最も難しいチケットに必要だったのは、より速いエージェントではなかった。必要だったのは、異なる記憶だった。

3 min read

最も難しいチケットに必要だったのは、より速いエージェントではなかった。必要だったのは、異なる記憶だった。

サマリー

  • AIの第一波はあなたの簡単なチケットを片付け、それは進歩のように感じられた。しかし難しい案件――実際にコストを生んでいるもの――は、少しも楽にならなかった。
  • そうした案件は、今もゼロから始まる。毎回、エージェントは、ほかの4人がすでに断片的に知っていたストーリーを一から組み立て直している。
  • その様子を一度見てみてほしい。1件の複雑なチケット、開かれた6つのタブ、手作業でつなぎ合わされるコンテキスト。答えは、ヘルプデスクの中には一度も存在していなかった。
  • その一方で、新人エージェントが戦力になるには何カ月もかかる。なぜなら、本当に重要な知識は、最も経験を積んだ3人の頭の中に眠っているからだ。
  • そしてダッシュボードは「万事順調」だと告げる――解決率(deflection rate)は素晴らしく見える一方で、本当のコストがどこにあるのかを静かに覆い隠しているからだ。
  • これらすべてが指し示しているのは、こういうことだ。問題は決して量ではなかった。問題は、あなたのチームが知っているのに、あなたのシステムが忘れてしまうすべてのことなのだ。
  • だからこそ、じっくり向き合う価値のある問いはシンプルだ。あなたの最も経験豊富な人が知っていて、その人がログオフした瞬間にシステムが忘れてしまうものは、何だろうか。

私は20年近くをサポートの現場で過ごしてきた。サービスデスク、エスカレーションのブリッジ、深夜2時のSLAレビュー、誰もまだ全体像をつかめていない中で大規模インシデントを前にしたときの、あの静かな恐怖。だから、人々が「AIはカスタマーサポートを変えた」と私に言うとき、私はたいてい、いったい何が変わったと思っているのかと尋ねる。というのも、私の立ち位置から見ると、市場に出ているものの大半は、本当に痛みを伴う部分にはまったく手を触れていないからだ。

私たちが十分に声に出して言わないことがある。ほとんどのサポート組織にとって、問題は決して量ではなかった。問題は、あらゆる難しい案件がゼロから始まっていたことなのだ。

AIが解決するはずだった――そしてほとんど解決しなかった――部分

私たちは皆、第一波に飛びついた。簡単な質問をそらし(deflect)、FAQに自動回答し、キューから反復的な負荷を取り除く。公平を期して言えば、それは機能した。単純なチケットはより単純になった。

しかし、あなたの優秀な人材を夜も眠らせなかったのは、単純なチケットなどでは決してなかった。それは、請求(billing)にも、アイデンティティ(identity)にも、エンジニアリングがまだドキュメント化していなかったバグにも関わるL3案件だった。エージェントが6つのタブを開き、あるシステムから別のシステムへコンテキストをコピーし、ほかの4人がすでに断片的に知っていたストーリーをつなぎ合わせる、あの案件だ。

第一世代のサポートAIは、そこでは役に立たなかった。ヘルプデスクしか見えなかったからだ。過去のチケットから答えを返すだけだった。なぜその事象が実際に壊れたのか――その真実はJiraのイシュー、Slackのスレッド、テレメトリのスパイク、リリースノートの中に眠っていた。だから、最も重要な案件では、AIは沈黙し、人間はふたたび椅子を回して(swivel-chairing)システムを行き来する作業へと戻っていった。

それこそが障壁だ。「もっと速い答えが必要だ」ということではない。私たちに必要なのは、現実につながった答えなのだ。

先を行くチームが実際に違うやり方でやったこと

私が見てきた、頭一つ抜け出している組織は、より優れたチャットボットを買ったわけではない。彼らは、仕事の土台となる基盤(substrate)そのものを変えたのだ。

3つの動きが繰り返し現れる。

1つ目――彼らは、解決の瞬間に知識が死ぬのをやめさせた。 かつては、解決したすべての案件は、クローズされたチケットの中へと消えていった。今では、何かが解決された瞬間に、それは次の人――あるいは次の自動回答――が実際に再利用できるものになる。ナレッジベースは腐らなくなる。なぜなら、「あとでドキュメント化しよう」という誰かの善意ではなく、実際の解決から自らを修復していくからだ。

