「また同じ質問への返信か…」日々の業務が、単調な問い合わせ対応だけで終わってしまうことに疲弊していませんか？顧客満足度は上げたいけれど、これ以上スタッフに負荷はかけられない。そんなジレンマを抱えるカスタマーサポート責任者にとって、HubSpotの最新AI「Breeze Customer Agent」は、まさに救世主となり得ます。本記事では、単なるチャットボットとは一線を画すこのAIエージェントの導入方法から、実用的な自動化設定、そしてAIと人間が共存する最適なワークフローまでを、専門用語を使わずに徹底解説します。今日からあなたのチームは「守りのサポート」を卒業し、「攻めの顧客対応」へとシフトしましょう。
- 24時間365日、AIが即座に回答することで顧客の待ち時間をゼロにする方法
- 既存のナレッジベースを活用し、設定時間を大幅に短縮するテクニック
- 「AI任せ」のリスクを排除し、必要な時だけ人間につなぐ安全な設計
- 導入後の効果測定と、回答精度を継続的に高めるための運用ポイント
HubSpot Breeze Customer Agentとは？従来のチャットボットとの決定的な違い
日々の業務の中で、「また同じ質問への返信か…」とため息をついたことはないでしょうか？
顧客からの問い合わせは、ビジネスが成長している証でもありますが、限られたリソースで運営する中小企業のチームにとって、繰り返される単純な質問への対応は、時として重い足かせとなります。
「自動化したいけれど、従来のチャットボットはお客様に対し失礼にならないか心配だ」
もしそうお考えなら、HubSpot Breeze Customer Agent（ブリーズ カスタマー エージェント）は、あなたの懸念を払拭し、チームの働き方を根本から変える強力なパートナーとなるでしょう。
Breeze Customer Agentは、単にあらかじめ決められた回答を返すだけのプログラムではありません。
あなたの会社の「優秀なデジタル社員」として、24時間365日、顧客の文脈を理解し、人間のように自然に対話し、そして必要に応じて適切な人間の担当者へバトンを繋ぐ、次世代のAIエージェントです。
「ルールベース」から「生成AIベース」への進化
これまでのカスタマーサポート自動化の主流であった「ルールベース型チャットボット」と、HubSpot Breeze Customer Agentに代表される「生成AI（LLM）ベース型エージェント」の間には、技術的に埋めがたい決定的な溝があります。
その違いを正しく理解することが、導入成功への第一歩です。
従来のルールベース型は、いわば「巨大なフローチャート」でした。
「A」と聞かれたら「B」と答える、というシナリオを人間が手動ですべて設計する必要があり、設定には膨大な時間と労力がかかりました。
さらに、顧客が想定外の言葉遣いをしたり、シナリオにない質問を投げかけたりすると、「すみません、よく分かりません」と返すことしかできず、かえって顧客のストレスを招く原因となっていました。
一方、Breeze Customer Agentは、大規模言語モデル（LLM）を搭載した生成AIベースのシステムです。
シナリオを細かく書く必要はありません。代わりに、自社のWebサイト、ナレッジベース（FAQ）、過去の対応履歴などをAIに読み込ませるだけで学習が完了します。
AIは顧客の質問の「意図」や「文脈」を人間のように解釈し、学習したデータをもとに、その場で最適な回答を文章として生成します。
Breeze Customer Agentは、AIが勝手に嘘をつく（ハルシネーション）のを防ぐため、HubSpot内の信頼できるデータソース（ナレッジベース等）のみを参照して回答を生成する仕組みを採用しています。
これにより、ChatGPTのような汎用的なAIとは異なり、企業の公式情報に基づいた正確なサポートが可能になります。
以下の表は、両者の違いをビジネス視点で整理したものです。
| 比較項目 | 従来のルールベース型 | Breeze Customer Agent (生成AI型) |
|---|---|---|
| 導入・設定の手間 | シナリオ設計に数週間〜数ヶ月 | 既存コンテンツを学習させるだけで即日〜数日で稼働可能 |
| 会話の柔軟性 | キーワード完全一致が必要 （表記ゆれに弱い） |
曖昧な表現や自然言語を理解 （「送料いくら？」も「配送コストは？」も同じと認識） |
| 回答の質 | 定型文の貼り付け 機械的で冷たい印象 |
文脈に合わせた自然な文章 関連情報の提示や共感的な表現も可能 |
| メンテナンス | 情報更新のたびにフロー修正が必要 | ナレッジベースを更新すればAIが自動的に最新情報を反映 |
特に中小企業の現場では、専任のシステム担当者がいないケースがほとんどです。
「メンテナンスが大変で、結局使われなくなったチャットボットの残骸」を生み出さないためにも、学習と更新が容易な生成AIベースへの移行は、必然の選択と言えるでしょう。
Service HubにおけるCustomer Agentの役割とメリット
HubSpotのService Hubにおいて、Breeze Customer Agentは単なる「自動応答ツール」以上の役割を担っています。
それは、カスタマーサポートチーム（CS）と営業チームをつなぐハブであり、CRM（顧客関係管理）データと密接に連携した「賢いフロント担当」です。
多くの外部製AIチャットボットツールは、CRMとの連携が弱く、誰が問い合わせてきたのか分からないまま対応することが少なくありません。
しかし、HubSpotネイティブの機能であるCustomer Agentは、HubSpot CRM内のデータを安全に参照することができます（※設定により制御可能）。
これにより、例えば既存顧客からの問い合わせであれば、過去の購入履歴や契約状況を踏まえたルーティングを行ったり、AIが解決できなかった場合に、担当者の受信トレイへ会話履歴をそのまま引き継いだりすることがシームレスに行えます。
Service HubにおけるCustomer Agentの具体的なメリットは、以下の3点に集約されます。
1. 24時間365日の「一次解決」を実現し、機会損失を防ぐ
顧客は営業時間外にも問題を抱えています。Breeze Customer Agentは、深夜や休日の問い合わせに対しても即座に応答し、ナレッジベースから解決策を提示します。
HubSpotのデータによると、Breeze Customer Agentを導入した企業の中には、問い合わせ全体の50%以上を自動解決（Deflection）し、有人対応のチケット数を大幅に削減した事例も報告されています。
これは単なるコスト削減だけでなく、深夜に製品情報を探している見込み客を逃さない、売上向上の施策でもあります。
2. 有人対応へのシームレスな「ハンドオフ（引き継ぎ）」
AIが全ての質問に答えられるわけではありません。
Breeze Customer Agentの優れた点は、自分が答えられない質問が来たときに、「人間の担当者に交代します」とスムーズにエスカレーションできる点です。
この際、それまでの会話ログが全てチケットとして記録され、担当者は「何に困っているか」を把握した状態で対応をスタートできます。
顧客に「さっきボットにも言ったんですけど…」と二度手間をかけさせることがなくなり、顧客満足度を損ないません。
3. スタッフを「単純作業」から解放し、疲弊を防ぐ
「パスワードの変更方法は？」「営業時間は？」「料金プランは？」といった、マニュアルを見れば分かる質問に一日中対応していると、スタッフは疲弊し、モチベーションが低下します。
これら定型的な質問（Tier 1サポート）をAIに任せることで、人間のスタッフは「クレーム対応」や「複雑なコンサルティング」、「解約阻止」といった、感情的な配慮や高度な判断が必要な業務に集中できるようになります。
結果として、チームの離職率低下やスキルアップにも寄与します。
このように、Service Hubの一部として機能するCustomer Agentは、単独のツールではなく、CRMという心臓部と直結した手足として機能することで、その真価を発揮するのです。
顧客体験（CX）はどう変わる？解決スピードと満足度の向上
企業側のメリットばかりを強調してきましたが、顧客（ユーザー）にとってはどうでしょうか？
実は、Breeze Customer Agentの導入は、顧客体験（CX）の質を劇的に向上させる可能性を秘めています。
現代の消費者が最も嫌うもの、それは「待たされること」です。
HubSpotの調査によると、顧客の多くは問い合わせに対して「即時の反応」を求めています。
メールを送ってから返信が来るまで24時間待たされる体験と、チャットで質問を投げかけた瞬間に的確な回答が得られる体験では、後者の方が圧倒的に満足度が高くなります。
これを「インスタント・グラティフィケーション（即時満足）」と呼びますが、Breeze Customer Agentはこのニーズに完璧に応えます。
具体的に、顧客体験は次のように変化します。
- 待ち時間ゼロのストレスフリーな体験:
電話の保留音を何分も聞かされたり、メールの返信を数日待ったりする必要がなくなります。疑問が浮かんだその瞬間に解決できるため、顧客の購買意欲やサービス利用意欲が冷めません。 - 「情報の信頼性」の担保:
Breeze Customer Agentは、回答を生成する際に「情報源（出典）」を提示するよう設定できます。
「この回答は、以下のナレッジベース記事に基づいています」というリンクが表示されることで、顧客はAIの回答が正しいかどうかを確認でき、安心して情報を利用できます。
これは、いい加減な回答をするチャットボットへの不信感を払拭する重要な機能です。 - 人間による対応品質の向上（間接的なCX向上）:
逆説的ですが、AIが単純な質問を処理してくれるおかげで、本当に困っている顧客が人間に繋がりやすくなります。
電話がつながらない、チャットの順番待ちが長い、といった状況が解消され、人間のオペレーターは一人ひとりの顧客に時間をかけて丁寧に対応できるようになります。
「AIで済むことはAIで、人間が必要なときは人間が手厚く」というメリハリこそが、これからの優れた顧客体験の標準となるでしょう。
すべての対応をAIに任せようとして、人間への接続経路を隠したり、複雑な問題までAIに強引に回答させようとしたりするのは避けるべきです。
