コールセンター
コールセンターはAIでなくなるのか
減る業務・残る業務と、これからの働き方
「AIでコールセンターの仕事はなくなるのでは」という不安には、根拠のある部分と、ない部分があります。コールセンターは、生成AIが職場に入ったときに何が起きるかを、世界で最も詳しく調べられてきた職場です。この記事では、研究と公式の発表だけを使って、どの業務が減り、どの業務が残り、働く人は何をすればよいかを順に示します。
結論
結論：コールセンターはAIでなくなりません。仕事の中身が変わります。減るのは、よくある質問への一次対応、応対記録の作成、定型の電話営業です。残るのは、怒っている顧客への対応、規定の外側の判断、何を上に上げるかの見極めで、AIに何を答えさせるかを設計する仕事はむしろ増えます。米国の予測でもカスタマーサービス担当者は2025〜35年に5%減にとどまり、5,000人超を追った研究では、AIは人を置き換えるより新人を早く一人前にし、離職を減らす方向に働きました。
まず結論を表で：よく言われることと、データが示すこと
| よく言われること | データが示すこと | 根拠 |
|---|---|---|
| AIでオペレーターは全員いらなくなる | 米国の予測は2025〜35年で5%減。職業としての消滅を示す予測はない | 米国労働統計局（BLS） |
| AIを入れた会社は人を大量に減らした | AIが担当者700人分の処理をしたという発表はある。ただし企業自身の発表で、第三者の検証ではない | Klarna（2024） |
| AIが入ると現場は疲弊する | AI支援で新人の生産性は34%上がり、入社6か月未満の離職は約40%減った | Brynjolfsson ら（2025）#031 |
| 顧客はAIでも人でも気にしない | 通話前にAIだと明かすと、購入率が79.7%超下がった実験がある | Luo ら（2019） |
| 電話の仕事はどれも同じように減る | 減少予測が大きいのは電話営業（テレマーケター21.4%減）。受付の問い合わせ対応（5%減）とは差がある | BLS |
Point
AIが置き換えるのは「職業」ではなく「定型の一次対応」です。担当者の時間が、難しい案件と、AIの回答を設計・点検する仕事に移っていきます。
なぜ「コールセンターはAIでなくなる」と言われるのか
不安の出どころは、主に次の3つです。どれも事実ですが、「なくなる」とまでは言えません。
- 01大きな置き換えの発表があった。決済サービスのKlarnaは2024年2月、AIアシスタントが稼働1か月でチャット230万件、全体の3分の2を処理し、フルタイム担当者700人分に相当すると発表しました。解決時間は11分から2分未満になり、再問い合わせは25%減ったとしています。ただし企業自身の発表で、担当者を何人減らしたかを示す数字ではありません。
- 02AIが手伝える度合いが高い。Microsoftの研究では、カスタマーサービス担当者のAI適用度スコアは0.408で、上位40職業のうち7位でした（雇用は約286万人）。これは「AIが手伝える度合い」で、職がなくなる予測ではありません。
- 03電話営業は実際に減る予測が出ている。言語モデルの曝露が最も高い職業はテレマーケターで（#014）、米国ではテレマーケターが2025〜35年に21.4%減と予測されています。同じ電話の仕事でも、決まった台本を読む発信型の営業と、困りごとを受ける窓口では、見通しが違います。
5,000人超の担当者を追った研究：AIは人を育てる側に働いた
Brynjolfsson・Li・Raymond（2025, QJE）は、Fortune 500のソフトウェア企業のカスタマーサポートにAIアシスタントが段階的に導入された過程を追いました。AIは担当者に回答の候補を示し、担当者がそれを使うかどうかを決める形です。
AIは、熟練した担当者の応対のコツを新人に広げる役割を果たしました。新人が早く一人前になり、顧客の言葉づかいも穏やかになり、辞める人が減った。AIが「人を置き換える」より「人を早く育てる」方向に働いた実例です。一方で熟練者はほとんど伸びておらず、熟練者の価値は「速さ」ではなく、AIに教える側・難しい案件を持つ側に移ると読めます。
業務別の早見表：AIに任せる業務と人が持つ業務
| 業務 | AIの影響 | 分担の目安 | 理由 |
|---|---|---|---|
| よくある質問への回答（営業時間、手続き方法など） | 大きく減る | AIが回答、人は回答の中身を点検 | 定型で、回答の型がある |
| 営業時間外・休日の一次受付 | 大きく減る | AIが受付と切り分け、翌営業日に人へ | 内容の聞き取りと振り分けは定型 |
| 応対履歴の記録・要約 | 大きく減る | AIが下書き、人が確認 | 文字起こしと要約は自動化しやすい |
