PKSHA ChatAgent

自然文への応答力（言葉の揺らぎや抽象的文章の理解）

リリース直後から問い合わせ件数が減少（メール問い合わせを約2割削減を目標に設定）、チャットボット経由での疑問解消が一定数確認できる、ユーザーの生の声から改善点や訴求ポイントの発見

PKSHA Chatbotの機能の発展性と柔軟性

定性的に単純な質問が減少。無線LANや障害対応などタイムリーな問い合わせにチャットボットが即時回答できる点が評価されている。定量的な効果は導入1か月時点で詳細計測はされていない。

PKSHA FAQとの連携が可能で二重管理の手間が省けること

導入後（4〜5月）で前年比21%の問い合わせ削減を実現。対応の標準化が進み、ヘルプデスクの業務効率化やナレッジ共有の副次効果が発生。問い合わせの一部をチャットボットが対応し、ヘルプデスク負荷が軽減された。

管理機能が充実しており、誰でも難なくFAQをメンテナンスできる

利用者数は増加傾向で毎月の利用者は約190名（従業員560名中で約34%）。推定すると半数が質問すると仮定で約68%の浸透率。正答率はリリース後70%〜80%を維持。問い合わせ対応の効率化と部署横断の連携強化、自立的な問題解決の促進。

大手企業での導入実績や安定性

両サービス合計で19％の呼量削減。PKSHA Chatbotの対応件数が電話応対件数を超過。契約数増加に対して電話問い合わせ数は横ばいか微減を維持。NTTの大規模障害時に電話増加を抑制したと推定。

大量のインテントを扱っても精度が落ちない高いエンジン性能

チャットボットの発話数が導入当初比で6.8倍に増加。自己解決率はサービスにより最大で60％。ある部署では年間2,500万円のコスト削減。

FAQを効果的に提示する仕組みがあること

問合せログ約5,600件の蓄積。1日あたり20〜30件の問合せに対し5〜6名で有人対応が可能。繁忙期は1日で50件超の問合せに対応できた。属人化の回避、進捗管理のしやすさ、権限管理や同時編集などExcel運用時の課題解消。

Microsoft Teamsとの連携が可能であること

ユーザーの実際の質問形態やニーズが収集できるようになり、コンテンツ拡充により効果が期待できる。運用は担当5名で無理なく回っており、有人対応は現状少ないが便利に機能している。問い合わせ対応業務の工数を4分の3まで削減することを目標にしている。

管理システムが使いやすく運用工数が少ないこと（他社の約10分の1の運用工数）

自己解決率が81％を超え、チャットボットの継続利用意向が80％を超えた。電話問い合わせを完全に減らすには至らなかったが、問い合わせをためらっていた顧客の接点を増やせた。チャットログにより新しい問い合わせ傾向や不具合を迅速に発見・分析でき、コールセンターへのフィードバックやマニュアル改善が速やかに行えるようになった。

ダッシュボードでKPIや対話ログをビルトインで取得できること

レポート作成工数が0.4人月から0.06人月へ圧縮。チューニング工数を約9割削減、FAQ追加工数で約2人月分削減。自己解決率は導入前50%前後から導入直後70%、現在は83%に上昇。

回答精度の信頼性（先行事例がある）

自己解決率は70～80％（iPad利用のみのサンプル値）。リリース1ヶ月で過去の質問総数に対し約10％がチャットボットへ移行。事務統括部の電話以外の問い合わせ月約1,500件のうち約200件がチャットボットでのフィードバック。

高い精度（PoCで97～98%の精度）

チャットボットの精度が大きく向上し、商品に関する問合せ対応の手間と時間を削減できた。誰に聞けばよいか分からないという課題が緩和された。現在5,000以上の商品に対する回答を用意している。

自然言語処理能力が高いこと（キーワードマッチング型ではない）

PKSHA Chatbotの1ヶ月リクエスト数が約67,000件（2020年8月）。有人チャット接続数が導入直後に約45%減少（例：1月2,427件→2月1,329件、有人チャットが半減）。営業時間外の対応が可能になり、海外旅行保険の夜間契約対応などが改善。有人チャットの総コンタクト数は減少したが、有人チャット1件あたりの対応回数は増加。

Teams上に設置できること（普段使っているツールと親和性が高いこと）

導入後1か月あたり約2,000件弱をチャットボットが自己解決し、1件あたり約20分で換算すると月間約600〜700時間の効率化を実現。問い合わせの可視化により対応の属人化を低減し、担当者の心理的負担軽減につながった。

24時間365日、即時対応が可能な点

チャットボット利用者の自己解決率が50％を超えた。アクセス急増時でも安定運用と高い自己解決率を維持し、即時対応が増えユーザー満足度向上に寄与。

コスト（価格）に優れていたこと

月間1,500〜2,000件の利用。電話件数の減少。一般的な問い合わせの多くがチャットボットへ切り替わっている実感。利用頻度や効果には部署間で偏りあり。

運用性が高く自分たちで使いこなせること

チャットボットのカバー率は目標40%に対し現在約30%。メール・電話を含む総問い合わせは増加したが、離脱防止に寄与し、営業時間外の24/365対応や問い合わせ平準化、売上貢献を実感。お役立ち率（「役に立ちましたか?」での「はい」）は改善の末、良い月は60%超。

機械学習型で大量FAQでも精度を保てる点

初期精度（未チューニング）で88%、チューニングで99%まで向上。自己解決率は導入直後70%、チューニングで83%に到達。運用工数は導入前に比べ2〜3人月削減。導入時はFAQを300問から720問に増加し、現在は1,000問超を運用。

市場調査での利用率とシェアが優れていたこと

月間問い合わせが導入前の2,200件から1,300件に減少（前年比約40%減）。着電率が目標の75%を達成。ヘルプデスク対応時間の削減（導入前は月1,000時間超）。人材育成面で新入社員・中途社員の利用が進み、自己解決による育成支援。属性取得によりプロモーション施策の精度向上。

学習精度の高さ（少ない学習データでも高精度）

対話エンジンとスマートセンターでの対応により、自動応答が全体の約25%を占める。ナレッジは4500件超、正答率は80%後半〜90%程度。コロナ禍では月間約20万件の自動応答を実現。事務職員の照会対応件数減少による負担軽減や、現場からの好評（些細な質問も気軽に聞ける）も得られた。誤答は増加し、特別対応や範囲外の照会に対するコンテンツ追加が課題として顕在化した。