AI(人工知能)とはartificial intelligenceの略称で、コンピューターで人間のような知能を実現しようという試み、またはその基礎技術のことを指します。

インターネットの検索エンジン(一問一答式の電子辞書タイプ)や翻訳、自動車・工業機械の制御などの分野でセンサーから電気信号をデータとして処理するIoTを用いたAI(人工知能)の導入や応用事例が毎日メディアで紹介されています。

また、AI(人工知能)の自律的に学習していく機能が飛躍的に向上したことにより、企画業務やマーケティングなどのクリエイティブな職場など、さまざまシーンでの活躍が目立つようになりました。
更に、AI(人工知能)は人間とのコミュニケーション能力も実用レベルに向上してきたことから、チャットでのカスタマーサポートや、コールセンターの電話応対業務での活用にも期待が集まっているテクノロジーと変化しています。

新人育成で個人ごとの個性のバランスを改善
AI(人工知能)が提供出来るサービスの一つは、コールセンターの顧客対応を担うオペレーターの業務サポートです。
これまでコールセンター業界では、業務に必要となる膨大な業務知識を習得させるために新規採用者向けに約3か月の教育研修を実施してきました。
約3か月と云う長い期間を掛けても、実際の顧客との応対場面の経験不足からクレームにこじれてしまい攻撃を受け離職して行く問題が後を絶ちません。
加えて、この問題をクリアするための教育育成コストは、1人当たりに1か月間教える費用は約100万円。
1人3か月の間、手塩にかけて育成しますから企業は1人当たり300万円を投資します。
新規採用が5名居たら1,500万円の投資です。

そもそも顧客がコールセンターに問合せしてくる背景(コールリーズンやコールコーズ)に最適な回答を用意するのは、ベテランのオペレーターでも難しいケースがあります。
理由は、電話やメールなどを介して顧客が見ている状況や把握している状況を伝えてくるため、応対のプロフェッショナルであるベテランオペレーターでも何のことを伝えたいのか意図を理解するのに時間が掛かる時があります。

更に、新規採用者は業務知識は教育で教わったまま、業務や応対経験が少ないために、求められている状況の趣旨(コールリーズンやコールコーズ)の理解や正確な回答、そして対応スピードを維持する事はさらに困難です。
しかし、オペレーターが即戦力化して回答スピード、回答の正確性が向上出来れば、顧客満足度は大幅に向上するはずです。

本来顧客が自身で問題を解決するサービスが目的で提供されているFAQ( Frequently Asked Question/フリークエントリーアスクドクエスチョン)は、検索してもなかなか自己解決できない場合が有ります。
そのため顧客は、最後の砦とばかりに困り事の解決に期待を込めてコールセンターに問合せしてくるのです。

このままでは顧客が居なくなります。
もしコールセンターで問題が解決出来なければ、顧客は確実に離反して行きます。
それだけコールセンターはビジネスにとって顧客をつなぎ留め満足させる最後の砦になっています。
前述のFAQの使い勝手が良ければ、コールセンターに寄せられるお問合せ件数を減らせることになります。
それでもコールセンターにお問合せしてくる顧客に対して、解決したい問題の意図を的確に判断し、解決するための選択肢をベテランオペレーターはいとも簡単に聞き出し顧客が離反しないように全力でサポートしています。
地味ですが、こんな素晴らしいベテランオペレーターは貴社のコールセンターに何人いますか??
在籍率が高いセンターは安泰ですね。しかし、在籍率が低いセンターは、・・・・・。
特に、比較的経験の浅いオペレーターは、膨大な業務知識の活用に精一杯です。
こんな状況下でも言葉遣いや謝辞、明るい受け答えなど、対応品質を意識して業務を行う事が当たり前として要求されているため、離反しそうな顧客への応対に集中して全力で誠心誠意サポートしています。
貴社で応対しているオペレーターたちは多分多くを語りませんが、毎日とても忍耐強く頑張っている立派な方々です。しかし、今までのように忍耐など精神論で何が何でも頑張れ!!と掛け声をかけ続けても有効な手段とはならないでしょう。