| 回答文・メール返信の作成 | 変わる | AIが下書き、人が直して送る | 研究で効果が出たのはこの使い方 |
| 定型の電話営業（発信） | 大きく減る | 台本どおりの部分はAIに移りやすい | 米国で21.4%減の予測 |
| 怒っている顧客への対応 | 残る | 人が担当 | 感情を読み、落ち着かせる仕事 |
| 返金・解約・特例の判断 | 残る | 人が判断 | 規定の外側の判断と責任 |
| 高齢の方や説明に時間がかかる相談 | 残る | 人が担当 | 相手のペースに合わせる必要がある |
| エスカレーションの見極め | 残る | 人が判断 | 何を上に上げるべきかは文脈で決まる |
| FAQ・応対スクリプト・ボットの設計 | 増える | 現場を知る人が担当 | AIに何を答えさせるかを決める人が要る |
| 問い合わせ内容の分析（顧客の声の集約） | 増える | AIが分類、人が改善策を決める | 件数の集計はAI、何を直すかは人 |
AI時代の仕事タイプ診断では、多くのサポート担当者は窓口の顔（RDES）に入ります。定型で画面越しという点で代替圧は高めですが、「相手を読む」部分が残る仕事です。
AIから人に回す基準：チェックリスト
AIと人の分担で最も失敗しやすいのが、「どこで人に替わるか」です。次のどれかに当てはまったら、AIの応対を続けずに人へ回す、という基準を先に決めておくと、顧客を待たせる時間と担当者の負担の両方が減ります。
- 顧客が「人と話したい」「担当者を出して」と言った
- 怒り・不安など強い感情の言葉が出ている
- 同じ質問がAIとのやりとりで繰り返されている
- 返金・解約・補償など、お金や契約に関わる判断が要る
- 規定やFAQに答えがない、または例外の扱いを求められている
- 体調・安全・個人情報の漏えいなど、急ぎの対応が必要な内容
- 高齢の方など、画面やボットの操作に困っている様子がある
- 前回の問い合わせで解決しておらず、再度の連絡である
注意
引き継いだ担当者が、顧客にもう一度最初から説明させないことが大切です。AIとのやりとりの要約を、担当者が応対前に読める状態にしておきます。
そのまま使える応対例文：AIの下書きを人が直す
研究で効果が出たのは、AIの回答候補を担当者が相手に合わせて直す使い方でした。AIの下書きは内容が正しくても、相手の状況を受け止める一言が抜けやすい傾向があります。場面ごとに、直し方の例を示します（例文は当サイトが作成したものです）。
| 場面 | AIの下書きにありがちな文 | 人が直した文 |
|---|---|---|
| 配送の遅れ | 配送状況は追跡ページでご確認いただけます。 | お届けが遅れており、ご不便をおかけして申し訳ございません。ただいま配送状況を確認いたしましたので、お届けの見込みをお伝えします。 |
| 怒っている顧客 | ご意見ありがとうございます。担当部署に共有します。 | ご不快な思いをおかけし、申し訳ございません。どの点でお困りになったか、もう少し詳しくお聞かせいただけますでしょうか。 |
| 解約の申し出 | 解約はマイページの設定画面から手続きできます。 | 解約のご連絡ありがとうございます。手続きは私のほうでご案内いたします。差し支えなければ、ご解約の理由を伺ってもよろしいでしょうか。 |
| 返金の相談 | 返金の条件は利用規約をご確認ください。 | 返金についてのご相談ですね。ご購入の状況を確認したうえで、対象になるかどうかを私からご説明いたします。 |
| AIから引き継いだとき | お問い合わせ内容を教えてください。 | お待たせいたしました。チャットでお伺いした内容は拝見しております。続きを担当いたしますので、改めてご説明いただく必要はございません。 |
| すぐに答えられないとき | 確認して折り返します。 | 正確にお答えするため、担当部署に確認いたします。本日中にご連絡いたしますが、ご都合のよい時間帯はございますか。 |
| 高齢の方の操作の相談 | 画面右上のメニューから設定を開いてください。 | ご一緒に進めましょう。いま画面のいちばん上に、どのような文字が見えていますか。 |
| 再度の問い合わせ | お問い合わせありがとうございます。 | 前回のお問い合わせで解決できず、再度ご連絡をいただき申し訳ございません。前回の内容を確認したうえで、今回は最後まで私が担当いたします。 |
直すときの型は3つです。①相手の状況を受け止める一言、②自分が何をするかの約束、③相手に次に何をしてほしいか。AIの下書きに足りないのは、多くの場合①と②です。
注意
「本日中に」などの約束は、社内で守れる範囲でのみ使ってください。守れない約束は、AIの回答より強く信頼を損ないます。
顧客は、AIの応対をどう受け止めるか
