【通信×CS自動化】KDDIが独自開発の自律型AIエージェントでauサポート対応を開始

KDDIが、自社のお客さまセンターの応対実績を学習基盤として独自開発した自律型AIエージェントを、auサポートに導入した、という事例です。

「通信大手の話なんてうちには関係ない」と思った方、ちょっと待ってください。このリリースで僕が注目したのは規模ではなく、「月間200万件の応対実績を学習基盤に使った」という設計思想です。

裏を返すと、応対ログを言語化された資産にしていなければ自律型AIエージェントは作れないという話でもあります。ここを見ずに「KDDIみたいにAIエージェントを入れたい」と言うと、たぶん最初のデータ整備で止まります。

カスタマーサポートの課題

CSの現場で構造的に発生している問題は、規模を問わず似た形をしています。

KDDIのような大手でも本質的な悩みは同じで、違うのは「件数の桁」と「データ整備の予算」だけ、というのが実態です。

KDDIのプレスリリース(2026-03-10)で公開されている範囲では、以下の構成です。

ポイントは2つです。 1つ目は、自社の応対ログを学習基盤として使い切ったこと。 2つ目は、いきなり全範囲ではなくau PAY周りに絞って段階展開を選んだことです。

「全部やる」ではなく「効きそうな業務から順に」というのは、中小企業がそのまま真似できる進め方です。

リリースで明確に書かれているのは、以下です。

一方で、KPI数値(一次解決率や応対時間の改善率)は、リリース時点では具体的な数値が公表されていません。

「導入したからすぐ削減効果が出る」と読み替えると話が違ってくるので、ここは現時点では「効果計測はこれから」という前提で受け取るのが安全です。

ここからが本題です。年商5億規模で「auサポートのような自律型エージェント」を志向するならどう組み立てるか。

項目	KDDI事例	中小企業(年商5億・社員30名)
対象	auサポート(段階展開)	よくある問い合わせTOP20に限定
技術	独自開発エージェント + デジタルヒューマン	既存LLM API + チャットUI(例: Claude / GPT)
データ	月間200万件の応対実績	過去1〜2年の問い合わせログ(整備が必要)
体制	社内CSチーム + ARISE analytics	CS担当 + 外部支援月10〜20時間
月額費用	(非公開)	推定月3〜10万円(LLM利用料+ツール費、2026年6月時点。要最新価格確認)
初期費用	(非公開・大規模投資)	推定 50〜150万円(ログ整備+シナリオ化+UI構築)
期間	段階展開で年単位	2〜4ヶ月でPoC→限定公開

(難易度=数字大きいほど難しい)

スコア根拠は以下です。

「自律型AIエージェントを入れれば問い合わせ対応が無人化できる」わけではありません。

応対ログの整備→対象範囲の絞り込み→シナリオ化→AIで一次対応→人間が監督、という4ステップを踏んで初めて、KDDIが採った段階展開モデルの中小企業版が見えてきます。

特に「最初は狭くやる」は、規模を問わず効く原則です。

市野

「うちのカスタマーサポートにAIエージェントをどう入れればいいか」と悩んでいる方は、無料相談(30分)で具体的にお話しします。営業はしません、純粋にケース壁打ちです。 → 無料相談を申し込む

愛知県岡崎市でAI活用支援を手がける一人社長。中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。

執筆メンバー市野佑馬

愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。