オペレーターは業務上の対応負荷で大きなストレスを感じることも多く、離職率は驚異の約9割と云う高さが指摘され、この状況を世に問う本も出版されています。
世間では『コールセンターのオペレーターなら採用されてから業界知識を教えて貰えるから誰でも簡単に出来るのでは』と云うように考える人も少なくない。
だが、・・・・。
楽な応対ばかりではなく実際は、働いている企業のサービスや商品について『そんなこと本当??』みたいな事を強めの口調で畳みかけてくるクレーマーに対して対等に立ち向かうオペレーターは実に高いスキルの持ち主だと思います。
一括りに応対と云ってもお問い合わせは商品説明や取扱い店舗への案内、商品の在庫確認などの比率が高いが内容や難易度は他社多様である。
更に、応対が始まると顧客を待たせるわけにもいかず、求められたことを正しく理解して、考えられる回答に優先順位付けして分かりやすく伝える事が求められている。
そのために覚えておかなければならない業務知識は、数えきれない。
オペレーター中には行ったことが無い土地の駅の周りでも説明出来ると言い切る人もいる。
更に、ただ問い合わせに答えるだけではなく、顧客が言葉で表現できない事も聞き出して、もやもやしていた困り事を特定するなどもオペレーターに求められるスキルだ。
つまり、高い知識と知識を応用する知能と、知識と知能を組み合わせて知恵を絞り出すハイブリッドなコミュニケーション能力をベテランオペレーターは修得している。本当に素晴らしい。
このようなハイブリッドなスキルを身に付けているベテランオペレーターの占める割合が高いセンターは、きっと顧客満足度も高い。
勿論、逆もしかり。ハイブリッドなスキルを持ち合わせているベテランオペレーターが少なければ、顧客の困り事を把握する事も出来ないので、当然問題解決は出来ない。多分そのようなコールセンターでは離職率が高く、新規採用されたオペレーターの比率が高いのではないだろうか。

弊社事業の一つにコールセンター構築と云う作業が有ります。
この作業は、高層ビルのまだ内装工事が始まっていないだだっ広いフロアーに何百人ものオペレーターが働くコールセンターを構築する事です。
構築とは、カーペットが引き詰められ机といすが仮置きされたフロアーに応対用のヘッドセット付電話機と連動するコンピューターを配置し応対ブースを作ります。
同時進行で進めてきた応対業務の役割り付けや仕事の流れの用意やSV(スーパーバイザー)を教育する事です。

コールセンターシステムの構築は、企業側窓口のご担当者さまと打ち合わせを進める中で達成すべき納期を守り、不具合なく、決められた予算内で作りきる事が自分のシステムエンジニアとしてのミッションです。
ミッション達成後に、何百人ものオペレーターたちが応対の仕事についている姿を見ると仕事をやり切った達成感を味わってきました。

しかし、しかし。
時々ね運用を開始したコールセンターで気になる事が起きます。
それは、働くヒト達の離職率が高すぎる。
毎日、誰かが辞めて行く。
毎週末、送別会が行われる。
辞めたメンバーの空席を埋めるために新規採用オペレーターの教育が始まる。
これらは、システムエンジニアでも違和感を持ちます。
その違和感をセンター長にささやけば多くのセンター長も違和感を抱いていて、更に新規採用に係る教育経費を事前に見積もっていなかったと打ち合分けくれる事も有ります。
センター長と自分が感じる違和感の方向性に多少のずれは有るものの離職率の改善と新規採用オペレーターの即戦力化がセンター運用直後の課題になります。
急遽、予定以上に離職率が高く新規採用者を募り教育する見積りをしていなかったので、就任早々センター長の首が掛った事態に発展。
この事態を解決する取組みは『呉越同舟』のノリで離職率の改善と新規採用オペレーターの即戦力化に取り掛かりました。