電話営業のフィールド実験（Luo ら 2019）では、AIと明かさないボットは熟練社員と同等の成約を上げましたが、通話前にAIと開示すると購入率が79.7%超下がりました。応対の中身が同じでも、相手が人かどうかが結果を左右します。
生成AI以前の定型的な電話営業での結果ですが、示唆ははっきりしています。AIで受けられる問い合わせを増やすほど、「人と話したい」という顧客に、すぐ人がつながる道を残しておく必要があります。相手がAIだと分かったときの反応の違いは、営業職はAIでなくなる？でも詳しく紹介しています。
日本のコールセンターで考えること
日本では、AIで仕事が消えるより先に人が足りなくなる見通しです。2040年には1,100万人の労働供給が不足すると推計されています（#067）。一方で、経済産業省の推計では、2040年に事務職は437万人余り、AI・ロボットを使う人材は339万人足りなくなるとされています（#078）。
コールセンターに当てはめると、定型の受付と事務処理だけを続ける働き方は余る側に、AIを使って難しい案件や仕組みづくりを担う働き方は足りない側に入ります。事務の仕事全体の見通しは事務職はAIでなくなる？で分解しています。
AI導入で増える役割
| 役割 | 主な仕事 | 現場経験が活きる点 |
|---|---|---|
| スーパーバイザー（SV） | AIから回ってきた難しい案件の判断、担当者の育成 | どの案件が危ないかを見抜く経験 |
| ナレッジ・FAQの管理 | AIが参照する回答集の作成と更新、誤答の修正 | 顧客が実際にどう質問するかを知っている |
| ボット・応対フローの設計 | どの質問をAIが受け、どこで人に回すかの設計 | 引き継ぎの失敗パターンを知っている |
| 応対品質の点検 | AIと人の応対記録を読み、改善点を出す | 良い応対とそうでない応対の違いが分かる |
| 顧客の声の分析 | 問い合わせの傾向を集め、商品や手続きの改善につなげる | 問い合わせの裏にある困りごとが分かる |
よくある失敗
- 人につながる道をなくす。AIで受けられる範囲を広げすぎ、「人と話したい」顧客が行き場を失う。先の実験のとおり、相手がAIだと分かると反応は変わります。
- 引き継ぎで説明をやり直させる。AIとのやりとりが担当者に渡らず、顧客が同じ話を二度する。不満が最も高まる場面です。
- AIの下書きをそのまま送る。内容は正しくても、謝罪や受け止めの一言が抜け、事務的に聞こえる。
- 件数だけで評価する。簡単な問い合わせがAIに移ると、人に残るのは難しい案件ばかりになります。1人あたりの処理件数だけで評価すると、担当者の負担が見えなくなります。
- 新人の練習の場がなくなる。易しい問い合わせを全部AIに任せると、新人が経験を積む入口が減る。研究でAIが新人を伸ばしたのは、AIが候補を出し、新人がそれを見ながら自分で応対する使い方でした。
オペレーター・これから働く人が今からできること
- 01
AIの提案を「直して送る」編集者になる
AIの回答文をそのまま送らず、相手の状況に合わせて直す。研究で効果が出たのはこの使い方です。上の例文の3つの型を使ってください。
- 02
難しい案件を自分に集める
クレーム、解約、特例の相談など、判断と感情の対応が要る案件の担当を増やします。AIに移らない仕事の経験が、そのまま強みになります。
- 03
FAQとスクリプトを「使う側」から「作る側」へ
AIが答えを間違えた問い合わせを記録し、回答集の修正を提案します。どの質問にAIが答え、どこから人に回すかの設計は、現場を知る人にしかできません。
- 04
職場選びでは、AIの使い方を聞く
就職・転職の面接では、AIに何を任せているか、人に回す基準はあるか、評価は件数だけか、研修でAIをどう使うかを確認します。AIを人の支援に使う職場ほど、研究で効果が出た使い方に近くなります。
出典
本文の「#」付きの番号は、研究が示す100の事実の該当項目へのリンクです。それ以外の数値の出典は下に挙げます。業務の分解は、研究の枠組みを当サイトがこの職業に当てはめたものです。
- 01Klarna (2024). Klarna AI assistant handles two-thirds of customer service chats in its first month（2024年2月27日）。稼働1か月でチャット230万件、全体の3分の2を処理し、フルタイム担当者700人分に相当。解決時間は11分から2分未満、再問い合わせ25%減。企業自身の発表。 https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/