顧客が「人間と話したい」と感じたときに、すぐに人間の担当者を呼び出せる動線を確保しておくことが、AI時代における信頼獲得の鍵となります。
Breeze Customer Agentはそのハンドオフ設定が柔軟に行えるため、この点でも安心して運用できます。
結論として、Breeze Customer Agentは「コスト削減ツール」であると同時に、顧客に「待たせない」「迷わせない」という最高のサービスを提供する「CX向上ツール」なのです。
次章では、いよいよ具体的な導入手順と、失敗しないための初期設定について詳しく解説していきます。
導入前の必須準備：AIの「脳」となるナレッジベースの整備
HubSpot Breeze Customer Agentを導入し、問い合わせ対応の自動化を成功させるための最大の鍵は、実はAIの設定そのものではなく、AIが参照するデータの品質にあります。多くの企業が「AIを導入すれば勝手に賢くなる」と誤解していますが、生成AIは魔法の杖ではありません。あくまで、与えられた情報を元に回答を組み立てる、極めて高度な処理能力を持ったエンジンに過ぎないのです。
IT業界には古くから「Garbage In, Garbage Out（ゴミを入れればゴミが出る）」という格言があります。これは最新のAIエージェントにもそのまま当てはまります。もし、あなたのナレッジベース（ヘルプセンターの記事やFAQ）が古かったり、情報が矛盾していたり、人間にとっても読みづらいものであれば、AIは正確な回答を生成できません。結果として、「申し訳ありませんが、わかりません」という回答を連発するか、最悪の場合、誤った情報を顧客に伝えてしまうハルシネーション（幻覚）を引き起こすリスクすらあります。
逆に言えば、AIにとって読みやすく、整理された「脳（ナレッジベース）」を用意してあげることさえできれば、Breeze Customer Agentは導入初日からあなたのチームの頼れる即戦力として機能します。このセクションでは、AIの能力を最大限に引き出すために、導入前に必ずやっておくべきナレッジベース整備の具体的な手順とノウハウを、技術的な背景も交えて徹底的に解説します。
AIが読み取りやすいナレッジベース記事の書き方
「人間が読んで分かりやすい記事は、AIにとっても分かりやすい」。これが、ナレッジベース作成における黄金律です。HubSpot Breeze Customer Agentは、大規模言語モデル（LLM）を活用して記事の内容を理解しますが、その処理プロセスを理解することで、より「回答に採用されやすい」記事を書くことができます。
AIは記事を読み込む際、テキストを「トークン」と呼ばれる単位に分解し、文脈や意味のつながりをベクトル（数値）化して理解しようとします。このとき、文章構造が曖昧だったり、論理が飛躍していたりすると、AIは情報の関連性を正しく紐づけることができず、回答のソースとして利用する際の「確信度（Confidence Score）」が下がってしまいます。確信度が低い情報は、誤回答を防ぐために無視される傾向があります。
以下に、AIが情報を正確に抽出しやすくするための、具体的な執筆テクニックを解説します。
1. 「アンサーファースト」で結論を冒頭に置く
AIは記事の冒頭部分を非常に重視します。顧客が知りたい結論（答え）を、記事の最初の段落で明確に述べてください。起承転結のような文学的な構成は不要です。「～というエラーが出た場合、まずは再起動してください」のように、解決策を単刀直入に記述することで、AIはその記事が何の問いに対する答えなのかを即座に理解できます。
2. 構造化タグ（H2, H3, リスト）を正しく使う
HTMLの構造化タグは、AIにとっての「道標」です。ただ文字を太くするだけでなく、見出しタグ（H2、H3）を使って情報の階層を明確にしてください。
- 見出しを活用する： セクションのタイトルを「手順」とするよりも、「パスワードをリセットする手順」のように、具体的なキーワードを含める方がAIの検索ヒット率が上がります。
- 手順は順序付きリストで： ステップバイステップの手順は、必ず
<ol>（番号付きリスト）タグを使用してください。これにより、AIは「これらは順番に行う必要がある一連の動作である」と認識し、チャットの回答でも「ステップ1、ステップ2…」と綺麗に整形して出力してくれます。
3. 表記ゆれをなくし、一貫した用語を使う
同じものを指す言葉が記事によってバラバラだと、AIの混乱を招きます。例えば、「ログイン」「サインイン」「ログオン」が混在していると、AIはそれらが同一のアクションであると推測はしますが、微妙なニュアンスの違いとして処理しようとする場合があり、回答精度が落ちる可能性があります。社内用語集（Glossary）を作成し、ナレッジベース全体で用語を統一することが重要です。
4. 1記事1テーマ（Atomic Content）の原則
1つの記事にあらゆる情報を詰め込みすぎないでください。「アカウントの設定と請求と解約について」のような長大な記事は、AIにとって情報の抽出が難しくなります。「アカウントの設定方法」「請求書の確認方法」「解約の手順」のように、トピックごとに記事を分割（アトミック化）することで、AIはピンポイントで最適な回答を見つけ出しやすくなります。
ゼロから記事を書くのが大変な場合は、HubSpotの「Breeze Knowledge Base Agent」機能を活用しましょう。これは、過去に解決済みのチケット（問い合わせ履歴）をAIが分析し、そこからナレッジベース記事の下書きを自動生成してくれる機能です。現場の生のやり取りから生成された記事は、顧客の言葉遣いに近く、非常に質の高いソースとなります。
以下の表は、AIが読み取りにくい「悪い例」と、読み取りやすい「良い例」の比較です。
| 悪い例（AIが迷う書き方） | 良い例（AIが理解しやすい書き方） |
|---|---|
| タイトル：設定について 本文： うまく動かないときは、画面の右上のあれを押してみて、設定画面に行ったら一番下の方にあるボタンをクリックすると直ることがあります。 （※指示語が多く、構造がない） |
タイトル：通知が届かない場合の設定確認手順 本文： 通知が届かない場合は、以下の手順で設定を確認してください。
|
| タイトル：返品と送料 本文： お客様都合の場合は送料はお客様負担ですが、不良品なら着払いです。あ、そういえば返品は到着後7日以内にお願いしています。 （※条件分岐が文章に埋もれている） |
タイトル：返品時の送料負担について 本文： 返品理由によって、送料の負担区分が異なります。
注意： 返品期限は商品到着後7日以内です。 |
公開範囲の設定と、AIに学習させる情報の選別
記事の品質と同じくらい重要なのが、「どの情報をAIに読ませるか」という情報の選別と権限設定です。HubSpot Breeze Customer Agentは、設定されたソース（情報源）の中にある全てのテキストを「正解」として学習しようとします。ここで適切なフィルタリングを行わないと、社外秘の情報が顧客に漏れたり、すでに無効になった古いキャンペーン情報に基づいて回答してしまったりするリスクがあります。
Customer Agentの信頼性を担保するために、以下の3つの観点から情報の選別を行ってください。
1. 参照ソースの正しい選択
Customer Agentの設定画面では、AIが知識を得るためのソースを選択できます。基本的には以下の情報源が選択可能です。
- ナレッジベース記事（Knowledge Base）： 最も推奨されるソース。Q&A形式で整理されているため、AIとの相性が抜群です。
- ウェブサイトページ（Website Pages）： サービス紹介ページや料金ページなど。
- ブログ記事（Blog Posts）： お役立ち情報や事例など。
- アップロードされたファイル（Files）： PDFのマニュアルや製品仕様書など。
ブログ記事は時事性が高く、執筆時点では正しかった情報が、現在では古くなっているケースが多々あります（例：2年前の「新機能リリース！」記事など）。ブログ全体をソースとして指定する場合は、古い記事が誤った回答の元にならないよう、タグや公開日でフィルタリングするか、重要な仕様に関する回答はナレッジベースを優先させる運用を検討してください。
2. 「公開（Public）」と「非公開（Private）」の使い分け
HubSpotのナレッジベースには、誰でも閲覧できる「公開記事」と、ログインした特定のユーザーや社内メンバーだけが閲覧できる「非公開記事（登録ユーザー限定）」があります。
通常、Webサイト上に設置するチャットボット（Customer Agent）には、「公開」設定の記事のみを参照させるのが安全です。もし、社内向けのマニュアル（例：「クレーマー対応の心得」や「社割の適用ルール」など）を同じナレッジベース内で管理している場合、これらを誤って公開設定にしていたり、エージェントの参照範囲に含めてしまったりすると、顧客からの質問に対して社内事情を暴露してしまう恐れがあります。
2025年以降のアップデートにより、特定の条件下で非公開記事を認証済みユーザー（ログイン済み顧客）向けのエージェントに参照させる機能も強化されていますが、初期導入段階では「顧客に見せても良い情報だけを別のカテゴリに分ける」か、明確に公開設定を確認してからソースに追加することを強く推奨します。
3. 情報の鮮度管理とアーカイブ
AIにとって最も厄介なのは「矛盾する情報」です。例えば、ある記事では「送料は500円」と書いてあり、別の古い記事では「送料は無料」と書いてあった場合、AIはどちらが最新の正解かを判断できず、誤った回答をする確率が高まります。
これを防ぐために、以下のルーチンを導入してください。
- 定期的な棚卸し： 半年に一度は全記事を見直し、古くなった情報は削除するか、HubSpotの「アーカイブ」機能を使って非公開にします。
- 重複コンテンツの統合： 同じような内容の記事が複数ある場合は、1つに統合（マージ）します。
- 有効期限の明記： 期間限定のキャンペーン情報などは、記事内に「※2025年12月末までのキャンペーンです」と明記するだけでなく、キャンペーン終了後に必ず記事自体を取り下げる運用ルールを設けます。
「回答なし」を防ぐための網羅性チェックリスト
