提供企业级 AI 联系中心基础设施的 RightTouch 株式会社（总公司：东京都品川区；代表取缔役：野村修平／长崎大都；以下简称「RightTouch」），发表了以 AI 营运商为内核的「AI 联系中心」构想。同时，也将开始提供作为其智能内核的知识集成平台（QANT 知识中心）的新产品。 RightTouch 推出实现 AI 联系中心的 AI-Ready 知识集成平台「QANT 知识中心（β）」。产品发布请点击此处：https://righttouch.co.jp/news/4N5BcObP 此构想的目标并非「自动化查找」，而是「创建一个随着营运而持续提高查找解决准确度的机制」。 通过以 AI 为前提重新设计整体客户接触点，将全面利用联系中心累积的应答数据和知识数据。这将使 AI 自动应答（AI 营运商）与人工应答有机地协同运作，持续改进和提升客户体验（CX）。 ■ 背景：联系中心面临的结构性课题 近年来，联系中心所处的环境发生了巨大变化。随着数字化的发展，客户接触点日益多样化，查找数量逐年增加。客户体验（CX）已成为决定企业竞争优势的关键经营主题。尽管对高准确性和快速响应的期望不断提高，现场仍面临以下结构性课题： 课题 ① 以人力为前提的营运模式的极限 长久以来，联系中心一直采用「通过增加人员来确保应答能力」的劳动密集型模式。然而，由于招聘困难、离职率居高不下以及人力成本上升，确保所需人员本身已变得困难。 另一方面，随着数字管道的普及和服务的复杂化，查找数量持续增加，供需之间的差距不断扩大。 在这种情况下，传统的「增加人员来应对」方法在盈利能力和营运方面都已达到极限。因此，需要转变为不依赖人力的营运模式。 课题 ② 自助解决措施的瓶颈 为应对人手短缺，许多企业已推动自助解决措施，例如整理常见问题解答 (FAQ)、改进网站导引以及引入聊天机器人 (chatbot) 和语音机器人 (voicebot)。然而，这些措施在达到一定水准后效果趋于停滞，导致「虽然已导入，但成效不彰」和「现场负担未减」的情况持续存在。 其原因在于工具各自独立运作，未与客户数据（例如客户声音 VoC、网络行为、属性及过往应答等）链接。在营运负担居高不下的情况下，改善所需的数据未被充分利用，也未纳入持续提升准确度的机制。 课题 ③ 企业知识运用的分断 更为严重的是企业知识数据运用的分断。许多企业将知识分散管理，例如「针对 FAQ」、「针对营运商」和「针对 AI」。结果导致更新负担增加和信息不一致，难以提供一致的客户服务。 此外，客户接触点（网站、聊天、电话）、知识和应答日志的分断会导致改善周期的停滞，无法全面提升客户服务。 在此背景下，重新设计联系中心营运模式的需求日益增高。 ■ RightTouch 提供的 AI 联系中心 针对这些课题，RightTouch 致力于重新设计联系中心本身的营运模式。 AI 营运商将承担从首次应答到解决的所有任务，知识集成平台将学习并集成应答日志和客户声音 (VoC)，从而实现一个自我进化的营运模式，其准确性会随着营运而提高。 这种方法的最大特色在于，它能够实现「持续进化的客户服务」，这是传统部分优化的 AI 导入无法达到的。 这不仅限于通过自动化应答来提高效率，AI 与人类协作还能提升应答品质并为每位客户进行优化。由 AI 处理例行性任务，而人类则专注于高附加价值领域，例如复杂问题和情感支持，从而能够根据客户的状况和情境提供更精确的应答。 未来，公司目标是优化整个企业的数据利用，展望一个「代理对代理」协作的世界。 ① 越实际运用越强大的「强大 AI 营运商」 这不仅仅是一个简单的问答自动应答工具；它能理解客户的背景脉络，并稳定地引导客户自行解决问题。