- 02Tomlinson, K., et al. (2025). Working with AI（Microsoft Research, arXiv:2507.07935）Table S3。Bing Copilot の会話20万件から測ったAI適用度スコアで、サービス営業職 0.449（上位40職業中4位）、カスタマーサービス担当者 0.408（同7位、雇用約286万人）。適用度であり、職の消滅を予測するものではない。 https://arxiv.org/abs/2507.07935
- 03U.S. Bureau of Labor Statistics. Occupational Outlook Handbook: Customer Service Representatives. 2025〜35年に5%減と予測。雇用規模は依然大きい。 https://www.bls.gov/ooh/office-and-administrative-support/customer-service-representatives.htm
- 04U.S. Bureau of Labor Statistics. Employment Projections: Fastest declining occupations, 2025–35. データ入力係 −25.5%、ワープロ・タイピスト −34.4%、テレマーケター −21.4%。予測であり、減少の全部をAIに帰していない。 https://www.bls.gov/emp/tables/fastest-declining-occupations.htm
- 05Luo, X., Tong, S., Fang, Z., & Qu, Z. (2019). Frontiers: Machines vs. Humans: The Impact of Artificial Intelligence Chatbot Disclosure on Customer Purchases. Marketing Science, 38(6), 937–947. 顧客6,200人超の電話営業のフィールド実験。AIと開示しないボットは熟練社員と同等の成約、新人の4倍。通話前にAIと開示すると購入率が79.7%超下がった。生成AI以前の定型的な電話営業。 https://pubsonline.informs.org/doi/10.1287/mksc.2019.1192
- 06経済産業省（2026）。2040年の就業構造推計（厚生労働省会議提出資料）。 https://www.mhlw.go.jp/content/11801000/001645034.pdf
この記事の要点
- 結論、コールセンターはAIでなくならない。減るのはよくある質問への一次対応、応対記録、定型の電話営業。
- AIアシスタントで新人の生産性は34%上がり、離職は約40%減り、上司への引き継ぎ要求は約25%減った。
- 怒っている顧客への対応、例外の判断、エスカレーションの見極め、FAQとボットの設計は人に残り、増える。
FAQ
よくある質問
なくなりません。よくある質問への一次対応や応対記録は大きく減りますが、米国の予測でもカスタマーサービス担当者は2025〜35年に5%減にとどまり、職業としてなくなる証拠はありません。クレーム対応や例外の判断は人に残ります。
不要にはなりません。5,000人超の担当者を追った研究では、AIは回答の候補を出す道具として働き、新人の生産性が34%上がり、入社6か月未満の離職は約40%減りました。担当者の仕事は、AIの回答を直し、難しい案件を受け持つ方向に移ります。
定型の問い合わせが多い窓口ほど、必要な人数は減りやすくなります。AIが担当者700人分のチャットを処理したと発表した企業もあります。ただしこれは企業自身の発表で、人員をどれだけ減らしたかを示すものではありません。
人に回す基準を先に決めます。「人と話したい」と言われた、強い感情の言葉が出た、お金や契約の判断が要る、規定に答えがない、といった場合です。引き継ぎでは、AIとのやりとりの要約を担当者が読める状態にし、顧客に説明をやり直させないことが大切です。
電話営業の実験では、AIだと明かすと購入率が79.7%超下がりました。応対の内容が同じでも、相手が人かどうかで反応が変わります。人と話したい顧客にすぐ人がつながる道を残しておく必要があります。
避ける理由はデータからは見当たりません。ただし職場選びは大切です。AIに何を任せているか、人に回す基準があるか、評価が件数だけでないかを確認してください。AIを人の支援に使う職場では、新人が早く一人前になったという研究結果があります。
AIの回答を相手に合わせて直す編集力、感情的な顧客への対応、そしてどの質問をAIに任せるかを決めるFAQ・応対フローの設計です。スーパーバイザーやナレッジ管理など、AI導入で増える役割にもつながります。