INDUSTRY WHITEPAPER
AI支出から、AI価値へ。
サポート＆CXリーダーのためのフレームワーク。ディフレクション率を超え、AI Answers（答えを知る価値）とAI Actions（実行する価値）、そして両者が一緒に生み出す事業成果でAIの価値を測るための考え方を示します。
すべての取締役会で
「AIに相当な予算を割いた。それで、何が返ってきているんだ？」
CFOと取締役会は、四半期ごとに同じ問いを繰り返します。これまでサポートが返してきたのは、ディフレクション率、平均処理時間（AHT）の短縮、そして全社集会で見栄えのよいユースケース集でした。足りないのは、投資と事業成果を結びつける説得力ある答えです。
本ガイドによれば（paper引用）、エンタープライズのAI投資は2025年に1.5兆ドルに達した一方、取り組みの72%は浪費と不十分なガバナンスで価値を破壊し、測定可能な回収を達成できた企業はわずか1%にとどまる、という外部レポートが紹介されています。能力のギャップは埋まったが、測定のギャップは埋まっていない――そこを埋めるのが本フレームワークです。
注：本ページで引用する数値・ベンチマーク・予測は、いずれも本ホワイトペーパーが参照・報告している文脈であり、独立に検証された現時点の保証値ではありません。
SECTION 1
問題はシステムの分断ではない。コンテキストの分断だ。
ボリューム（チケットが多すぎる／エージェントが足りない）は症状にすぎません。病そのものは、エージェントがチケットを開き、CRMを立ち上げ、ナレッジベースを確認し、ログを掘り、また戻る――という「コンテキスト業務」に大量の時間が消えていることにあります。
提案だけでなく実際に実行するタイプのAIには、ひとつのやり取りの中で、顧客履歴・製品挙動・過去の解決事例・チームナレッジ・アカウント状況を統合して見渡せる視界が必要です。その統合レイヤーがなければ、AIは見える断片の中でしか機能できません。
だから本当の出発点は「AIを導入したか？」ではなく、「AIが最大の能力で働くために必要なものを、私たちは与えたか？」です。
ディフレクションの罠：語り口を入れ替える
ディフレクション率は「起こらなかったこと」を数えやすいから選ばれてきました。しかし、AIが何をしたか・顧客が何を体験したか・事業が何を得たかは測りません。本ガイドは、効率の指標から実行と成果の指標への移行を提案します（SECTION 2、ページ5）。
観点 | 従来のAI ROIの語り口 | 新しいAI ROIの語り口 |
|---|---|---|
中心指標 | ディフレクション率 | エンドツーエンドで自律的に解決されたチケット数 |
コスト | 回避チケットあたりのコスト | チケットあたりコスト（完全解決ベース） |
封じ込め／実行 | チャットボットの封じ込め率（コンテインメント） | 人手を介さず実行されたワークフロー数 |
時間 | 平均処理時間（AHT）の短縮 | エージェント1人あたり1日に取り戻せた時間 |
SECTION 3
AI ROIを再定義する：Answers＋Actionsモデル
AIは2つの異なるレベルで価値を届けます。ほとんどの組織はそのうち片方しか測っていません。両者は代替ではなく累積的で、交点にこそ変革的なROIが宿ります（ページ6、11、12）。
AI ANSWERS
より速く「知る」ことの価値
チームが情報にアクセスし統合する「やり方」を改善します。より速いコンテキスト取得、より正確な応答、より賢い意思決定支援。インパクトはスピード・正確性・確信です。
AI ACTIONS
知るだけでなく「実行する」ことの価値
ワークフローを実行し、チケットを自律的に解決し、レコードを更新し、ツールをまたいで連携します――人手を介さずに。インパクトはキャパシティ・スケール・コスト削減です。
相乗するROI
2つのレイヤーの交点
正確なコンテキストを取得でき、かつそれに基づいて行動できるAIは、片方しかできないAIを常に上回ります。片方だけを測ると、投資価値を体系的に過小評価し、大きな伸びしろを残したままになります。
AI Answers：何を測るか
以前はチケットあたり3〜4分かかっていた「理解」の作業が1分未満に。本ガイドが挙げる先行指標の要約です（SECTION 4、ページ7）。
指標 | それが教えてくれること |
|---|---|
チケットあたりの検索時間 | コンテキスト収集に、どれだけのエージェント時間が失われているか |
エスカレーション率 | 転送や専門家の関与を必要とするチケットの割合 |