AIエージェントを導入して最初に直面する課題は、顧客からの質問に対して「すみませんが、その質問にはお答えできません」という回答（Fallback）が多発することです。これはAIの性能が低いのではなく、単純に「その答えがナレッジベースに書いていない」ことが原因の9割を占めます。
導入初日から高い回答率（カバー率）を実現し、顧客を失望させないために、最低限網羅しておくべきトピックのチェックリストを用意しました。これらは、一般的なビジネスにおいて問い合わせの80%を占める「基本中の基本」です。
問い合わせ対応において、全体の80%の質問は、頻出する20%のトピックに集中すると言われています。まずはこの「トップ20%」を完璧にナレッジベース化することで、AIの自動解決率は劇的に向上します。残りのレアな質問は、人間（有人対応）にエスカレーションすれば良いのです。
必須網羅性チェックリスト
以下の項目について、それぞれ最低1つ以上の明確な記事（またはWebページ上の記載）があるか確認してください。
| カテゴリ | 確認すべきトピック（記事タイトル案） |
|---|---|
| 基本情報・契約 |
|
| 手続き・アカウント |
|
| 配送・サービス提供 |
|
| トラブルシューティング |
|
運用開始後の「穴埋め」サイクルが最強の品質を作る
上記のリストを埋めても、想定外の質問は必ず来ます。ここで重要なのが、HubSpot Breezeの「自律的な改善サイクル」を活用することです。
- 検知： Customer Agentが回答できなかった質問は、自動的にログとして記録されます。
- 提案： Knowledge Base Agentがそのログを分析し、「このトピックに関する記事が不足しています」とアラートを出し、さらに記事のドラフト（下書き）まで作成してくれます。
- 承認： 人間がそのドラフトを確認・修正して公開します。
- 学習： 次回から、Customer Agentはその新しい記事を参照して、同じ質問に即座に回答できるようになります。
このサイクルを週に一度回すだけで、あなたのナレッジベースは「顧客が本当に知りたいこと」だけで構成された、筋肉質な最強のデータベースへと進化していきます。「回答なし」を恐れる必要はありません。それはナレッジベースを成長させるための貴重なヒントなのです。
実践ステップ1：Customer Agentの基本設定と有効化
「AIチャットボットの導入なんて、技術的な知識がないと無理だろう」「設定を間違えて、変な回答をお客さまにしてしまったらどうしよう……」。新しいテクノロジーを導入する際、責任者の方がこのような不安を抱くのは当然のことです。しかし、ご安心ください。HubSpot Breeze Customer Agent（カスタマーエージェント）は、コードを書くことなく、直感的な操作で「あなたの会社の優秀なスタッフ」として育て上げることができます。
このセクションでは、HubSpotの管理画面を実際に操作しながら、Customer Agentを立ち上げ、自社のブランドに合った話し方を教え、安全に運用するためのセキュリティ設定を行うまでの手順を、順を追って解説します。初期設定は、AIの土台となる最も重要な工程です。ここを丁寧に行うことで、後の運用が劇的に楽になり、顧客満足度を高める自動化が実現します。
チャットフロー作成画面でのエージェント選択手順
まずは、AIエージェントの「本体」を作成し、それが顧客と対話するための入り口（チャットフロー）を用意します。HubSpotのBreeze Customer Agentは、従来の「シナリオ型（ルールベース）」のチャットボットとは異なり、複雑な分岐図を作る必要がありません。あなたの会社が持っている知識（ナレッジ）を読み込ませるだけで、AIが自律的に回答を生成します。
1. Customer Agentの新規作成
最初に行うのは、エージェントの作成です。HubSpotアカウントにログインし、以下の手順で進めてください。
- メインナビゲーションの[サービス]（または[自動化]）メニューから、[Customer Agent]を選択します。
- 画面右上にある[エージェントを作成]ボタンをクリックします。
- エージェントの設定ウィザードが始まります。ここで、エージェントに名前（例：「サポート担当AI」など社内で管理しやすい名前）を付け、役割として「カスタマーサポート」を選択します。
この作成プロセスで最も重要なのが「コンテンツソース」の選択です。AIはここで選ばれた情報だけを頼りに回答します。
- ナレッジベース： 公開済みのヘルプ記事を選択します。これが最も精度の高い回答源になります。
- ウェブサイト・ブログ： 自社サイトのURLを指定し、製品情報やポリシーを学習させます。
- ファイルアップロード： 社内マニュアルやPDFの資料をアップロードして学習させることも可能です（※機密情報が含まれていないか注意してください）。
2. チャットフローへの割り当て
エージェントを作成し、コンテンツ（知識）を与えたら、次はそれを顧客が利用するチャットウィンドウに接続します。
- Customer Agentの設定画面にある[チャネル]タブ、または[割り当て]セクションに移動します。
- [ライブチャット]を選択し、接続したいチャットフロー（ウェブサイトの右下に表示されるチャットウィジェット）を選びます。
- まだチャットフローがない場合は、新規作成画面で「Customer Agent」をテンプレートとして選択することで、最初からAIが応答する設定で構築できます。
この設定を行うと、ウェブサイト上のチャットに顧客が質問を投げかけた際、人間が対応する前にまずAIエージェントが学習した内容に基づいて即座に回答を試みるようになります。これにより、単純な問い合わせの多くが自動で解決され、有人対応の件数が大幅に削減されるのです。
AIのトーン＆マナー（口調）を自社ブランドに合わせる設定
機能的に正しい回答ができても、その口調が冷たすぎたり、あるいは逆に馴れ馴れしすぎたりしては、ブランドイメージを損なう恐れがあります。HubSpot Breezeでは、AIの「人格（ペルソナ）」を設定し、自社のブランドボイスに合わせた対話スタイルを適用することができます。
トーン（Personality）の選択とカスタマイズ
Customer Agentの設定画面には、AIの口調を決定する項目があります。まずはプリセットから、自社のイメージに近いものを選択しましょう。
| トーン設定 | 特徴と適している企業 | 回答のニュアンス例 |
|---|---|---|
| プロフェッショナル (Professional) | 信頼性を重視するB2B企業、金融、士業など。礼儀正しく、簡潔な表現。 | 「お問い合わせありがとうございます。料金プランについては、以下の資料をご確認いただけますでしょうか。」 |
| フレンドリー (Friendly) | B2Cサービス、Eコマース、スタートアップなど。親しみやすく、絵文字を使うこともある。 | 「こんにちは！料金についてですね。こちらのページに詳しくまとまっていますので、ぜひ見てみてくださいね😊」 |
| 共感的 (Empathetic) | ヘルスケア、カウンセリング、サポート重視のサービス。相手の感情に寄り添う。 | 「お困りのことと存じます。料金についてご不安を解消できるよう、丁寧にご案内させていただきます。」 |
ブランドボイス（Brand Voice）の適用
さらに高度な設定として、HubSpotの「Brand Voice」機能を利用することができます（※Professionalプラン以上で利用可能な場合があります）。これは、過去のブログ記事やメール文面をAIに分析させ、自社独自の「らしさ」を学習させる機能です。
Customer Agentの設定で[ブランドボイスを使用する]をオンにすると、単なる「敬語」や「タメ口」といったレベルを超えて、「弊社では顧客を”パートナー”と呼ぶ」「専門用語はなるべく平易な言葉に言い換える」といった、細かなニュアンスまで反映した回答が生成されるようになります。
日本語の場合、AIの翻訳調が気になることがあります。その場合は、エージェントの追加指示（System Prompt）欄に、「日本のお客様に対して、自然で丁寧なビジネス日本語（です・ます調）を使用してください」「過度な謝罪は避け、解決策を提示することを優先してください」といった具体的なルールを記述することで、より違和感のない対話が可能になります。
セキュリティとプライバシー設定の確認事項
AIを顧客対応に導入する際、経営層やIT部門が最も懸念するのが「セキュリティ」と「誤情報の拡散（ハルシネーション）」のリスクです。HubSpotはSOC 2やGDPRといった国際的なセキュリティ基準に準拠していますが、設定側でも適切なガードレールを設けることが不可欠です。
学習データの範囲を厳格に管理する
AIは「与えられた情報」をすべて真実として学習します。したがって、以下の点に注意してコンテンツソースを選定してください。
- 社外秘情報の除外： 社内向けのマニュアルや、未発表の製品情報が含まれるドキュメントを誤ってアップロードしないようにしてください。AIは学習した内容を顧客への回答に使ってしまう可能性があります。
- 個人情報の保護： 顧客リストや特定の個人名が含まれる議事録などは、絶対に学習ソースに含めないでください。HubSpotのAI設定には、機密データへのアクセスを制限するトグルがありますが、元データを含めないことが最も確実な対策です。
エスカレーション（有人対応への引き継ぎ）の設定
AIが回答に自信がない場合や、顧客が不満を感じている場合に、スムーズに人間のスタッフへ交代する仕組みも「安全装置」の一つです。
- 不明時の挙動： AIが回答を見つけられない場合、「申し訳ありません、その質問にはお答えできません」と返すだけでなく、「担当者にお繋ぎしますか？」と提案するか、自動的にチケットを作成してサポートチームに通知するフローを設定します。
- 不適切な回答の防止： 万が一、AIが誤った回答をした場合に備え、会話ログは定期的にモニタリングしましょう。HubSpotの管理画面では、AIの回答履歴を確認し、修正が必要な回答に対してフィードバック（Good/Bad評価）を行うことで、精度を向上させることができます。