対策
先ず、・・・・。
状況の把握と共有が大切と考え、各応対グループからメンバーを招集して、オフサイトミーティング。
オフサイトミーティングは、職位など階層を取り払いフラットな環境で自由に意見を出してもらうボトムアップ方式の改善活動の一つで別名ウォームアプローチとも呼ばれ、現場で起きている問題の特定や改善策を考える便利な方法です。
その成果は、大きく3つの愚痴を聞き出す事が出来ました。
1. 『きつい』
2. 『つらい』
3. 『ストレスがたまる』
更に、オペレーターの方々から改善のリクエストを頂きました。

センターの評価指標は矛盾だらけ
『サービスレベル』(センターー全体の評価指標。8割程度を目途に人員を調整)
意味は、待ち合わせガイダンスを聞いている人数若しくは割合。サービスレベルを8割にすると残り2割の人がガイダンスを聞かされている割合。長く待たされている顧客は、概ね本題に入る前に『長く待たせすぎ』とクレームをオペレーターに云います。オペレーターも慣れているので、『申し訳ございません』と自然に反応します。
→応対に出て第一声から『バカヤロー、何時まで待たさせる気だ』と云われたくない。
人員を投入すればサービスレベル上げられるのだから、出来るだけサービスレベルを高く設定して欲しい。

『受付件数』(多いほどオペレーターの評価が高い)
コールセンターの維持費の約7割が人件費です。この人件費を押さえる事もマネジメント層に求められる能力です。1日に100件取ったとか、120件取ったとか、コールセンターシステムが兼ね備えるレポートで順位が特定できます。センターの中には、この評価指標を一番重要としてオペレーターを評価するセンターも有るようです。
→件数を多く取ると事務的な手続きのみになりがち。機械と変わらなくなる。
もっと人間として、納得できるまで会話させてほしい。

『通話時間』(短いほどオペレーターの評価が高い)
顧客が困っていてじっくりお話しを聞きたいけれど、受付件数を伸ばすために心を鬼にして通話時間を短くしています。
→応対に必要な通話時間の標準を作って欲しい。
ただ、時間が短ければ優秀とか表彰されるとか納得できない。

『応対の履歴管理時間』(短いほどオペレーターの評価が高い)
顧客との応対を議事録的に残す方が、後日振り返った時に状況を再現しやすくなります。しかし、コールセンターでは極端の話し『問題の有無』程度のメモが多く存在します。
→研修で同じ応対録音を聞いてメモを残したけれど、十人十色でメモに残す観点がバラバラだった。
研修は、サンプルが一つだから意見交換してメモの基準を揃えられるけれど、全ての電話でメモの基 準を揃える事は難しい。結果的に内容確認は、同時録音に残っている音源を再生して確認するしかない。昔のメモを見てみ何も参考にならない。はっきり言って、メモを残す時間を次の電話に出る時間に使いたい。

『応対品質』(トラブルにならなければ評価が高い)
企業によっては、顧客が納得するサービスを提供するように指示しています。例として、顧客との応対の中で、共感の言葉、傾聴の姿勢、お詫びの言葉、クッション言葉の使用の有無などで評価しています。しかし、一部の企業は他の評価指標が優先されるためトラブルやクレームが起きた時に同時録音していたデータを再生して不備などの確認にとどめているようです。
→オフサイトミーティングに参加した多くのオペレーターは、顧客の困り事を解決したいと願っている事が分かった。その樽に応対の品質向上には積極的に協力したいと云う回答だった。
一方で、『通話時間』『通話件数』などを優先されると応対品質が犠牲になってしまうと云う意見が多かった。

顧客の困り事を解決したい
もし顧客のお話しを傾聴する事で親身になりお話しの詳細を聞けば聞くほど『通話時間』は長くなり、聞いた事伝えた事が多くなれば『応対の履歴管理』にまとめて残す作業が増えます。
そうです。
もうお分かりのように『応対品質』を高めると他の『受付件数』『通話時間』などの評価指標を達成できなくなります。その責任は、センター長が取る場合もあるようです。