応答の正確性率 | 答えが事実に基づき、正確であるか |
新人エージェントの立ち上がり時間 | 新入社員が、熟練者の生産性レベルにどれだけ速く到達するか |
AI Actions：何を測るか
本ガイドは、Gartnerの予測として、2029年までにエージェント型AIが一般的なカスタマーサービス課題の80%を人手を介さず解決し、運用コストを30%削減する、と紹介しています（paper引用、ページ9）。以下は実行レイヤーの先行指標です（ページ10）。
指標 | それが教えてくれること |
|---|---|
自動解決されたチケットの割合 | 人手を介さずAIが完了する仕事の量 |
人手を介さず実行されたワークフローの割合 | チケットのライフサイクル全体にわたる自動化の深さ |
エスカレーション率の削減 | 初回対応での解決品質 |
人員効率比（ヘッドカウント効率） | エージェント1人あたりの処理チケット数の推移 |
統合ROIは、こう現れる
2つのレイヤーが協働するとき、ROIは加算ではなく乗算になります。ディフレクション率が「起こらなかったこと」を測るのに対し、統合モデルは「起こったこと」――クローズされたチケット、実行されたワークフロー、回避されたコスト――を測ります（SECTION 6、ページ11〜12）。
変わること | Answersのみ | Actionsのみ |
|---|---|---|
解決の品質 | 応答は速いが、エージェント依存 | ワークフローは自動化されるが、コンテキストの欠落に制約される |
エスカレーション率 | 下がるが、依然エージェント依存 | 確信が低いと高くなる |
チケットあたりコスト | 効率化でわずかに低下 | 局所的には下がるが、一貫しない |
キャパシティ | 同じチームで、より速い出力 | 自動化は増えるが、スケールは限定的 |
顧客体験 | より良い応答 | 単純なケースの処理が速い |
4段階のAI価値スタック：投資から成果への道筋
測定のフレームワークは有用ですが、価値を「生み出す」道筋はさらに有用です。各段階が何を必要とし、何を解き放ち、どんな先行指標で測れるかを示します。目標は速くステージ4へ飛ぶことではなく、各段階が本当に機能しているかを確かめることです（SECTION 7、ページ14〜15）。
ステージ | やること | 解き放つもの |
|---|---|---|
Unify（統合） | 顧客レコード・チケット履歴・製品ドキュメント・運用システム・チームナレッジを単一のAI対応レイヤーへつなぐ | 断片ではなく、全体像を持つAI |
Answer（回答） | 引用付き回答・コンテキスト要約・ドキュメント提示・返信下書きをリアルタイムで差し出す | より速く、より高い確信で、より低いエスカレーション率で働くエージェント |
Act（実行） | 量が多く反復的なチケットから、振り分け・ルーティング・解決・レコード更新・フォローアップを自律化 | 同じ人員で、より多くの量を処理するチーム |
Measure（測定） | 運用データでナレッジのギャップを特定し、Answers×Actionsの相乗効果を継続的に追跡 | 四半期ごとに測定可能なほど良くなっていくAI運用 |
実際には、こう現れる
本ガイドが紹介する成果の例
以下はいずれも本ホワイトペーパーが報告している導入事例の文脈であり、独立に検証された現時点の保証値ではありません（ページ8、10、13、15）。
FOSSA
解決時間 -57%／人件費 -40%
分断されたサポートワークフローとバックログを抱えていた同社は、新規採用を増やすことなく解決時間を短縮し、サポート関連の人件費を削減したと報告しています（paper報告値、ページ10）。
DEEPDUB
66%を自律解決／24x7をスケール
少人数のチームで数万人のユーザーを支える同社は、全サポート質問の66%を自動解決し、チーム規模を増やさずに24時間365日のサポートを提供できていると述べています（paper報告値、ページ13）。
LUXCREO
顧客満足度 ほぼ100%
4段階の道筋をたどり、一貫したAI強化のサポート提供を通じて、ほぼ100%の顧客満足度に到達したと報告されています（paper報告値、ページ15）。
AI投資を、測定可能な成果へ。
取締役会の問いに、構造化された答えを。ビフォーとアフターを示し、各ステップに先行指標を置きながら、投資からキャパシティ・解決の経済性・スケーラビリティへの道筋を段階ごとに描くフレームワークです。全文は本ホワイトペーパーで。
Computer+ Apps
お客様の事例