「便利そうだから」と、検証せずに全てのナレッジを一気に読み込ませるのは危険です。まずは「よくある質問（FAQ）」などの公開情報のみをソースとして設定し、社内メンバーによるテスト運用を経てから、徐々に学習範囲を広げていく「スモールスタート」を強く推奨します。
これで、Customer Agentの「体（チャットフロー）」「心（トーン＆マナー）」「規律（セキュリティ）」の基本設定が完了しました。次章では、さらに実践的な運用に向けた「ナレッジベースの整備」について解説します。AIの回答精度は、読み込ませるデータの質で9割決まると言っても過言ではありません。
実践ステップ2：有人対応へのスムーズな引き継ぎ（ハンドオフ）設定
AIエージェントの導入において、多くの担当者が最も懸念するのは「AIが答えられない質問に対して、顧客をたらい回しにしてしまわないか」という点です。
確かに、どれほど高度なAIであっても、複雑なクレーム対応や、高度な判断を要する個別案件のすべてを完結させることは不可能です。
だからこそ重要になるのが、AIから人間（ヒューマンエージェント）へのバトンタッチ、すなわち「ハンドオフ」の設計です。
HubSpot Breeze Customer Agentの真価は、AIが解決できる問題は瞬時に処理しつつ、人の手が必要な局面では、シームレスに適切な担当者へ接続できるハイブリッドな環境にあります。
このステップでは、顧客体験（CX）を損なわず、むしろ信頼感を高めるような「有人対応への引き継ぎ設定」について、具体的な実践手法を解説します。
「担当者と話したい」と言われた時のルーティング設定
顧客がチャットボットやAIエージェントとの対話中に、「担当者と代わってほしい」「人間と話したい」と要求するケースは少なくありません。
この瞬間こそが、顧客満足度を左右する重要な分岐点（モーメント・オブ・トゥルース）です。
ここでスムーズに接続できれば「親切な対応」と評価されますが、待たされたり、適切な部署につながらなかったりすれば、顧客の不満は一気に爆発します。
HubSpotでは、こうした状況に対応するために、高度な「会話ルーティングルール」を設定することが可能です。
単に空いているスタッフに繋ぐだけでなく、顧客の属性や問い合わせ内容に応じて、最適なスキルを持つチームや担当者に振り分けることが、業務効率化の鍵となります。
ルーティング設計の基本原則
- 即時性： 顧客を可能な限り待たせないこと。
- 専門性： その問いに答えられるスキルを持つ担当者に繋ぐこと。
- 継続性： 過去の担当者がいる場合は、優先的にその担当者へ繋ぐこと。
具体的には、以下のようなルーティングロジックをHubSpotの「受信トレイ」設定やワークフローで構築します。
1. キーワードやインテント（意図）に基づく分岐
AIエージェントが顧客のメッセージから「解約したい」「料金の相談」「技術的な不具合」といったキーワードや意図を検出した場合、自動的に対応する専門チームへチャットを転送する設定です。
例えば、「技術サポート」チームと「セールス」チームが分かれている場合、すべての問い合わせを一次受け窓口で受けるのではなく、入り口の段階で振り分けることで、専門スタッフの時間を確保できます。
HubSpotのチャットフロー設定では、if/then分岐を使用し、「もしユーザーの入力に『不具合』が含まれる場合、テクニカルサポートチームへ割り当てる」といったルールを定義します。
2. コンタクト所有者への優先ルーティング
BtoBビジネスにおいては、顧客ごとに担当営業（コンタクト所有者）が決まっているケースが一般的です。
既知の顧客（HubSpot CRMに登録されているコンタクト）からの問い合わせであれば、「コンタクトの所有者へルーティング」というオプションを有効にすることを強く推奨します。
これにより、顧客は「いつもの担当者」とスムーズに会話を開始でき、担当者も過去の文脈を把握しているため、対応コストを大幅に削減できます。
3. チーム内の割り当てルール（ラウンドロビン等）
特定の担当者が決まっていない、あるいは担当者が不在の場合、チームメンバー内でどのように会話を配分するかを決定する必要があります。
HubSpotでは主に以下の配分方式を選択できます。状況に応じて使い分けることが重要です。
| ルーティング方式 | 特徴とメリット | 推奨される利用シーン |
|---|---|---|
| 特定のユーザー | 常に特定の個人に通知を送る。専門性が極めて高い業務向け。 | 専任の技術顧問や、特定のVIP担当者がいる場合。 |
| 特定のチーム | 指定したチーム全員に通知し、手が空いた人が対応する（早い者勝ち）。 | 対応スピードを最優先する場合や、少人数のサポートチーム。 |
| ラウンドロビン | オンライン状態のメンバーへ均等に順番に割り当てる。 | メンバー間の負荷を平準化したい場合。一般的なCSチームに最適。 |
ラウンドロビンを使用する場合、スタッフが離席中や会議中であるにもかかわらず「オンライン」ステータスになっていると、対応できない会話が割り当てられてしまい、顧客を待たせる原因になります。
HubSpotのステータス設定（離席中への自動切り替えなど）をチーム全体で徹底運用することが不可欠です。
また、AIから人間へ切り替わる際には、顧客に対して「担当者にお繋ぎします。少々お待ちください」というメッセージを自動表示させることも忘れてはいけません。
この一言があるだけで、顧客は「無視されている」のではなく「接続処理中である」と認識でき、待機時のストレスが軽減されます。
さらに、待機時間が一定時間を超えた場合のフォールバック（代替策）も設定しておくべきです。
例えば、「現在大変混み合っております。メールアドレスを残していただければ、後ほど担当からご連絡します」といったメッセージを表示し、チャットから非同期のコミュニケーション（メール）へ誘導する仕組みです。
これにより、機会損失（離脱）を最小限に抑えることができます。
営業時間内・時間外での挙動の切り替えテクニック
顧客は時間を気にせず、24時間365日いつでも問い合わせをしてきます。
しかし、多くの中小企業では、有人対応ができる時間は「平日の9時から18時まで」といったように限られています。
この「顧客の期待」と「企業のリソース」のギャップを埋めることこそが、HubSpot Breeze Customer Agentのような自動化ツールの最大の役割の一つです。
有人対応への引き継ぎ設定においては、現在が「営業時間内」なのか「時間外」なのかによって、AIの振る舞いを明確に切り替える必要があります。
これを適切に設定しないと、深夜に「担当者と話したい」と言われ、AIが「担当者を呼び出しています」と答え続け、永遠に誰も来ないという最悪の顧客体験を招いてしまいます。
1. 営業時間（Availability）の正確な定義
まず、HubSpotの「受信トレイ」設定内にある「対応可能時間」を正確に設定します。
ここでは、曜日ごとの開始時間と終了時間を細かく指定できます。
グローバルに展開している企業や、地域ごとに拠点が異なる場合は、タイムゾーンの設定に細心の注意を払ってください。
本社（東京）の時間を基準にするのか、顧客のブラウザのタイムゾーンに合わせるのかで、挙動が変わってきます。基本的には、サポートチームが実際に稼働しているタイムゾーン（日本時間など）を基準に設定します。
2. チャットフローでの条件分岐設定
次に、チャットボットやAIエージェントのシナリオ（チャットフロー）の中で、この対応可能時間を参照する条件分岐を作成します。
HubSpotのチャットフロービルダーでは、「チームが対応可能な場合」と「対応時間外の場合」でルートを分ける機能が標準で備わっています。
「担当者に接続」アクションの手前に、if/then分岐を配置します。
条件：受信トレイのステータスが「対応可能」なら → 担当者へ割り当て
条件：受信トレイのステータスが「対応不可（時間外）」なら → 代替フローへ
3. 時間外における「期待値コントロール」と代替アクション
時間外のルートに入った場合、AIはどのような対応をすべきでしょうか？
単に「営業時間外です」と告げてチャットを切断するのは不親切です。以下のようなアプローチで、顧客との接点を維持することが重要です。
- 自己解決の促進：
「現在は営業時間外ですが、AIがお答えできる範囲でサポートします」と伝え、ナレッジベースの記事を提案したり、よくある質問に回答したりするモードを維持します。 - チケット作成（予約受付）：
「担当者は不在ですが、メッセージを残していただければ、翌営業日の午前中に優先してご連絡します」と伝え、メールアドレスと問い合わせ詳細を入力させるフォームを表示します。 - 緊急度の確認：
ビジネスモデルによっては、緊急対応が必要なケースがあります。「サーバーダウンなどの緊急事態ですか？」と問いかけ、Yesの場合のみ緊急連絡先を表示するなどの分岐も有効です。
4. 祝日や臨時休業の対応
定期的な営業時間だけでなく、ゴールデンウィークや年末年始、社内研修による臨時休業などの設定も忘れてはいけません。
HubSpotでは、特定のチャットフローを特定の日時だけ有効にする、あるいは手動でステータスを「不在」に切り替える運用が必要です。
多くの企業が陥りやすいミスとして、カレンダー通りの祝日に設定を変更し忘れ、顧客からのチャットが放置されるケースがあります。
これを防ぐために、年間カレンダーに基づいたリマインダーをチーム内で設定しておくことをお勧めします。
適切な時間外設定を行うことは、単に「休みを伝える」だけでなく、「あなたの問い合わせを大切に扱っています」というメッセージを伝える機会でもあります。
「翌営業日に必ず連絡する」と約束し、それを守ることで、自動化ツールを通じても信頼関係を構築することができるのです。
チケット自動作成によるフォローアップ体制の構築
チャットボットやAIエージェントとの会話だけで、すべての問題がその場で解決するわけではありません。
「製品の不具合調査が必要」「見積もりの作成が必要」「上長の承認が必要」など、対応が完了するまでに時間がかかるケースは多々あります。
また、有人チャットで対応した場合でも、その場ですぐに回答できず、「調べてからメールで回答します」となることもあります。
こうした「継続的な対応」が必要な案件を、チャットツールの中だけで管理するのは非常に危険です。
チャットはフロー（流れる）情報であり、対応漏れや忘れが発生しやすいからです。