そのため毎日一生懸命応対で頑張っているオペレーターは違和感を抱き続けます。
どの評価指標も重要と云われているけれど、・・・
もしかしたら、・・・・。
離職率が高い理由として考えられるのは、『受付件数』『通話時間』『応対の履歴管理』の方が、重要なのではないだろうか??と悩む事です。
更に、
離職率を高くする原因とされている事。
『オペレーターは、基本的に顧客とのつながりが弱い。』
コールセンターのオペレーターは、自分が電話に出られる状況に合わせて電話が繋がる順番の顧客と対話するシステムで働いています。
だから、特定の顧客とお得意様のような、私が担当するお得意様の○○さまと云う関係にはなれません。
気持ちの中で、ひっそりと誰が受けていても結局同じで自分でなければならない理由は何処にも無い??と思うそうです。

次に離職率を高くする原因とされている事。
『覚えるべきことが多すぎる』
先ほども紹介しましたがベテランオペレーターの中には、行ったことが無い土地の駅の周りも案内できる程、多様な知識が求められます。

次に離職率を高くする原因とされている事。
『長時間労働のわりに低賃金』
日本に海外からコールセンターが持ち込まれた1990年当初は時給4,000円のコールセンターはざらにありましたが、今は最低賃金よりは多少色がついている程度と聞いています。

次に離職率を高くする原因とされている事。
『ストレスがたまる。』
顧客のクレーム、無理難題の注文、身の上話を含む長電話が毎日あり、なかなか評価指標を達成できないそうです。

次に離職率を高くする原因とされている事。
『人間関係が難しい』
好きな曜日と時間に勤務できるコールセンターもありますが、毎日定時勤務と云うコールセンターの少なくありません。
この場合、人間関係がこじれると居辛くなりますよね。
前述でも触れた評価指標の中で何が高い評価に繋がるのか??がグレーとなり、なんであの人が表彰されるの??のような蟠りが残るようです。

何とかならないの??
今、大量の業務情報や行ったことが無い土地の駅の周りの案内に必要な地図などの知識データをAI人工知能のデータベースに格納すれば、離職する原因の覚える事が多すぎると云う原因を取り除く事が出来ます。
更に、問合せ時の調べ事も単語一つを電子辞書的に調べる場合と、ある条件が重なった場合にどうなるの??みたいな調べ物では調べ方が異なります。更に、多いく問合せでは、こんな意図で聞かれている場合の回答の組み合わせは3つなどとモニタに表示されれば新規採用のオペレーターでも応対をスムーズに進める事が出来ます。応対の流れの文脈に沿ってオペレーターを支援するAI人工知能は、特別に調べ物のために紙の資料を引っ張り出したりせずに、応対の文脈そのものに調べるべき知識資料を紐づけられます。調べる時間と云うか資料を探しに使う時間は不要です。だから顧客の満足度を高めても『通話時間』が短く出来、『受付件数』も稼ぐ事が出来ます。その結果業務上の精神的不一致の軽減に繋がり、コールセンターにおいて慢性的な課題となっていた高い離職率の改善が期待出来ます。

