の高さだけでなく、その先の収益機会まで踏み込んでいる点が他の3社と異なります。

自社の課題に近いのはどの事例か

サポート業務でClaudeを直接使う具体的な書き方はClaudeで問い合わせ返信を作るにまとめています。Amazon Bedrock経由での導入を検討する場合はBedrockのClaude料金が直接APIとの違いを整理しています。社内で法人プランとして展開する際の契約形態はClaude Enterpriseとはを参照してください。

よくある質問

Intercom・Decagon・Assembled・Kodifはそれぞれどのモデルを使っているか

Intercom・Decagon・AssembledはClaude Platformを直接呼び出しています。AssembledはClaude 3.5 SonnetとClaude 3 Haikuを用途別に使い分け、複雑な推論と高速処理を分担しています。KodifはClaude 3.5 SonnetをAmazon Bedrock経由で利用しています。

deflection(かわし)重視の自動化と解決重視の自動化はどう違うか

deflection重視の自動化は、ヘルプ記事の提示や定型的な手順案内で問い合わせ件数を減らすことを目標にします。IntercomやDecagonが目指す解決重視の自動化は、返金処理や口座変更のような具体的な操作をエージェント自身が完結させ、顧客が改めて人間に問い合わせる必要をなくすことを目標にしています。

サポートの自動化で人間のオペレーターは不要になるか

4社とも「人間を置き換える」のではなく「人間が担う業務の質を上げる」という立場を取っています。Assembledは複雑な問題ほど人間とAIの協調が必要だとし、Intercomも「AIを導入した企業がレイオフをするのではなく、サポートチームがより価値の高い業務に移行している」と説明しています。

中小規模の企業でもこれらの事例は参考になるか

Assembled・Kodifは社員数の少ない企業でも導入しており、大規模な専任チームがなくても既存のプラットフォームへのAPI統合で導入を進められることを示しています。まずは一部の問い合わせカテゴリーに限定して自動化を試し、解決率のデータを蓄積してから対象を広げる進め方が共通しています。

まとめ

カスタマーサポートでのClaude採用は、解決率そのものを競争軸にする企業(Intercom・Decagon)、人間とAIの役割分担を前提にする企業(Assembled)、自動化の先の収益化まで踏み込む企業(Kodif)に分かれます。共通するのは、単純な問い合わせのかわしではなく実際の解決を目標に据えている点です。自社のサポート課題がどの層にあるかを見極めたうえで、参考にする事例と実装方式を選んでください。