そこで必須となるのが、チャットからの「チケット自動作成」によるストック型管理への移行です。
会話からチケットへのシームレスな変換
HubSpotの強力な機能の一つに、Service Hubの「チケット」機能との連携があります。
Breeze Customer Agentやチャットフローの設定において、特定の条件（例：有人対応へのハンドオフ時、または「未解決」で終了時）を満たした場合に、自動的に新しいサポートチケットを作成することができます。
これにより、以下のようなフォローアップ体制が構築可能になります。
- 対応漏れの防止： すべての未解決案件が「チケット」としてリスト化されるため、誰が何に対応中かが可視化されます。
- 文脈の継承（Context Preservation）： 作成されたチケットには、それまでのチャットの会話ログが自動的に紐付けられます。後から対応するスタッフは、顧客がAIと何を話したかをすべて把握した状態で対応を開始できます。
- SLA（サービスレベル合意）の管理： 「チケット作成から〇時間以内に初回返信する」といった目標時間を設定し、遅れそうな場合にアラートを出すことができます。
ワークフローを活用したチケット情報の充実
単にチケットを作るだけでなく、HubSpotのワークフロー機能を組み合わせることで、チケットに自動的に情報を付与し、優先順位付けを行うことができます。
例えば、以下のような自動化が考えられます。
シナリオ例：VIP顧客からの技術的な問い合わせの場合
- AIエージェントが顧客のメールアドレスから、CRM上の「ライフサイクルステージ」が「顧客（VIP）」であることを識別。
- 問い合わせカテゴリが「不具合」であることを識別。
- これらをトリガーとしてチケットを自動作成する際、以下のアクションを実行。
- チケットの優先度を「高」に設定。
- チケット名を「【至急】VIP顧客からの不具合報告」に設定。
- テクニカルサポートチームのリーダーにSlackやメールで即時通知を送信。
自動作成時に以下の情報を確実にチケットへコピーするように設定しましょう。
- 問い合わせ種別： 製品トラブル、契約関連、要望など。
- 発生源： チャット（Live Chat）経由であることを明記。
- 顧客の感情（Sentiment）： 会話から推測される顧客の温度感（AI分析機能が利用可能な場合）。
「二度手間」を排除する顧客体験の設計
最も避けるべきは、顧客がチャットで事情を説明した後に、後日メールで対応した担当者が「どのようなご用件でしょうか？」と再び尋ねてしまうことです。
これは顧客にとって極めてストレスフルな体験であり、企業の信頼を大きく損ないます。
チケット自動作成のフローを組む際は、「会話の要約」をチケットの内部メモに残すプロセスを組み込むことが理想的です。
HubSpot BreezeのAI機能には、会話の要約を生成する機能も含まれています。これを活用し、チケット担当者が長大なチャットログをすべて読み返さなくても、数行の要約で状況を把握できるようにすることで、対応スピードと品質は劇的に向上します。
このように、AIによる自動対応と、チケットシステムによる確実な管理・追跡を組み合わせることで、チームは「日々の対応に追われる」状態から脱却し、一件一件の顧客に寄り添った質の高いサポートを提供できるようになるのです。
次章では、こうした設定を行った後に、実際にどの程度の効果が出ているのかを測定し、改善していくための「分析・レポート」について解説します。
リスク管理：AIの回答精度を高め、誤情報を防ぐためのテスト
Customer Agent（AIエージェント）を導入する際、多くの責任者が抱く最大の不安は「AIが誤った情報を顧客に伝えてしまわないか？」という点ではないでしょうか。AIがもっともらしい嘘をつく現象は「ハルシネーション（幻覚）」と呼ばれ、企業の信頼を損なうリスク要因となります。しかし、HubSpot Breeze Customer Agentには、公開前に安全性を確認し、リスクを最小限に抑えるための強固な管理機能が備わっています。本セクションでは、AIを「賢く、安全に」育てるための具体的なテスト手順と、誤情報を防ぐためのメンテナンス方法を解説します。
プレビューモードを使ったシミュレーションの実施方法
エージェントを実際のWebサイトやチャットフローに公開する前に、必ず実施すべきなのが「プレビューモード」での徹底的なシミュレーションです。これは、開発環境（サンドボックス）のような安全な場所で、AIの回答精度をテストできる機能です。
最大のメリットは、プレビューモードでの対話はHubSpotクレジット（AI利用枠）を消費しないという点です。コストを気にすることなく、納得がいくまで何度でも、あらゆるパターンの質問を投げかけることができます。
プレビュー画面へのアクセス手順
シミュレーションは以下の手順で開始します。
- HubSpotのメニューから [サービス] > [Customer Agent] に移動します。
- 画面右上にある [Test agent（エージェントをテスト）] ボタンをクリックします。
- チャットウィンドウが立ち上がり、現在設定されているナレッジベースやWebサイトを元にした回答テストが可能になります。
テスト環境は、実際の設定変更がリアルタイムに反映されます。ソースを追加・削除した直後に、回答がどう変化するかを確認するのに最適です。
効果的なテストシナリオの作成
単に「こんにちは」と挨拶するだけのテストでは不十分です。AIの弱点を洗い出すためには、意図的に「答えにくい質問」や「誤解を招きやすい質問」を用意する必要があります。以下の表を参考に、テストシナリオを作成してください。
| テストタイプ | 質問の具体例 | 確認すべきポイント |
|---|---|---|
| 単純な事実確認 | 「営業時間は？」「送料はいくら？」 | ナレッジベースから正確な数字を引用できているか。 |
| 複合的な質問 | 「有料プランの解約方法と、返金ポリシーについて教えて」 | 複数のトピックを網羅して、論理的に回答できているか。 |
| 範囲外の質問 | 「競合他社Aとの違いは？」「社長の年収は？」 | 「回答できません」と適切に断るか、有人対応へエスカレーションされるか。 |
| あいまいな質問 | 「ログインできないんだけど」 | 「パスワードをお忘れですか？それともエラーが表示されますか？」と、状況を絞り込む逆質問ができるか。 |
テストを行う際は、営業チームやカスタマーサポートチームのメンバーにも参加してもらうことを強く推奨します。現場で実際によく聞かれる「独特な言い回し」や「略語」を使った質問を投げてもらうことで、AIの対応力をより実践的に検証できるからです。
意図しない回答をした場合の修正・除外設定
テストの結果、もしAIが誤った回答や、不適切な表現をしてしまった場合はどうすればよいでしょうか？ AIは魔法の箱ではなく、与えられたデータを元に確率的に言葉を紡ぐシステムです。誤回答には必ず「原因（ソースデータ）」があります。
HubSpot Breeze Customer Agentでは、回答を修正するために主に2つのアプローチがあります。「Short answers（ショートアンサー）による上書き」と「ナレッジベースの修正」です。
1. Short answers（ショートアンサー）による回答の固定
AIの自動生成に任せず、特定の質問に対して「一字一句決まった回答」を返させたい場合は、Short answers機能を使用します。これは、従来のチャットボットのシナリオ設定に近い機能で、最も確実な修正方法です。
例えば、「返品ポリシー」のような法的な正確性が求められる内容や、キャンペーン期間中の特別な案内などは、AIに解釈の余地を与えず、Short answersで固定してしまいましょう。
- 設定場所: [Manage（管理）] タブ > [Short answers] から新規作成。
- 活用法: ユーザーが入力しそうな「質問フレーズ」と、それに対する「固定回答」をペアで登録します。
2. Knowledge gaps（ナレッジギャップ）の活用
運用開始後は、[Performance（パフォーマンス）] タブにある [Knowledge gaps] という機能を定期的にチェックしてください。ここには、顧客から質問されたものの、AIが十分な情報を見つけられずに回答できなかった（または回答の確信度が低かった）トピックがリストアップされます。
これはまさに「改善の宝の山」です。ここリストアップされた質問をクリックすると、その質問に対する回答を直接作成（Short answers化）したり、対応するナレッジベース記事を新規作成するフローへ進むことができます。
回答の下にある「サムズダウン（低評価）」ボタンは、AIモデルへのフィードバックとして機能しますが、即座に回答内容が書き換わるわけではありません。誤った情報がクリティカルな場合は、フィードバックを送るだけでなく、必ずShort answersの設定か、ソースとなる記事の修正を行ってください。
3. ナレッジベース自体の修正（根本治療）
AIが古い情報を回答している場合、その情報の出処である「ブログ記事」や「ナレッジベース」自体が古くなっている可能性が高いです。AIの設定をいじる前に、元のWebページやドキュメントを更新してください。
Breeze Customer Agentは、HubSpot内のコンテンツ（ブログやナレッジベース）が更新されると、自動的に再スキャンを行い、最新情報を学習し直します（外部URLの場合は手動での再同期が必要な場合があります）。
特定のURLやドキュメントを学習ソースから除外する方法
AIの精度を高めるためには、「何を学ばせるか」と同じくらい「何を学ばせないか」が重要です。これを「ネガティブ・ナレッジの管理」と呼びます。
企業サイト内には、AIに参照させたくないページが意外と多く存在します。たとえば、数年前の古い価格表、社内向けのイベント告知、すでに終了したキャンペーンのランディングページなどです。これらが学習ソースに含まれていると、AIは堂々と古い価格を顧客に案内してしまいます。
不要なソースの特定と除外手順
HubSpotの管理画面では、学習ソースを細かく制御できます。以下の手順で不要なコンテンツを除外しましょう。
- 設定場所: [Manage（管理）] タブ > [Knowledge（ナレッジ）] > [Content sources（コンテンツソース）] を開きます。
