【インフラ業界のCS改革】「誤回答」のリスクを極限まで下げる。阪急電鉄に学ぶ、根拠提示型AIの導入術

本記事では、阪急電鉄様の実証実験でも採用された、「AIの暴走を構造的に防ぐ技術（RAG）」と、その精度のカギを握る「泥臭いデータ整備」の裏側について解説します。

1. インフラ業界CSが抱える「量と質」の極限状態

一般的なECサイトなどのCSと異なり、インフラ業界は以下の「三重苦」を抱えています。

1. 絶対的な正確性:「たぶん〇〇です」は許されません。約款や法令に基づいた、100%正確な回答が求められます。
2. 突発的な呼量爆発（スパイク）:災害や障害発生時、数分で数千件の問い合わせが殺到します。人海戦術では物理的に対応不可能です。
3. 属人化の極み:複雑な分岐を含む料金プランや、過去の経緯を知るベテランしか即答できない「例外対応」が山積しています。

これらを解決するのは「人間」だけでは不可能です。必要なのは、「マニュアルの範囲内でしか答えない」という制御が効いたAIです。

2. 阪急電鉄事例に学ぶ：AIのリスク制御技術「RAG」

「AIに複雑な鉄道案内ができるのか？」という問いに対し、阪急電鉄様は「AIさくらさん」を導入し、駅係員の業務負荷軽減を実現しました。ここで使われているのがRAG（検索拡張生成）という技術です。

① 「知らないこと」を答えさせない

ChatGPT単体では、学習したネット上の情報を繋ぎ合わせて「それっぽい嘘」をつくリスクがあります。しかしRAGは、AIに「自社の最新マニュアル・運行情報」だけをカンニングさせる仕組みです。

リスク制御のポイント:AIが勝手に文章を作るのではなく、「運送約款の第〇条にこう記載されています」と参照元（根拠）を提示させることで、誤案内をシステム的に抑制します。万が一回答が間違っていても、ユーザーはリンク先の原本を確認できるため、トラブルを回避できます。

② 「冷たい対応」はブランドを毀損する

インフラ企業は「事務的で冷たい」と思われがちです。しかし、AIキャラクターが「大変ご迷惑をおかけしております」とクッション言葉（共感）を挟むことで、顧客の心情に配慮した対応を実現しました。「正確さ」と「温かみ」の両立こそが、CSの要です。

3. 失敗しないための「泥臭いデータ整理」3つの鉄則

RAGは魔法ではありません。「ゴミデータ」を入れれば、AIは「ゴミ回答」を生成します。導入に成功する企業は、AIを入れる前に以下の「データの前処理（断捨離）」を徹底しています。ここが運命の分かれ道です。

鉄則①：ファイル名の「命名規則」を統一する

「最新マニュアル.pdf」「マニュアル_修正版.pdf」といったファイルが混在していませんか？AIはどれが最新か判断できません。

• NG: 料金表_final.pdf
• OK: 20240401_料金表_v2.0.pdfこのように日付と版数をファイル名に明記し、「古いファイルはAIの参照フォルダから削除（隔離）する」運用が必須です。

鉄則②：画像（図解）をテキスト化する

約款の中にある「複雑な料金表の画像」や「路線図のイラスト」は、AIが読み間違える最大の原因です。面倒でも、重要な数値データはExcelやCSV、テキスト形式に変換してからAIに読み込ませてください。このひと手間が回答精度を劇的に高めます。

鉄則③：1ファイル1トピックにする

100ページのPDFを1つ読ませるより、トピックごとに10個のファイルに分割した方が、AIの検索精度は上がります。「巨大なマニュアル」をそのまま放り込むのではなく、「AIが読みやすいサイズ」に切り分ける作業が必要です。

4. 導入効果：CS担当者は「守り」から「攻め」へ

適切なデータ整備を行ったAIは、劇的な成果をもたらします。一般的なRAG導入プロジェクトでは、以下のような数値改善が見込まれます。

• オペレーターの検索時間: 平均 50%削減（マニュアルを探す時間がゼロに）
• 新人教育コスト: 独り立ちまでの期間が 3ヶ月→1ヶ月 に短縮
• 回答のばらつき: ベテランと新人の回答一致率が 90%以上 に向上

阪急電鉄様においても、駅係員がルーチンワークから解放され、イベント企画やCS推進活動などの「付加価値業務」に注力できるようになりました。

まとめ：AI導入は「データの棚卸し」から始まる

「AIに仕事を奪われる」のではなく、「AIという強力なインフラを手に入れる」。これが次世代CSの姿です。しかし、その性能を引き出すのは、人間による「正確なデータ管理」に他なりません。

「いつかやる」では、データは散らかる一方です。まずは、貴社のフォルダにある「ファイル名の整理」から、AI導入の準備を始めてみませんか？