業務改善提案｜CUSTOMER SUPPORT

問い合わせ対応を
速く、確かに。

ミライチフーズ
返信案づくりの改善提案

社内ワークショップ用シナリオを起点にした検討案
2026年9月23日

MIRAIICHI FOODS　／　OPERATIONS

提案要旨

返答案はAIが下書きし、
送信は担当者が確認する

過去メールを探す時間を減らし、根拠を確かめてから返信できる運用をつくります。

問い合わせ文から
根拠つきの返信案をつくり、
担当者が整えて送る。

01

使ってよいFAQ・過去回答を整える

02

質問に近い回答例と参照元を提示する

03

人が内容を確認し、必要な場合は専門担当へつなぐ

対象は「返信案の作成支援」です。自動送信や、根拠のない回答生成は行いません。

現状の課題

検索と確認が重なり、返信が遅れる

相談室｜毎日発生

TASK-001

返信までの待ち時間

担当者が過去メールを探し、1件ずつ返信を作成。

混雑時は返信まで2〜3営業日。確認のための再問い合わせも発生。

TASK-002

回答例を見つけにくい

共有フォルダとメールをキーワード検索。

質問の表現が違うと探しづらく、担当者ごとに確認時間がかかる。

TASK-001

回答のばらつき

似た質問でも、回答の探し方や表現が担当者によって異なる。

既存の回答例を確認しながら、正確さと表現をそろえる必要がある。

TASK-002

ナレッジが再利用しにくい

回答がメールや共有フォルダに分かれて残る。

質問の意図に合うFAQ・回答例へすぐ到達できる状態が必要。

出典：提供CSVの TASK-001・TASK-002。ファイルは「架空サンプルデータ」と明記。実運用の件数・時間は導入前に確認します。

企業事例から得た設計原則

回答を作るAIより、判断しやすい現場を設計する

01

回答の根拠を
会話に近づける

大阪ガスマーケティングは、通話のリアルタイム文字化、キーワード通知、内容に応じたFAQ表示でオペレーターを支援。

参照 CASE-005

02

窓口と進捗を
一か所で見せる

デンソーは社内IT窓口をポータルに集約し、利用者が問い合わせの進捗を確認できるようにした。

参照 CASE-004

03

現場で試して
運用を直す

日立ソリューションズは担当者を含むトライアルで課題を洗い出し、運用性を高めてから利用範囲を広げた。

参照 CASE-001

04

難しさに応じて
人へつなぐ

Assembledは問い合わせの複雑さや顧客感情に応じ、AIと人の担当を振り分ける考え方を示している。

参照 CASE-018

他社事例は設計上の参考です。導入規模・成果の数値は、当社の効果目標に転用しません。

目指す業務フロー

根拠を添えた案を、人が確認してから送る

01　受付

問い合わせを登録

窓口で受付内容と希望連絡先を整理し、案件として記録する。

02　整理

意図と緊急度を確認

AIが質問の要点を整理。判断に迷う場合は担当者へ確認を促す。

03　検索・下書き

回答例と根拠を提示

承認済みFAQ・回答例から候補を探し、参照箇所つきの返信案を作る。

04　人が確認

担当者が判断・編集

根拠、最新性、個別条件を確認。例外や不足は専門担当に引き継ぐ。

05　送信・更新

人が送信し記録

対応結果を残し、繰り返し出る質問や誤案をFAQの見直しへ回す。

送信前の必須ゲート担当者が内容を承認してから送信。根拠が見つからない、情報が食い違う、判断が必要な案件はAIの案を使わず人へ。

改善策の構成

知識・検索・確認の責任を分けて整える

SOURCE OF TRUTH

承認済みの情報

FAQと回答例を一元管理
対象商品・条件・対象外を明記
更新日と内容の責任者を記録

古いメールや未確認情報は、回答根拠から外す。

AI ASSIST

検索と下書き

言い換えを含め、質問に近いFAQを探す
根拠の抜粋・リンクを案と一緒に表示
不明・矛盾・対象外を明示する

根拠なしの補完回答は出さず、確認が必要と表示する。

HUMAN CONTROL

担当者が最終判断

事実と個別事情を照合し、必要なら編集
返品・苦情・例外などは専門担当へ
送信者と参照したFAQを記録

AIは下書きまで。送信操作は担当者が行う。

導入ツールは未選定です。既存の問い合わせ窓口・メール運用、情報管理規程、個人情報の扱いを確認してから選定します。

段階導入とKPI

数値目標は現状を測ってから決める

PHASE 01

現状把握と知識整理

実際の問い合わせを確認し、返信時間・再問い合わせ・確認差戻しを測る。回答例の正確さと管理責任者を決める。

次へ進む条件：対象業務と参照してよい情報が合意済み

PHASE 02

対象を絞って試行

定型的な問い合わせから検索・返信案を試す。全案を担当者が確認し、採用・編集・差戻しの理由を記録する。

次へ進む条件：根拠・回答品質・例外処理を担当者が確認

PHASE 03

評価して範囲を見直す

ベースラインと試行後を同じ定義で比較。FAQを直し、対象の継続・拡大・停止を運用責任者が決める。

拡大は品質と現場負荷の両方を見て判断

運用ルール

送信前の人による確認率：100%
これは品質管理の必須条件です。

測る指標と目標値の決め方

初回返信までの時間再問い合わせ率案の採用・編集・差戻し根拠誤り・訂正

数値目標は、実データによる基準値と試行結果を見て合意します。他社の成果値は使いません。

承認してほしいこと・出典

まず、限定試行の準備を承認してください

今日決めたいこと

問い合わせ対応の業務責任者と、FAQの更新責任者を置く
試行対象の質問と、回答根拠に使える情報を選ぶ
送信前の人確認を必須にする運用を承認する
基準値を測定し、試行後に目標値と拡大可否を決める

課題の前提：提供CSV「9_23公開WS｜ミライチフーズの困りごと・お客様の声 - 困りごと一覧.csv」TASK-001・TASK-002（架空サンプルデータ）。実運用で要確認。

参考にした企業事例

CASE-001株式会社日立ソリューションズ：生成AIチャットボットで社内問い合わせの人手対応を約30％削減

https://www.hitachi-solutions.co.jp/allganize/case01/

CASE-004株式会社デンソー：ServiceNowで社内IT問い合わせ窓口を一元化

https://www.hitachi-solutions.co.jp/-/media/Project/DefaultSite/Products/pdf/s/case/servicenow_case06_denso_pdf.ashx

CASE-005大阪ガスマーケティング株式会社：音声テキスト化とFAQ連携で応答率をKPI以上に維持

https://www.ntt.com/business/case-studies/application/ai/osakagas-marketing.html

CASE-018Assembled：AIと人を組み合わせてサポート運用を最適化

https://www.anthropic.com/customers/assembled

事例はNotion「業務改善事例ライブラリ」の同カテゴリから選定。各社の事実・数値は各出典の条件内で参照し、本提案の効果目標には転用していません。ページに公開日がない事例は日付を記載していません。

問い合わせ対応を速く、確かに。

返答案はAIが下書きし、送信は担当者が確認する