- ここには、現在AIが参照しているすべてのブログ記事、Webページ、アップロードされたファイル（PDF等）が一覧表示されています。
- 除外したいファイルのチェックボックスを選択し、[Remove as source（ソースから削除）] をクリックします。
除外すべきコンテンツのチェックリスト
どのようなページを除外すべきか迷った場合は、以下のリストを参考に精査を行ってください。
| カテゴリー | 除外すべき理由 | 具体例 |
|---|---|---|
| 期限切れ情報 | 誤った条件や価格を案内するリスクがあるため。 | 2022年のキャンペーンLP、旧製品のカタログPDF |
| 内部向け情報 | 顧客に見せるべきではない情報が含まれるため。 | 社員研修用の資料、パートナー限定のポータルページ |
| 構造化されていないページ | AIが文脈を読み違えやすいため。 | サイトマップ、タグ一覧ページ、画像のみのギャラリー |
| テストページ | 不完全な情報やダミーテキストが含まれるため。 | 「test-page-01」のような開発用URL |
情報自体はAIに学習させたいが、そのソースURLを顧客に提示したくない場合（例：社内マニュアルを元に回答させたいが、マニュアルへのリンクは見せたくない場合など）は、ソース一覧にある [Citations（引用）] のトグルスイッチをオフにしてください。これにより、回答内容は生成されますが、出典リンクは表示されなくなります。
AI導入は「設定して終わり」ではありません。情報の鮮度を保つこと（コンテンツ・ハイジーン）こそが、Customer Agentの品質を維持する最大の秘訣です。定期的にこのソース一覧を見直し、不要なデータが紛れ込んでいないか確認する習慣をつけましょう。
運用開始後のPDCA：会話ログの分析と継続的な改善
HubSpot Breeze Customer Agent（AIエージェント）の導入設定が完了し、いよいよ稼働を開始したところでしょうか。しかし、ここからが本当の勝負です。多くの企業が陥る最大の失敗は、「AIを導入して満足してしまうこと」です。AIは魔法の杖ではなく、学習と改善を繰り返すことで成長する「優秀な新入社員」のような存在だと考えてください。運用開始直後は、意図しない回答をしたり、解決できるはずの質問で人間にエスカレーションしてしまったりすることも珍しくありません。
成功する企業は、運用開始後のデータを詳細に分析し、週次や月次のサイクルでPDCA（計画・実行・評価・改善）を回しています。会話ログには、顧客の生の声、潜在的なニーズ、そして自社サービスの改善点が宝の山のように眠っています。このセクションでは、HubSpotのレポート機能を活用してAIのパフォーマンスを定量的に評価し、ナレッジベースを磨き上げていくための具体的な運用プロセスを解説します。チームを疲弊させる「対応の繰り返し」から脱却し、AIを最強のパートナーへと育て上げましょう。
AIが解決できた割合（解決率）のモニタリング方法
AIエージェント運用の成否を握る最も重要な指標（KPI）、それが「解決率（Resolution Rate）」です。これは、全問い合わせのうち、人間のスタッフに引き継ぐことなくAIだけで対応が完結した割合を指します。解決率が高まれば、当然ながらスタッフの対応工数は削減され、顧客も待たされることなく即座に問題を解決できるため、顧客満足度（CSAT）の向上に直結します。
しかし、単に「高ければ良い」というわけではありません。無理にAIで完結させようとして、誤った回答で会話を強制終了させてしまっては本末転倒です。ここでは、HubSpot Breeze Customer Agentのレポート機能を使い、健全な形で解決率をモニタリングし、適正な目標値に向けて改善していくための手順を詳しく見ていきましょう。
HubSpotでのデータ確認手順
HubSpotのService Hubには、AIエージェント専用の分析ダッシュボードが用意されています。まずは現状の数値を正確に把握することから始めます。以下の手順でレポートにアクセスしてください。
- HubSpotのアカウントにログインし、グローバルナビゲーションの[サービス]から[カスタマーエージェント]を選択します。
- 画面上部のタブから[パフォーマンス]をクリックします。
- 表示期間（例：過去30日間、今週など）を選択し、データをフィルタリングします。
この画面では、主に以下の指標を確認することができます。これらはAIの健康状態を示すバイタルサインです。
| 指標名 | 意味と重要性 |
|---|---|
| Conversations handled （対応した会話数） |
AIが対応を開始した総数です。そもそもAIがどれくらい利用されているかという母数を知るための基礎データです。この数値が低い場合、チャットボットの設置場所や起動トリガーを見直す必要があります。 |
| Resolution rate （解決率） |
最重要指標です。人間へのハンドオフ（転送）が発生せず、会話が終了した割合です。初期段階では30%前後でも十分な成果ですが、ナレッジの蓄積とともに50%〜70%を目指すのが一般的です。 |
| Human handoff rate （有人転送率） |
「担当者と話したい」とリクエストされたり、AIが回答できずに人間にエスカレーションした割合です。この数値が高い場合、AIの知識不足か、あるいは顧客が「AIでは解決できない」と感じている可能性があります。 |
| Drop-off rate （離脱率） |
解決も転送もされず、顧客が途中でチャットを閉じてしまった割合です。回答が遅い、または回答が的を得ていない場合に上昇する傾向があります。 |
数値上の「解決」が、必ずしも「顧客満足」とは限りません。AIが的外れな回答をして、顧客が諦めてチャットを閉じた場合も、システム上は「解決（ハンドオフなし）」としてカウントされる可能性があります。そのため、後述するフィードバック分析とセットで見ることが不可欠です。
数値の推移から仮説を立てる
モニタリングは「点」ではなく「線」で行います。週次でミーティングを設定し、解決率の推移グラフを確認してください。
例えば、「先週に比べて解決率が急激に下がった」というケースを想像してみましょう。原因として何が考えられるでしょうか？
- 新しいキャンペーンの影響： 新商品やキャンペーンに関する質問が急増したが、ナレッジベースにその情報が追加されていなかった。
- 季節性の要因： 決算期や年末年始など、通常とは異なる種類の複雑な問い合わせ（請求書関連など）が増えた。
- ウェブサイトの変更： サイトの導線が変わり、本来サポート対象外のユーザー（例：求職者やパートナー企業）が誤ってカスタマーサポート用ボットに流入している。
逆に、「解決率が上がった」場合は、どの施策が効いたのかを特定しましょう。「特定のナレッジ記事を追加したことで、パスワードリセットに関する問い合わせが自動化された」といった成功体験をチームで共有することは、モチベーション維持にも繋がります。
「有人転送」のログ詳細分析
解決率を向上させるための最大のヒントは、「解決できなかった会話（有人転送された会話）」の中にあります。HubSpotでは、個々の会話ログ（トランスクリプト）を確認できます。
特に「AIが回答を試みたが、結局人間に代わった」ケースを重点的にチェックしてください。以下のようなパターンが見つかるはずです。
- 知識不足（Knowledge Gap）： 単純にその質問に対する情報を持っていなかった。 → 対策：ナレッジベースへの記事追加。
- 理解不足（Intent Mismatch）： 顧客の言い回しが独特で、AIが質問の意図を正しく汲み取れなかった。 → 対策：ナレッジ記事のタイトルやキーワードに、顧客が使う言葉（類義語）を含める。
- 機能的限界： 「今すぐ電話してほしい」「返金処理をしてほしい」など、AIの権限（ナレッジ提示）を超えた要求だった。 → 対策： これはAIの責任ではないため、「正しいエスカレーション」として許容する、あるいはBreeze Agentのアクション機能（ワークフロー連携）を使って自動化範囲を広げる検討をする。
全てのログを見るのは時間的に不可能です。まずは「ランダムに10件抽出して詳細を見る」あるいは「転送された会話のみ抽出して見る」といったルールを決め、1回30分程度の分析時間を確保することから始めましょう。
顧客からのフィードバック（Good/Bad）を活用した改善
AIの回答精度を測る際、システム的な解決率と同じくらい重要なのが、顧客の主観的な評価です。HubSpot Breeze Customer Agentには、回答直後に「この回答は役に立ちましたか？」と尋ね、親指アップ（Good）または親指ダウン（Bad）で評価してもらう標準機能が備わっています。
このシンプルなフィードバック機能は、AIの「性格」や「教養」を矯正するための強力なツールとなります。顧客がわざわざボタンを押して意思表示をしてくれたデータは、何よりも優先して分析すべきです。
「Bad（役に立たなかった）」評価の深掘り
「Bad」評価がついた会話ログは、AIが顧客を失望させた決定的瞬間を記録しています。これらは優先度「高」で確認し、以下の3つの観点で原因を分類してください。
- 情報の誤り（Hallucination）：
AIが事実と異なる回答を生成してしまったケースです。例えば、終了したキャンペーンを「実施中」と答えたり、非対応のOSを「対応」と答えたりする場合です。これは信頼を損なう致命的な問題ですので、参照元のナレッジベース記事を即座に修正または削除する必要があります。 - 回答が長すぎる・複雑すぎる：
情報は正しいものの、専門用語が多すぎたり、文章が長すぎてスマホで読みづらかったりする場合です。AIはナレッジベースの内容を要約して回答しますが、元の記事が難解だとAIの回答も難解になります。 - 冷淡・ロボット的すぎる対応：
顧客が感情的になっている（例：「壊れて困っている」「急いでいる」）場面で、AIが「マニュアルを参照してください」と事務的に返答した場合、正論であってもBad評価がつきます。
