はじめに
ECサイトを運営していると、問い合わせ対応の負担は無視できません。返品したい、配送状況を知りたい、この商品は自分に合うのか——内容はさまざまですが、一通ずつ丁寧に返信するには時間がかかります。
「AIに全部返信させればいいのでは？」と思うかもしれません。ただ、私はあえてAIは下書きまで、送信は必ず人間が行うという設計を選びました。
この記事では、モーターサイクル用品を扱うECの問い合わせ対応に導入した「AI返信下書きシステム」の全体像と、なぜ全自動化しなかったのかを解説します。
なぜ「自動送信」ではなく「下書き」なのか
全自動返信の魅力と落とし穴
問い合わせにAIが自動で返信してくれれば、対応工数はゼロになります。魅力的ですよね。しかし、LLMは一定の確率で間違えます。存在しない返品ポリシーを案内したり、在庫がないのに「ございます」と答えたり——こうした誤りは、たとえ発生率が数%でも、送信してしまえば取り返しがつきません。
問い合わせ対応は「会社の名前で顧客に約束をする」行為です。ここに無検証のAI出力を直結させるのは、リスクとリターンが見合わないと判断しました。
ブランドへの信頼を守る
もう一つの理由はブランドリスクです。輸入ブランド品を扱うECでは、顧客は「専門店ならではの丁寧な対応」を期待して問い合わせてきます。機械的な返答や微妙にズレた敬語は、それだけで信頼を損ないます。
AIの文章は平均点は高いのですが、時々「惜しい」表現が混ざります。最後に人の目を通すことで、この「惜しい」を確実に潰せるんです。
「下書き」でも工数は大きく減る
では下書き止まりだと効果が薄いかというと、まったくそんなことはありません。問い合わせ対応で時間がかかるのは、実は「書く」ことよりも**「調べる」こと**です。この顧客は何を買ったか、過去にどんなやり取りをしたか、該当商品はどれか——。
AIが調査と文章化を済ませた状態から始められるので、オペレーターの作業は「読んで、直して、送る」だけ。体感の負荷が大きく変わります。
工数はゼロに近づくが、誤案内がそのまま顧客に届く。品質・ブランドリスクを制御できない
調査と文章化はAIが済ませ、人は確認と微修正だけ。品質を落とさず対応時間を短縮できる
仕組みの全体像
チケットの定期取得と非同期処理
問い合わせはHubSpotのチケットとして管理しています。システムは新着チケットを定期的に取得し、QStashというキューサービス経由で1件ずつ非同期に処理します。
キューを挟むのは、AIの生成に数十秒かかることがあるためです。同期処理にするとタイムアウトや取りこぼしが起きやすいので、「受け取ったら順番に必ず処理する」仕組みに寄せています。失敗したチケットは管理画面から再実行できます。
顧客文脈を集めてAIに渡す
下書きの品質を決めるのは、実はプロンプトの巧拙よりもAIに渡す情報の質です。EC受注管理システム（NextEngine）から購入履歴を、HubSpotから過去チケットのやり取りを取得し、問い合わせ文中の商品名を商品マスタと照合した上で、すべてをプロンプトに組み込みます。
この「文脈の注入」がないと、AIは一般論しか書けません。詳細は顧客文脈の注入の記事で解説しています。
意図を分類して回答の型を切り替える
問い合わせには返品・配送状況・在庫確認・商品相談といった「型」があります。システムはまず問い合わせの意図を分類し、意図別の回答テンプレートを使い分けます。商品相談の場合は、商品診断の会話パターンをまとめた接客ナレッジを追加で注入します。
下書きはチケットのノートに添付
生成された下書きは、メールとして送信されるのではなく、チケットのノート（社内メモ）として添付されます。オペレーターはチケットを開くと下書きが待っている状態です。内容を確認し、必要なら修正して、自分の手でメールを送信します。
問い合わせメールがチケット化される
NextEngine購入履歴 / 過去チケット / 商品マスタ照合
返品・配送・在庫・商品相談などを判定
オペレーターがレビュー・修正して送信（メール送信は必ず人間）
導入して見えた効果と学び
対応時間の短縮
もっとも分かりやすい効果は対応時間です。従来は1件ごとに受注管理システムと過去メールを行き来しながら文面を組み立てていましたが、今は下書きを読んで直すところから始められます。特に定型性の高い配送状況や返品案内では、確認と微修正だけで済むケースが多くなりました。
品質の底上げと属人化の緩和
意外だった効果が、対応品質の平準化です。ベテランと新人で返信の質に差が出るのはどこのCSでも悩みどころですが、下書きが「たたき台」として一定水準を担保してくれるので、新人でも安心して対応できます。接客ナレッジをプロンプトに注入しているため、ベテランの会話パターンが下書きに反映されるのも効いています。
それでも人のレビューは外せない
運用してみて改めて感じるのは、レビューを外せるレベルには（まだ）ならない、ということです。文脈の取り違えや、微妙なニュアンスのズレは一定確率で残ります。だからこそ、レビューしやすい下書きの形式や再実行の仕組みといった運用側の設計が重要になります。
自動化の線引き
「どこまでAIに任せ、どこから人がやるか」の線引きは、技術力ではなく業務のリスク許容度で決めるのがおすすめです。このシステムでは「顧客に届く直前」を人の担当にしました。
まとめ
問い合わせ対応のAI活用は、「全自動返信」ではなく「下書き生成＋人が送信」という設計にすることで、品質とブランドを守りながら対応時間を短縮できます。
- AIは調査と文章化を担い、人は確認と送信を担う
- 下書き品質の鍵は、購入履歴や過去対応といった顧客文脈の注入
- 返品・配送・商品相談など意図の分類で回答の型を出し分ける
- ノート添付・キュー処理・再実行といった承認フローの運用設計が実用性を決める
それぞれの詳細は、以下のサブ記事で掘り下げています。