9月19日、PyMNTSが「Dutch Telecom Builds an AI System for Millions of Customer Calls」と題した記事を公開した。この記事では、オランダ最大手通信会社KPNが年間500万件の顧客対応にAIエージェントを導入した実装事例について詳しく紹介されている。
年間500万件の電話対応をAIエージェントで処理する
KPNはオランダ最大手の通信事業者だ。同社のカスタマーサービス部門は年間約500万件の電話対応を抱えており、定型的なやり取りであっても、システムアクセスや人員リソースを必要とする大規模な業務となっている。
KPNはすでにAIチャットボット（請求書説明用エージェントや一般的なQ&Aエージェント）を導入済みだったが、顧客対応の大部分をいまだ占める「電話」へのAI展開が課題だった。そこでMcKinseyとそのAI部門であるQuantumBlackと共同で、AIエージェント基盤の構築に着手した。McKinseyを選んだ背景について、記事ではKPNが既存のチャットボット群で蓄積してきたAI導入知見を、電話チャネルという未踏の領域に一気に展開するにあたり、QuantumBlackのエンジニアリング力と業務変革のノウハウを必要としたと説明している。
「AIエージェント（Agentic AI）」とは、質問に答えるだけでなく、バックエンドシステムと連携してタスクを実行し、必要に応じて人間にエスカレーションできる自律的なAIシステムを指す。単なるチャットボットとは異なり、業務プロセスそのものに介入できる点が特徴だ。OpenAIによるAgentic AIの解説なども参照すると、この領域の技術的背景をより深く理解できる。
実装の具体的な中身
対象業務の絞り込みから始める
開発チームはまず、匿名化された大量の通話録音とチャット履歴を分析し、繰り返し発生する顧客ニーズを洗い出した。その結果、以下の業務がユースケースとして選定された。
- 本人確認
- 注文状況の照会
- 技術者訪問の予約管理
- インターネット接続のトラブルシューティング
技術的な要件
構築したプラットフォームはKPNの基幹通信システムとAIエージェントを直接接続する設計になっている。音声対話に最適化されており、1ターンあたりのレスポンスタイム2秒以下を目標とした。また、顧客がエージェントの発話途中に割り込んでも会話のコンテキストを保持し続ける機能も実装されている。アーキテクチャはユースケースを追加するたびにゼロから構築し直す必要がなく、拡張可能な設計になっている。
ガードレールと品質管理
大規模運用にはリスク管理が不可欠だ。KPNはエージェントの動作範囲を定めるガードレールを導入し、パフォーマンス監視ツールも整備した。リリース後は1日あたり最大100件の通話録音をチームがレビューし、その知見をプロンプト改善に反映して、当日中にアップデートを展開するサイクルを確立している。
従業員側の対応
技術面だけでなく、組織面の変革も並行して進めた。現場の従業員が開発・テストに参加し、AIが定型業務を担うにつれて人間のエージェントは複雑な問題対応に集中できるよう役割を再設計した。KPNによれば、従業員のアダプション率（adoption rate：新しいシステムや業務フローを実際の業務で受け入れ・活用している従業員の割合）は86%超を達成したとしている。この数値は、技術導入の成否を左右するとされる組織的変革の指標として記事中で強調されている。
結果と今後の目標
初期の導入結果として、KPNは以下の成果を報告している。
- 対応時間の短縮
- 技術者の訪問なしで解決できる案件の増加
- 人間エージェントが複雑な問題に集中できる時間の確保
- 顧客満足度は人間対応と同等水準
顧客満足度については、記事では「人間対応と同等（on par with human agents）」という表現が用いられているが、具体的なスコアや使用された測定手法（CSATスコアの比較なのか、NPS比較なのか等）は明記されていない。この点はKPN側の開示範囲の限界であり、独立した検証を経た数値ではないことに留意が必要だ。
今後の目標として、KPNは2027年までにカスタマーサービス全体の10〜20%をAIエージェントで処理することを掲げている。
エンジニアが読むべきポイント
この事例で注目すべきは、技術的な実装よりも「業務プロセスの再設計がAI導入の本丸だった」という点だ。記事の中でもKPNの経験として「AIをカスタマーサービスに導入するには、テクノロジーの展開と同程度のオペレーション再設計が必要だった」と明言されている。
AIエージェントのアーキテクチャ設計（低レイテンシ、割り込み対応、コンテキスト保持）は技術的に興味深いが、それ以上に「匿名化通話ログの分析によるユースケース選定」「日次の通話レビューによるプロンプト改善サイクル」「現場従業員をテストに巻き込む開発プロセス」といった運用設計の細部が実用上の鍵を握っていることが、この事例から読み取れる。86%超というアダプション率が示すように、組織変革を伴わないAI導入は技術的に優れていても定着しないという教訓は、同様の大規模導入を検討しているエンジニアや意思決定者にとって示唆に富む。
詳細はDutch Telecom Builds an AI System for Millions of Customer Callsを参照していただきたい。
