AIの説明で「わかった気になる」と、「仕事がわかる」は違う。
AIによる応対分析やフィードバックは、急速に進化しています。
通話内容を分析し、
「もう少し共感を示しましょう」
「説明を簡潔にしましょう」
「お客様の話をよく聞きましょう」
といった改善点を、わかりやすい文章で説明することもできます。
読んだ人は、
「なるほど」
「確かにそうだ」
「次から気をつけよう」
と思います。
しかし、ここで一つ考えてみたいことがあります。
それは、本当に「仕事がわかった」状態でしょうか。
「理解しやすい」と「行動を変えられる」は違う
AIによる説明は、
- 理解する
- 納得する
- 「そうなのか」と感じる
ところまでを、とてもスムーズにしてくれます。
しかし、仕事の教育や改善で本当に必要なのは、その先です。
- なぜ、その対応が必要だったのか
- 何を根拠に判断するのか
- どの場面で、どの仕事を行うのか
- 次の類似場面で自分で判断する
- 行動を変える
ここまで到達して、初めて「仕事がわかる」に近づきます。
AIによるわかりやすい説明
- 理解しやすい
- 納得する
- 「そうなのか」
ここで終わると、行動は変わるだろうか？
仕事としての理解
- 根拠を理解する
- 判断基準を持つ
- 必要な仕事を特定する
- 次の場面で自分で判断する
- 行動を変える
なぜ、「新しい気づき」が起こりにくいのか
たとえば、AIから、
「お客様への共感を増やしましょう」
というフィードバックを受けたとします。
この文章は間違いとは限りません。
しかし、オペレーターはすでに、
「共感は大切」
「お客様の話をよく聞く」
「わかりやすく説明する」
ということを知っていることが多いでしょう。
そのため、「そうですよね」で終わってしまうことがあります。
知識を再確認しただけで、本人の中にあった仕事の理解そのものは変わっていないからです。
「気づき」は、自分の認識と事実のズレが見えたときに生まれる
では、こんなフィードバックだったらどうでしょう。
本人は、
「私は、もっと共感すればよかった」
と思っていた。
しかし、実際の対話を仕事の流れで確認すると、
顧客の状況を十分に把握しないまま、案内へ進んでいた。
そこで初めて、
「共感が足りなかったと思っていたけれど、問題はそこではなかったのか」
という気づきが生まれます。
一般的なアドバイス
- 「共感を増やしましょう」
- 「なるほど。次から気をつけます」
仕事を特定したフィードバック
- 顧客の反応
- その時点で必要だった仕事
- 実際に行った仕事
- 両者の差を確認
- 「自分が変えるべきところは、ここだったのか」
この違いは重要です。
「共感を増やしましょう」はアドバイスです。
それに対して、
「この顧客反応があったため、この時点では状況把握が必要だった。しかし十分に実施されないまま案内へ進んでいる」
と示されれば、何が問題だったのかを「仕事」として理解できます。
AIに必要なのは、もっと上手な文章だけではない
ここで、AI活用についても見方を変える必要があります。
AIの文章生成能力をさらに高めれば、この問題がすべて解決するとは限りません。
必要なのは、
分析結果を、具体的な「仕事」に結びつけることです。
そこで必要になるのが、「仕事の座標」です。
Skill IDは、AIの分析結果に「仕事の座標」を与える
Skill IDは、AIにもっと上手なフィードバック文章を書かせるためのものではありません。
顧客対応という仕事を共通コード化することで、
AIが捉えた事実や分析結果を、「どの仕事の問題なのか」に結びつける。
そのための共通言語です。
AI分析
- 「共感が不足しています」
- 「共感を増やしましょう」
- オペレーター
「わかりました」 - でも、具体的に何を変える？
- 顧客の反応・Evidence
- その場面で必要だった仕事は何か
- どのSkill IDか
- 実施したか
- 品質はどうだったか
- 適切なタイミングだったか
- 顧客の状態はどう変化したか
- 次回、どの仕事をどう変えるか
ここまでつながると、フィードバックは単なる「わかりやすい説明」ではなくなります。
具体的な仕事を変えるための情報になります。
AIの役割も変わる
この考え方を取り入れると、AIに期待する役割そのものが変わります。
これまで
- 分析する
- もっともらしい改善コメントを生成する
- 人が読んで解釈する
これから
- 事実を捉える
- 改善すべき仕事を特定する
- 根拠を示す
- 次に変える仕事・行動につなぐ
つまり、
「文章を生成するAI」から、
「仕事の改善につながるAI」へ。
という転換です。
大切なのは、「正しい文章」ではなく「仕事が変わる情報」
AIから、
「共感を増やしましょう」
「説明を簡潔にしましょう」
「お客様の話をよく聞きましょう」
と、とてもわかりやすく説明されたとき。
私たちは、少し立ち止まって考える必要があります。
- なぜ、そう判断したのか。
- どの顧客反応が根拠なのか。
- どの場面で、どの仕事を変えるのか。
- 次回、本人が自分で判断できるようになる情報になっているのか。
AI時代の顧客対応教育で必要なのは、
「わかりやすい説明を増やすこと」だけではありません。
- わかった気になる
- 自分の仕事の問題に気づく
- 判断基準がわかる
- 次の場面で自分で判断できる
- 行動が変わる
- 顧客の反応が変わる
ここまでつながって、初めて「改善」と呼べるのではないでしょうか。