ベテランオペレーターは仙人では無いので、顧客が言葉に出来ない困り事をズバリ的中させることはできません。しかし、ベテランオペレーターは顧客が言葉に出来ない困り事を短時間でズバリ的中させ、納得して頂く解決策を提案します。
その極意をご存知でしょうか。
ベテランオペレーターは、顧客が言葉に出来ない困り事を探り出すヒヤリングとインタビューと云うコミュニケーションスキルを使い分けています。
ヒヤリングとは、問いに対して回答が『はい』か『いいえ』となるような問いです。
一方、インタビューは、答えを出した背景やこだわりや価値を聞き出すコミュニケーションスキルです。
もし、新規採用された新人オペレーターがAIのサポートを受けてヒヤリングやインタビューを使いこなせたら、今までベテランしか太刀打ちできなかった高い難易度の応対でも成功体験が得られるはずです。そのとき、きっと顧客は満足度が向上しているはずです。なぜなら自分の言葉で説明できなかった困り事を特定して、納得できる解決策の提案を受けているのですから、とても嬉しいはずです。
これは弊社のAI人工知能『コーチングエンジンⓇ』が提供するオペレーターの支援サービスの一部です。
更に、AI(人工知能)『コーチングエンジンⓇ』は、顧客と向き合い応対するオペレーターの判断の癖や振舞いをデータとして残し、得意分野やつまずくテーマなどをビッグデータに残します。
今まで特定のスーパーバイザーなどの管理者が行ってきた属人的な直感に頼る人材の評価に公平性が担保できるようになります。
今まで曖昧だった個人の評価に革命を起こします。
データに裏付けられた結果から個人の判断の癖や振舞いを把握できます。
管理者は、個人に対して最適な評価及び再教育が出来るようになります。
そのためコールセンターにAI(人工知能)コーチングエンジンⓇを導入するメリットは平均処理時間(AHT/ Average Handling Time)の短縮や、ワークフォース・マネジメント(WFM/Workforce Management)の最適化など、コールセンター全体の生産性に与える影響も非常に大きなものになります。

同じ間違えを繰り返さない組織づくり
更に、AI(人工知能)の導入によってもたらされる大きな恩恵のひとつが、対応時間の短縮です。
例えば、AI人工知能が搭載されているお掃除ロボットをご存知でしょうか。
お掃除ロボットを迷路の入り口に置けば、行ったり来たりしているうちに掃除の官僚と共に迷路の出口から出てきます。ところでAI人工知能搭載のお掃除ロボットはどんな処理をしているのでしょうか。
お掃除ロボットは、回転、進む、止まる、戻る の4つの動きをします。
迷路の中に入ったお掃除ロボットは、曲がれるまで進みます。曲がった先が行き止まりならメモリ内の地図の経路を黒く塗りつぶし戻ります。戻ったら次のまがい角を見つけ路地に入ります。ここでも行き止まりならメモリ内の地図の経路を黒く塗り戻ります。
この繰り返しで、お掃除ロボットは全ての経路をチェックし出口から無事に出てきます。
注目して欲しいポイントが有ります。
お掃除ロボットは行き止まりを見つけたらメモリ内経路を黒く塗りつぶしていました。目的は同じ失敗をしないためです。
このお掃除ロボットの行き止まりの経路を黒く塗りつぶす手法をコールセンター・接客・デスクワークに応用しているのが、AI(人工知能)コーチングエンジンⓇです。
顧客との応対が行き止まりに差し掛かったらそのシナリオを黒く塗って戻り、次のシナリオを使う。
この動作を繰り返せば応対や接客の対話の内容は顧客の意図を的確に絞り込み、回答するための選択肢も根拠が明確に出来ます。
AI(人工知能)コーチングエンジンⓇによって最適なナレッジがオペレーターに提示されることから、今までのように何を問われているのか顧客の意図が分からず、何度も資料を検索し「恐れ入りますが、もう一度お尋ねします。・・・・・・。」と云った同じ作業を繰り返す応対からオペレーターを開放するためオペレーターの自尊心は傷つかず、更に対応時間は大きく短縮されます。
コールセンター全体で考えると、離職率の改善と新規採用オペレーターの即戦力化の効果は絶大です。
コールセンターの規模が大きくなればなるほど、その効果は大きくなり、もはやコールセンターにAI(人工知能)コーチングエンジンⓇを導入しない選択肢はないでしょう。