よくあるBad評価の原因として、顧客が「AとBの違いは？」と聞いているのに、Aの説明だけをしてBに触れない、といった「片手落ち」の回答があります。これは、ナレッジベース上でAとBの情報が分断されている際によく起こります。比較記事を作成することで改善できます。
「Good（役に立った）」評価から成功パターンを学ぶ
Bad評価ばかり見ていると気が滅入りますが、Good評価の分析も同様に重要です。「どのような質問に対して、どのような回答をした時に顧客は喜ぶのか」を知ることで、自社の「勝ちパターン」が見えてきます。
例えば、「手順を箇条書きで簡潔に示した時」や「回答の最後に『他にお困りごとはありませんか？』と一言添えた時」に高評価が得られているなら、そのスタイルを他の回答にも適用できないか検討します。HubSpotのAI設定では、エージェントのトーン＆マナー（口調）を調整できます。Good評価の傾向に合わせて、「フレンドリーに」あるいは「よりプロフェッショナルに」といった微調整を行いましょう。
フィードバックループを業務に組み込む
分析しただけで終わらせず、具体的な改善アクションに落とし込むための「フィードバックループ」を構築しましょう。以下は、中小企業のサポートチームでも実行可能なサイクルの例です。
| ステップ1：収集 （毎日） |
担当者が前日のBad評価ログをざっと確認。緊急性の高い誤情報（フェイク情報の生成など）がないかだけをチェックする（所要時間：5〜10分）。 |
| ステップ2：分析と修正 （週1回） |
週次ミーティングで、「今週のワースト回答」と「ベスト回答」を共有。なぜ悪かったのか、どうすれば良かったのかを議論し、その場でナレッジベースの記事修正担当を割り振る。 |
| ステップ3：反映 （随時） |
修正されたナレッジ記事を公開し、AIエージェントに再学習させる（HubSpotでは記事更新時に自動的に反映されますが、大幅な変更時は念のためテストチャットで挙動を確認する）。 |
このサイクルを回し続けることで、AIエージェントは自社の顧客対応ノウハウを吸収し続け、運用開始から半年もすれば、ベテラン社員並みの的確な回答ができるようになります。「育ての親」としての責任を持つことが、AI活用の成功への近道です。
問い合わせ傾向の変化に基づいたナレッジベースの更新
顧客の悩みは生き物のように変化します。新商品の発売、季節の変わり目、競合他社の動き、あるいは社会情勢の変化によって、問い合わせの内容は刻一刻と変わっていきます。昨日まで正解だった回答が、今日からは不十分になることもあります。
AIエージェントの頭脳である「ナレッジベース」が陳腐化すると、解決率は右肩下がりに落ちていきます。これを防ぐためには、問い合わせ傾向の変化を敏感に察知し、先回りしてナレッジを更新する攻めの運用が必要です。
「Knowledge Gaps（知識のギャップ）」レポートの活用
HubSpot Breeze Customer Agentには、AIが回答できなかった質問を自動的に集計・リスト化する「Knowledge Gaps（知識のギャップ）」という非常に強力な機能があります。
このレポートを見ると、顧客が入力した質問文のうち、AIが関連するナレッジを見つけられなかったものが一覧表示されます。「トピック」や「頻度」でソートできるため、今、顧客が最も知りたがっているのに提供できていない情報が一目瞭然となります。
例えば、「インボイス制度」という単語での検索が急増しているのに、対応する記事がなければ、AIは沈黙するか誤った回答をするしかありません。このリストの上位にあるトピックから順に、新しいQ&A記事を作成して投入していく作業は、最も投資対効果の高い改善活動です。
検索キーワードの変化を捉える
顧客が使用する「言葉（ボキャブラリー）」の変化にも注目しましょう。社内用語と顧客用語のズレは、AIの回答精度を下げる大きな要因です。
例えば、社内では「機能A」と呼んでいるものを、顧客は「便利ボタン」と呼んでいるかもしれません。ログを見て、顧客が多用するキーワードを見つけたら、それをナレッジ記事のタイトルや本文、あるいはメタキーワードとして追加します。これにより、AIのマッチング精度が劇的に向上します。
記事タイトルは「機能Aについて」とするよりも、「機能A（便利ボタン）の使い方と設定方法」のように、顧客が検索しそうな言葉を併記するのがコツです。AIは記事タイトルを強く参照する傾向があります。
AIが読みやすいナレッジ記事の書き方（構造化）
ナレッジベースを更新する際は、人間だけでなく「AIにとっての読みやすさ」も意識する必要があります。AIは長文のダラダラとした文章よりも、構造化されたデータを好みます。
問い合わせ傾向に合わせて記事をリライトする際は、以下の構成を意識してください。
- 明確なタイトル：
「ログインできない場合」ではなく、「パスワードを忘れてログインできない場合の再発行手順」のように具体的にします。 - 結論を最初に：
冒頭の段落（リード文）に、質問に対する直接的な回答（Yes/Noや核心となる情報）を記述します。AIはこの部分を引用して回答を作成することが多いためです。 - 見出し（H2, H3）の活用：
一つの記事に複数のトピックを詰め込む場合は、見出しで明確に区切ります。 - 箇条書きとステップ：
手順を説明する場合は、文章で繋げるのではなく、<li>タグを使ったリスト形式や番号付きリストにします。AIが「ステップ1、ステップ2…」と順序立てて回答しやすくなります。
古い情報の削除と統合（断捨離）
ナレッジベースの更新とは、追加することだけではありません。「削除」も同じくらい重要です。
似たような内容の記事が複数存在すると、AIはどの情報を参照すべきか迷ってしまい（情報のカニバリゼーション）、回答がブレる原因になります。問い合わせ傾向を分析し、アクセスされなくなった古い記事や、内容が重複している記事は、思い切って削除または統合してください。
常に「最新」「正確」「重複なし」の状態を保つこと。これが、HubSpot Breeze Customer Agentのパフォーマンスを最大化し、長期的に安定した自動化運用を実現するための鉄則です。
よくあるトラブルと解決策（Q&A）
HubSpot Breeze Customer Agent（旧AIチャットボット）を導入し、いざ運用を開始してみると、想定していた挙動と異なり戸惑うケースは少なくありません。
「AIが学習したはずの情報を答えてくれない」「英語の資料を勝手に翻訳して変な回答をしている」「以前から使っていたシナリオ型ボットとどう共存させればいいのか」
こうした悩みは、多くの導入担当者が直面する通過儀礼のようなものです。しかし、これらはシステムの不具合ではなく、多くの場合、設定の微調整やデータの整備によって解決可能です。
本セクションでは、導入現場で頻発するトラブルとその具体的な解決策を、Q&A形式で詳細に解説します。技術的な背景を理解し、正しい対処法を実践することで、AIエージェントの回答精度と安定性は飛躍的に向上します。
AIがナレッジベースの内容を正しく引用しない場合
「ナレッジベース（Knowledge Base）に関連記事があるのに、AIが『情報が見つかりません』と回答する」
「全く関係のない記事の内容を無理やり引用して、トンチンカンな回答をする」
これらは、AIエージェント導入初期に最も多く寄せられる相談の一つです。AIは魔法のように全てのテキストを完璧に理解するわけではありません。
HubSpot Breeze Agentがナレッジベースを参照する仕組みは、検索エンジン（Search Engine）と生成AI（Generative AI）の組み合わせで成り立っています。このプロセスにおいて、「検索」と「生成」のどちらかにズレが生じると、適切な回答が出力されません。
主な原因は以下の3つに大別されます。それぞれの原因を特定し、適切な対策を講じることが重要です。
主な原因とチェックポイント
- ナレッジベース記事の構造と品質（AIが読み取りにくい形式になっていないか）
- 検索インデックスの設定と更新ラグ（最新情報が反映されているか）
- システムプロンプトによる制約（AIへの指示が厳しすぎないか）
1. ナレッジベース記事の「AI可読性」を高める
人間にとって読みやすい記事が、必ずしもAIにとって理解しやすいとは限りません。
AIは記事の「タイトル」や「見出し（Hタグ）」を重視して、ユーザーの質問との関連性を判断します。例えば、記事のタイトルが「設定について」のように抽象的だと、AIは何の設定なのか判断できず、検索結果から除外してしまうことがあります。
また、一つの記事に複数の異なるトピック（例：「返品方法」と「採用情報」）が混在していると、文脈（Context）を正しく抽出できず、誤答の原因となります。
記事タイトルは「製品Aの初期設定手順」のように具体的に記述してください。また、本文は適度な長さ（1000〜2000文字程度）に分割し、1記事1テーマを原則とすることで、AIの参照精度が劇的に向上します。
2. コンテンツの重複と矛盾を解消する
ナレッジベース内に、似たような内容の記事が複数存在していませんか？
例えば、「2023年版・料金プラン」という古い記事と、「現在の料金プラン」という新しい記事が両方公開されている場合、AIはどちらを正とすべきか判断に迷うことがあります。これを「情報の競合」と呼びます。
最悪の場合、AIは両方の情報を混ぜ合わせ、存在しない架空のプラン（ハルシネーション）を回答してしまうリスクがあります。
| 現象 | 原因 | 対策アクション |
|---|---|---|
| 古い情報を回答する | 旧記事が公開状態のまま残っている | 古い記事を「アーカイブ」または「下書き」に戻す。 |
| 回答が曖昧になる | 類似記事が複数あり、内容が微妙に異なる | 記事を統合（マージ）し、唯一の正解ソースを作る。 |
3. 回答生成の「厳格度」を調整する
HubSpot Breezeの設定には、AIが回答を生成する際の「確信度（Confidence Level）」や、ナレッジベース以外の一般知識をどの程度利用するかを制御するパラメータが存在する場合があります（機能アップデートにより名称は変動します）。
もし、「ナレッジベースに記載がない場合は絶対に回答しない」という設定（厳格な制限）になっている場合、ユーザーの質問の言い回しが記事内の表現と少しでも異なると、「わかりません」と答えてしまう傾向が強まります。
逆に、制限を緩めすぎると、ネット上の一般的な情報を基に、自社のサービスとは無関係な回答をしてしまう恐れがあります。
