通信・インフラ AIエージェント活用ガイド

通信・インフラ業界のAIエージェントには、独自の視点が必要です。障害や災害が起きた際に、問い合わせが急増し、平常時の効率化だけでは対応しきれないためです。この「急増対応力」こそが、他業界にはない設計要件になります。

例えば、通信障害が発生すると、数日で数万件規模の問い合わせが集中します。この記事では、平常時と緊急時に分けて設計を整理します。国内外の事例もあわせて紹介します。

通信・インフラ業界のカスタマー対応が抱える構造的な課題

通信・インフラ業界のカスタマー対応には、他業界にはない特徴があります。問い合わせの量が、通常時と障害発生時で大きく変わる点です。障害発生時のまとめ記事によると、2022年7月に発生したKDDIの大規模通信障害では、発生から3日ほどで約9.6万件の問い合わせがカスタマーサポートに寄せられました[1]。

通常のコールセンター運営は、平均的な問い合わせ量を前提に設計します。しかし、障害時にはその前提が崩れます。数倍から数十倍の問い合わせが、短時間に集中することもあります。

通信・インフラ業界でAIエージェントに急増対応力が求められる理由

この課題に対応した海外の事例があります。vottia公式noteの記事で7社の事例を紹介しました[2]。そこには共通する設計パターンがあります。それが「急増対応力」です。緊急時のキャパシティ確保と平常時の効率化は、別の課題として扱います。

平常時：AIエージェントが日常の問い合わせを効率化する

平常時の通信・インフラ業界では、契約内容の確認や、料金プランの相談が中心です。設定方法の質問も多くあります。こうした問い合わせは、パターン化しやすいという特徴があります。

例えば、ドイツテレコムのAIエージェント「Frag Magenta」があります。年間400万件以上のやり取りを処理しています。100万件以上の質問に対して89%の正答率を実現しました[2]。あわせて、30万件以上のオペレーター転送を回避しています。自社開発のプラットフォームにより、開発期間を2か月から10日に短縮しました。

同様に、韓国のSKテレコムも独自のAIモデルを開発しています[2]。通信業界に特化したモデルです。ナレッジ検索や、文書処理の自動化に活用しています。多数の担当者の知見をもとに、学習データを構築した点が特徴です。

緊急時：AIエージェントが急増する問い合わせを受け止める

このような場合に求められるのは、平常時とは異なる能力です。短時間で大量の問い合わせを処理しきる、キャパシティそのものです。

この点は、AIエージェントとチャットボットの違いにも関わります。単純な自動応答ではなく、状況に応じて自律的に処理を進められるかどうかが問われます。

例えば、エネルギーインフラ企業のE.ONがあります。30以上のAIエージェントを運用しています。年間200万件以上の会話を処理しています[2]。障害や災害によるアクセス急増時にも対応できる設計です。1分間に1万件以上のやり取りを処理でき、同時セッションは最大2万5千にもなります。

また、Vodafoneの「SuperTOBi」も参考になります。15か国以上、11言語で、1日100万件の会話を処理しています。初回解決率を15%から60%まで引き上げたと報告されています[2]。

一方で、注意すべき事例もあります。米国Comcastの「Xfinity Assistant」です。日常的な問い合わせの80%を自動で解決しています[2]。しかし、全面的な自動化を進めた結果、課題も生じました。支払い済みなのに料金滞納の通知が届くなど、誤った案内が発生しました。複雑な問題を抱えた顧客が、オペレーターにつながりにくくなる問題も起きています。人による対応への切り替え経路を残すことの重要性を示す事例です。

通信・インフラ業界のAIエージェント比較表｜平常時と緊急時で変わる設計の違い

通信・インフラ企業がAIエージェントを導入する際に注意すべき点

まず、オペレーター支援から始めることが現実的です。いきなり顧客対応を全面的に自動化するのではありません。オペレーターの応対を支援するツールから導入すると、リスクを抑えられます。

あわせて、人へのエスカレーション経路を必ず残すことも重要です。Comcastの事例が示すように、全面的な自動化には落とし穴があります。複雑な問い合わせや緊急性の高い問い合わせは、人が対応できる設計にします。

さらに、平常時のシステムとは別に、急増対応力を検証しておくことも欠かせません。障害時は個人情報を含む問い合わせも増えるため、生成AIのセキュリティ対策もあわせて確認しておく必要があります。同時に処理できる件数や、負荷時の挙動を事前にテストしておくことが望まれます。

通信・インフラ業界のAIエージェント導入でよくある質問

導入の進め方に関する質問

Q. 通信・インフラ業界でAIエージェントを導入する場合、何から始めるべきですか？

A. オペレーター支援から始めることをおすすめします。対応内容の要約や、ナレッジ検索の支援など、リスクの低い領域からです。効果を確認したうえで、顧客対応の自動化に広げる進め方が現実的です。段階的な自動化の進め方は、「コールセンター自動化｜2026年のロードマップ」でも詳しく解説しています。

Q. 急増対応力は、どのように確認すればよいですか？

A. 平常時の何倍の問い合わせに耐えられるか、事前にテストすることが有効です。同時接続数や、応答時間の変化を確認します。障害発生を想定した負荷テストの実施をおすすめします。

他業界との違い・事例に関する質問

Q. 通信・インフラ業界は、他業界とどう違いますか？

A. 最大の違いは、問い合わせ量の変動幅です。多くの業界は、季節性はあっても比較的なだらかに変動します。一方で通信・インフラ業界は違います。障害発生時に数倍から数十倍の問い合わせが集中します。この変動幅への備えが、設計上の大きな違いになります。

Q. 全面的な自動化を避けるべき理由は何ですか？

A. Comcastの事例が参考になります。自動化を進めすぎた結果、誤った案内が発生しました。複雑な問い合わせで、顧客が人に相談できなくなる問題も起きています。エスカレーション経路を残すことが、信頼の維持につながります。

Q. 海外事例は、そのまま日本の通信・インフラ企業にも当てはまりますか？

A. 設計の方向性は参考になります。ただし、障害対応の体制や、顧客の期待値は国や企業によって異なります。自社の障害発生時の問い合わせ推移を踏まえたうえで、設計することが望まれます。

まとめ：通信・インフラ業界のAIエージェント導入のポイント

通信・インフラ業界でAIエージェントを検討する際は、平常時の効率化だけでは足りません。障害や災害による急増に、どこまで耐えられるかという視点が欠かせません。まずはオペレーター支援から始めます。そのうえで急増対応力を検証しながら、自動化の範囲を段階的に広げます。

出典：
[1] KDDI 2022年7月通信障害まとめ（piyolog、報道・公式発表等の情報をもとにしたまとめ記事）
[2] vottia公式note「通信・インフラのAI活用──コンタクトセンター海外7事例に見る自動化の設計パターン」（Deutsche Telekom・SK Telecom・E.ON・Vodafone・Comcast各社事例の一次情報：Total Telecom、ZenML、Cognigy、Microsoft等）