コールセンターAI自動化の5段階とは？日本は「書き起こし」、海外は「完全無人応答」へ

電話対応は、多くの中小企業で「自動化が最も遅れている業務」のひとつです。メールやチャットはツールで効率化が進む一方、電話は「人が出て、聞いて、メモして、システムに入力する」という流れが今も人手頼みで残っています。背景には3つの圧力があります。

こうした課題に対し、AIは「電話に出る」「内容を理解する」「システムに登録する」「手配まで行う」と、担える範囲を年々広げています。ただし、AIに任せられる範囲は会社によって大きく異なります。その「どこまで任せるか」を整理したのが、次の5段階です。

AIによる電話対応の自動化は、一足飛びに「無人化」へ進むわけではありません。実際の現場は、AIに任せる範囲を少しずつ広げる形で段階的に進化します。整理すると、おおむね次の5段階に分けられます。

ポイントは、段階が上がるほど「人がやる作業」が減り、最終的にAIが電話を取って処理まで終わらせる点です。段階1〜2は人の作業を助けるAI（支援フェーズ）、段階3以降は人の代わりに作業するAI（自律フェーズ）と整理すると分かりやすいでしょう。

日本でも音声認識AIの導入は進んでいますが、その用途は段階1（書き起こし・議事録）と段階2（リアルタイム支援）に集中しています。国内のコールセンターの平均的な自動化率は20%前後にとどまるという調査もあり、「AIが電話を取って処理まで終わらせる」段階5の事例はまだ限られます。

まず規模感を押さえておきましょう。コールセンター・電話応対に携わる人は国内で100万人規模（看護師や介護職と肩を並べる一大産業）とされ、テレマーケティング／コールセンターサービス市場は約1.5兆円に達します（なお「拠点数」の網羅的な公的統計は存在せず、業界規模は従事者数・市場規模で語られるのが通例です）。これだけの巨大産業でありながら、AIの使われ方は段階1〜2に偏っているのが実態です。

つまり日本の主流は「AIが人を助ける」段階2まで。AIがシステム登録や手配を肩代わりする段階3〜4は一部の先進企業で始まったばかり、受電から登録までを無人で回す段階5はまだ例外的というのが2026年時点の現在地です。

ここで誤解しやすいのが「ボイスボット（音声自動応答）」という言葉です。「うちもボイスボットを入れたから段階5だ」と思いがちですが、ひとくちにAIの音声応答といっても、中身は大きく3つの層に分かれます。賢さがまったく違うため、見分けが必要です。

「ボイスボットを導入した」ことと「段階5に到達した」ことは、まったく別だということです。自社や検討中のサービスがどの層なのかは、「台本にない質問にどう答えるか」「会話の途中で用件が変わったらついてこられるか」を試すと見分けられます。

一方、海外では「AIが最初から最後まで処理する」段階4〜5の実用事例が次々と生まれています。代表的なものを見てみましょう。

Klarna（スウェーデン・後払い決済）― AIが700人分の応対を代行

PolyAI（英国・音声AI）― 電話の予約・決済まで無人で完結

Lemonade（米国・保険）― 保険金請求をAIが数秒で完結

こうした完全自動化を支える専業スタートアップにも巨額の投資が集まっています。SalesforceやOpenAI出身者が創業したSierraは2026年1月時点で年間経常収益1.5億ドル・評価額100億ドル規模、AIカスタマーサポートのDecagonは評価額45億ドル、欧州の音声AI大手Parloaは3,000億円超の評価額に達するなど、「電話・問い合わせの完全自動化」は世界の投資マネーが最も集まる領域のひとつになっています。

日本が段階1〜2で足踏みする理由は、技術力の不足ではありません。むしろ文化・運用面の事情が大きいと考えられます。

ただし、潮目は2025〜2026年で変わりつつあります。アフラック生命保険はOpenAIと提携しコールセンター人員の半減を発表、ベルシステム24は2026年の応対完全自動化を宣言、ソフトバンクはAI音声対話サービス「X-Ghost」の提供を開始しました。大手が段階4〜5に本気で踏み込み始めたことで、中堅・中小企業にも段階3以降の選択肢が現実味を帯びてきています。

海外の段階5事例は鮮烈ですが、中小企業がいきなり完全無人化を目指す必要はありません。むしろ確実に効果が出るのは、段階1〜3を順番に固めることです。

重要なのは「完全無人化」をゴールにしないことです。海外の先進企業も、難しい案件は人に残すHuman-in-the-loop（重要な判断は人が担う仕組み）を前提にしています。自社の電話のうち「型が決まった用件」がどれくらいあるかを見極め、そこから自動化を始めるのが失敗しないコツです。

中小企業を取材していると、「電話だけは自分（社長）が出ないと不安」という声をよく聞きます。 確かに、顧客の生の声を直接聞くことには価値があります。しかし冷静に見れば、その電話の多くは 「営業時間の問い合わせ」「在庫確認」「予約変更」といった型の決まった用件です。 こうした電話に社長や事務員が一件ずつ対応している限り、本来やるべき仕事の時間は削られ続けます。

海外の事例が示しているのは、「電話対応のすべてをAIに置き換える」ことではなく、 型が決まった用件はAIに任せ、人は本当に人でなければできない対応に集中するという分業の発想です。 日本がまず段階1〜2で記録と支援を固め、段階3で入力作業をなくすだけでも、現場の負担は大きく変わります。

実際、国内のコールセンター向けAIセミナーをのぞくと、その大半はベンダー主催の無料ウェビナーで、 今なお「導入したが定着しない」「現場で使われ続けない」が共通テーマになっています。 語られる内容も通話の文字起こし・要約・ボイスボットの"導入"が中心で、受電から手配まで無人で回す段階4〜5を正面から扱うものはまだ稀です。 市場全体が「段階1〜2をどう定着させるか」で足踏みしている、というのが偽らざる温度感です。

一方で、現場はたしかに動き始めています。私たち運営元（X-HACK）自身も、国内事業者のコールセンター業務AI化を支援しており、 リアルタイム音声認識で会話から必要情報を抽出してAIエージェントが基幹システムへ自動入力する（段階3）ところから、 ボイスボットによる一次受付と、定型依頼の自動手配・24時間対応（段階4〜5）までを見据えた設計に取り組んでいます。 入力1件あたり10〜15分かかっていた作業を確認のみの2〜3分へ、入力工数を7〜8割削減する——そんな試算が、海外の話ではなく国内の実装現場で現実のものになりつつあります。

「電話に出る」のをやめられないのは、品質へのこだわりであると同時に、変化への不安でもあります。 まずは通話の自動記録という小さな一歩から、自社がどの段階まで進めるかを見極めてみてはいかがでしょうか。