特に医療や金融など、正確性が法的に求められる業界でない限り、AIにはある程度の「柔軟性」を持たせるプロンプト設定（例：「ナレッジベースの内容を優先しつつ、一般的な挨拶には丁寧に答えてください」など）を行うのが、顧客体験（CX）を損なわないコツです。
4. 検索インデックスの更新タイミング
意外と見落としがちなのが、記事を更新した直後のタイムラグです。
ナレッジベースの記事を修正・保存しても、それがAIの検索用インデックスに反映されるまでには、数分から数時間の時間を要する場合があります。
「記事を直したのにAIの回答が変わらない！」と焦る前に、しばらく時間を置いてから再度テストを行ってください。また、ブラウザのキャッシュが影響している場合もあるため、シークレットモードでの確認を推奨します。
英語のソースを日本語で回答させる場合の注意点
HubSpotはグローバル展開しているプラットフォームであり、多言語対応能力に優れています。そのため、英語で作成されたナレッジベース（本社のマニュアルなど）をソースとして、日本語の問い合わせに回答させる運用も技術的には可能です。
しかし、この「クロス言語検索・回答」には、特有の落とし穴が存在します。
単に翻訳ツールを通すのとは異なり、ビジネスの文脈において致命的な誤解を生む可能性があるため、以下の点に十分注意して設計する必要があります。
1. 専門用語と固有名詞の誤訳リスク
AIは文脈に合わせて滑らかな日本語を生成しますが、社内独自の専門用語や製品名（Product Name）に関しては、意図しない訳語を当ててしまうことがあります。
例えば、製品機能の「Smart List」を勝手に「賢い一覧表」と訳してしまったり、特定のプラン名「Pro」を「プロフェッショナルな人」と解釈してしまったりするケースです。
これにより、顧客は「そんな機能メニュー画面にないぞ」と混乱し、問い合わせの増加（Bad churn）につながりかねません。
Breeze Agentの設定画面にある「指示（Instructions）」や「システムプロンプト」欄を活用し、以下のように明示的に指示を与えてください。「以下の用語は翻訳せず、英語のまま、もしくは指定の日本語訳を使用してください。
– Smart List -> スマートリスト
– Sales Hub -> Sales Hub（翻訳しない）」
2. 日本独自の商習慣と情報の不一致
英語のドキュメントに記載されている内容が、日本の市場や法規制に適合していない場合があります。AIはあくまで「書かれていること」をベースに回答するため、注釈がなければそのまま不適切な情報を伝えてしまいます。
典型的な例として、「返品ポリシー（Return Policy）」や「保証期間（Warranty）」が挙げられます。
米国本社では「30日以内なら無条件返品OK」でも、日本支社では「初期不良のみ対応」というルールで運用している場合、英語ソースを読み込んだAIは「返品できます」と誤った案内をしてしまうでしょう。
| チェック項目 | リスク例 | 推奨される対応 |
|---|---|---|
| 返金・返品ルール | 日本の特商法と異なる条件を提示する | 日本専用の日本語記事を作成し、そちらを優先参照させる。 |
| 送料・配送日数 | 海外発送基準の日数を案内する | 同上。国内配送に関する別記事を用意する。 |
| 祝日・営業時間 | 現地の祝日カレンダーに基づく案内 | システムプロンプトで日本の営業時間を明記する。 |
3. 「日本語での回答」を強制する重要性
ユーザーが日本語で質問しても、参照元の記事が英語である場合、AIがつられて英語で回答を生成してしまうことが稀にあります。
これを防ぐためには、エージェントの基本設定で言語を「日本語」に指定するだけでなく、プロンプト内でも「ユーザーの言語に合わせて回答すること。特に指示がない限り、日本語で回答してください」と念押ししておくことが有効です。
多言語対応は強力な武器ですが、「翻訳の精度」と「情報のローカライズ（現地化）」は別問題であることを認識し、安易に英語ソースのみに頼らない運用設計が、顧客満足度を維持する鍵となります。
既存のチャットボットとの併用・移行に関する疑問
HubSpot Breeze Customer Agent（生成AI型）を導入する際、これまで使っていた「選択肢を選んで進むタイプ」の従来のチャットボット（ルールベース型）をどう扱うべきか、という疑問は非常に多く聞かれます。
「いきなり全てをAIに切り替えるのは怖い」「決まった手続きは従来のボットの方が確実ではないか？」という懸念はもっともです。
結論から申し上げますと、必ずしも「完全移行」をする必要はなく、「ハイブリッド運用」こそが現実的かつ効果的な解となります。
AI型とルールベース型の役割分担
それぞれのボットには得意分野と不得意分野があります。これらを理解し、適材適所で使い分けることで、顧客にとっても迷いのない動線を作ることができます。
それぞれの得意領域
- ルールベース型（シナリオ）：資料請求、来店予約、特定の手続きなど、ゴールが明確で手順が決まっているタスク。「確実にコンバージョンさせたい」場合に有効です。
- AIエージェント型（Breeze）：製品の仕様確認、トラブルシューティング、曖昧な質問への対応。「網羅的なサポート」や「自己解決率の向上」に有効です。
併用するための具体的な設定パターン
HubSpotでは、チャットフロー（Chatflows）の設定により、ページや条件に応じて表示するボットを出し分けることが可能です。
パターンA：ページごとの住み分け
最もシンプルでトラブルが少ない方法です。
「料金ページ」や「予約フォーム」には、確実に誘導できるルールベース型ボットを設置します。
一方で、「よくある質問ページ」や「トップページ」には、自由な質問を受け付けるAIエージェントを配置します。
これにより、売り上げに直結する重要な導線ではAIの誤答リスクを排除しつつ、サポート領域ではAIによる自動化の恩恵を受けることができます。
パターンB：ボット内でのエスカレーション
一つのチャットウィンドウの中で、最初はAIが対応し、解決しない場合や特定のアクションが必要な場合に、有人対応（チケット作成やライブチャット）へ切り替える設定です。
さらに高度な設定として、最初に「どのようなご用件ですか？（資料請求 / 質問）」という選択肢（ルールベース）を提示し、「質問」が選ばれた場合のみAIエージェントに会話を引き継ぐというフローも考えられます。
移行期における「カニバリゼーション（競合）」の回避
移行期に最も避けるべきなのは、同じページで2つのボットが同時に起動してしまうことです。画面の右下と左下に別々のチャットアイコンが表示されたり、ポップアップが重なったりすると、ユーザーは混乱し、サイトの離脱率が上がってしまいます。
移行をスムーズに進めるためのチェックリストを確認しましょう。
| ステップ | 確認内容 |
|---|---|
| 1. 現状把握 | 現在稼働中のチャットフローが、どのURLで表示されているかリストアップする。 |
| 2. ターゲット除外設定 | 既存ボットの設定で、AIボットをテスト導入するページのURLを「除外（Exclude）」設定に追加する。 |
| 3. テスト運用 | 特定のサポートページのみでAIエージェントを公開し、1〜2週間ログを監視する。 |
| 4. 本格展開 | 回答精度に問題がないことを確認した後、既存ボットの表示範囲を徐々に狭め、AIボットの範囲を広げる。 |
AIへの移行は「0か100か」の決断ではありません。
チームのリソース状況や、顧客の問い合わせ傾向に合わせて、じっくりと調整していく姿勢こそが、最終的に「使える自動化システム」を構築する近道です。
焦らず、まずは特定の一部分からBreeze Agentを導入し、その効果を体感することから始めてみてください。
まとめ：HubSpot Breezeで「人間らしい仕事」に集中できる環境を
- Breeze Customer Agentは、従来のルール型と異なり、生成AIが柔軟に回答を生成する。
- 導入の最大のメリットは、24時間対応による顧客満足度向上とスタッフの負担軽減。
- 成功の鍵はAIの設定そのものより、参照元となる「ナレッジベース」の質にある。
- 記事はAIが読みやすい構造（見出し、箇条書き）で作成することが重要。
- AIのトーン＆マナーを設定し、ブランドイメージを損なわないようにする。
- AIで解決できない場合に備え、有人対応へのスムーズな引き継ぎ設定が必須。
- 営業時間外はチケット作成、営業時間内はチャット接続など柔軟なルーティングが可能。
- 公開前には必ずプレビューモードで多角的な質問テストを実施する。
- 誤った情報を学習させないよう、不適切なソースは除外設定を行う。
- 導入後は「解決率」や「フィードバック」を指標にPDCAを回す。
- 問い合わせ内容を分析することで、新たなナレッジ記事のネタが見つかる。
- AIは「新人スタッフ」と考え、継続的な教育（データ更新）を行う意識を持つ。
- 定期的なメンテナンスが、長期的な自動化の成功とROI向上につながる。
HubSpot Breeze Customer Agentの導入は、単なる業務の自動化にとどまりません。それは、あなたのチームを「終わりのない返信作業」から解放し、顧客一人ひとりと向き合うための「時間」と「精神的な余裕」を取り戻すための投資です。最初は小さな範囲からスタートし、徐々にAIの対応領域を広げていくのが成功の秘訣です。このガイドを参考に、まずはナレッジベースの整備から始めてみてください。テクノロジーを味方につけた先には、より本質的で、やりがいに満ちたカスタマーサポートの形が待っています。
●“売ることが苦手だった”過去の体験から、人の深層心理とAI活用を融合した、「売り込まなくても選ばれる仕組み」を研究・実践。心理学・神経科学・感情知能（EQ）・AIツールの知見をベースに、無理なく信頼と成果を両立するビジネス・マーケティングの実践ノウハウを発信しています。
●在宅ビジネスや副業、コンテンツ作成など新しい働き方についても、信頼・誠実・体験重視の視点から、等身大でサポート。
●「売ることのストレスから解放され、心から感謝されるビジネス」を目指すすべての方のパートナーとして、リアルな知見と体験を共有していきます。