AI(人工知能)コーチングエンジンⓇのサポートにより平均通話時間(ATT/Average Talk Time)が短縮され、平均処理時間(ACW/After Call Work)などの事務処理も簡略化が図れるため、全体の平均処理時間を大幅に削減することができます。
また、平均処理時間の短縮によりセンター全体で効率化が図れるため、サービスレベルや稼働率の向上にも期待が持てます。
管理者は、多くのお問合せが集中した時でも設計した標準時間で対応できるようになるため、人員の投入に確かな根拠を持って判断する事が出来るようになります。
AI(人工知能)コーチングエンジンⓇの活用による恩恵は、予想コール数に対する適切なスキルベースの人員の把握がこれまで以上に容易になるため、お問合せ内容を基にルーティングするGenesys社の CTI(Computer Telephony Integration)などを既に導入している場合は、AI(人工知能)とのシステム連係で特に高い効果が期待できます。
もし既にWFM(Work Force Management)を導入していたが余り効果が実感できないような場合でも、AI(人工知能)コーチングエンジンⓇとのシステム連係はWFMの精度向上にも貢献してくれます。
コール数の多いコールセンターでは、人員の育成やシフト管理は、とても重要であり大変です。
AI(人工知能)の導入による効果は、いままで人員のシフトをエクセルで作成していたスーパーバイザーに、能動的に活動できる時間を割り当てられるぐらい大きいと考えられています。
AI(人工知能)の導入後、個別の回答集の作成時間削減や聞き直し作業の削減などから、生産性の向上に成功したコールセンターの例は少なくありません。

コールセンターのオペレーターは電話対応を行いながら同時にキーボードを操作し、適切なナレッジを見つけるのが、これまでのコールセンターにおけるオペレーターの一般的な業務スタイルでした。
顧客の意図を正確に汲み取りながらキーボード操作を行うためには、慣れと経験を要します。
複雑な状況説明や、場面が早く移り変わる時、高ぶる感情を一方的に押し付けてくる威圧的な顧客の応対を行う場面では、キーボード操作が散漫になってしまうことも少なくありません。
この様な場合、百戦錬磨のベテランオペレーターでも心の動揺により細かなミスによって意図しないナレッジを開いてしまえば、対応時間の超過や誤案内につながります。
AI(人工知能)コーチングエンジンⓇなら顧客が伝えてくる意図を文脈から割り出し、関連するナレッジやFAQを表示します。
AI(人工知能)の自律的な支援によって、オペレーターの負担は大幅に軽減されます。
弊社が考える正しいAI(人工知能)の使い方は、顧客の意図の割り出しやご案内の内容の抽出と提案をAI(人工知能)がオペレーターをサポートしてヒヤリングやインタビューを仕向け、ヒトであるオペレーターが最終的な意思決定を担います。
細かなクッション言葉の選択や気遣いによる感情表現場面ではオペレーターが担当するといったような、AI(人工知能)とオペレーターによる業務の棲み分けのルール訳をしましょう。

コールセンターを成長のエンジンとして再定義
コールセンターは1990年代に日本にそのコンセプトが紹介されてからお客さま満足度の向上、業務の効率化及びサービスの品質の向上がテーマとなっていました。
今後は、AI(人工知能)を手段としてさらに活用し、さらに高度なニューノーマルなカスタマーサポートの探求を始める時代です。
そしてAI(人工知能)を実装するコールセンターは、効率化と生産性向上だけではなく売上げ拡大や、新製品開発、そして新市場開拓など、さらに貴社にとって役立つ情報を提供し続けていく事でしょう。
その結果、オペレーターの業務範囲も広がっていくことが予想されます。

既に先進的な企業は、AI(人工知能)との連携を強めた未来のオペレーターの地位や役割を見直し、より総合的な顧客対応を行う「コンシェルジュ」と再定義して、カスタマーサポートの拡大に着手しています。
AI(人工知能)の可能性を理解し、他社よりも早くコールセンターの業務に積極的に取り入れていく姿勢が重要です。

お問合せは、是非ここをクリック。

 

 

コメント

  1. この記事へのコメントはありません。

  1. この記事へのトラックバックはありません。