2つ目――彼らは、答えをサポートスタックだけでなく、会社全体につなげた。 エージェントが必要とするコンテキストは、決してヘルプデスクの中だけにあったわけではなかった。そこで彼らは、チケット、顧客の本当の履歴、エンジニアリングのステータス、そしてプロダクトのシグナルがすべて一箇所にそろう場所を人々に与えた――エージェントが着手する前に組み立てられており、着手後に探し回るのではない。

3つ目――彼らは、意図的に、人間をしっかりとループの中に留めた。 これは私が最も大切にしている部分であり、そして誇大宣伝の中で見失われがちな部分でもある。これをうまくやっているチームは、自分たちのエージェントを排除しようとはしていない。AIが下書きし、提案し、組み立てる――そして最終的に何を送り出すかは、依然として人間が承認する。信頼は初日に要求するものではなく、案件ごとに一つずつ勝ち取っていくものなのだ。

その先で出てきたもの

ここは慎重に書きたい。というのも、私はきれいにまとまった数字を疑うくらいには、十分な数のベンダーの資料に付き合ってきたからだ。しかし、進んでいく方向は一貫していて、そしてそれは本物だ。

かつては1時間近くかかっていた複雑な案件が、数分で解決し始める。誰も手作業でコンテキストを組み立て直していないからだ。新人エージェントが戦力になるのに何カ月もかからなくなる。組織の記憶(institutional memory)が、最も経験を積んだ3人の頭の中だけに眠っているわけではなくなるからだ。そしてその経験豊富な人々――燃え尽きさせるわけにはいかない人々――は、本当に難しく、本当に人間的な会話のために、自分の注意を取り戻す。

その中に何が含まれていないかに注目してほしい。それは「チームを置き換えた」ではない。「チームがついに、チームにしかできない部分に時間を費やせるようになった」だ。それはまったく異なる成果であり、追い求める価値のあるものだ。

どこから始めるべきか迷っているなら、その教訓

もし私が、かつて自分がいた立場にいる同業者に助言するとしたら、もっと早く身につけておけばよかったと思う4つのことを伝えるだろう。

  • 間違った勝利を測るのをやめよう。 解決率(deflection rate)は気分がよく、そして最も難しい案件についてはほとんど何も教えてくれない。あなたのL3/L4の対応時間(handle time)と、新人エージェントの立ち上がり時間(ramp time)を見てほしい。コスト――そして苦しみ――が本当に存在するのは、そこだ。
  • タブを追え。 複雑な案件に取り組むエージェントの隣に座り、1件のチケットをクローズするために、いくつのシステムを開くか数えてほしい。その数こそがまさにあなたの問題であり、それは白日の下にはっきりと描かれている。それらのシステムを横断して見渡せないAIは、あなたが尋ねているのとは別の問いに答えているのだ。
  • 自動化を追い求める前に、記憶を修復せよ。 ばらばらで古びた知識の上に自動化を重ねても、間違った答えがより速くなるだけだ。まずは知識をつなげ、自己維持できるようにすること。そのあとでは、自動化はほとんど退屈なほど当たり前のものになる。
  • 信頼は勝ち取るものであり、義務づけるものではない。 AIが下書きし、人間が承認するところから始めよう。定着は有用性のあとについてくるものであり、決してその逆ではない。エージェントが小さな案件でそれを信頼しなければ、大きな案件に近づけることは決してないだろう。

これが本当に向かっている先

私が本当に信じている未来は、「AIがあなたのチケットに答える」ではない。それは、チケットの受け渡し(ticket-passing)の終わりだ。もう分断された所有権もなく、もうサイロ間で顧客をたらい回しにすることもなく、もうすべての難しい問題を白紙のページから始めることもない。サポートとサクセスは、リレー競走であることをやめ、一つの連続した、情報に基づいた関係になり始める。

私たちはまだ、そこに完全にたどり着いてはいない。しかし、すでに始めているチームと、いまだにより速いチャットボットを買い続けているチームとの差は広がりつつある――そして、それは複利で膨らんでいく。今四半期につなげた知識は、来四半期に節約できる立ち上がり時間であり、その次の四半期に避けられる燃え尽きなのだ。

だから、私があなたに残したい問いは、「どのAIを買うべきか」ではない。もっとシンプルで、そしてもっと難しい問いだ。あなたの最も経験豊富な人が知っていて、その人がログオフした瞬間にシステムが忘れてしまうものは、何だろうか。

それに正直に答えられたなら、どこから始めるべきかが、はっきりと分かるはずだ。


Daniel Rojo

Daniel Rojo

Head of Global Customer Outcomes

DEVREV

See Computer work for you

Your AI teammate that finds answers, takes action, and gets work done across every tool.