TSUNAGARU AI LABO
2026年9月23日、OpenAI が1本の導入事例を公開しました。主役は、電話とチャットの応対を AI で行う仕組みを企業に提供している Ringg という会社です。
一次ソースによれば、Ringg の AI は、導入先に寄せられる定型的な問い合わせの最大65%を、人の担当者を一切介さずに解決しています。また、一部のリアルタイム処理を GPT-4.1 から GPT-5.6 Luna というモデルに移したことで、モデルの利用コストを約90%削減したとも書かれています。
ただ、この記事でお伝えしたいのは「電話の65%を AI に任せられる時代が来た」という話ではありません。数字の裏にある、どこまで任せて、どこで人に渡すかという線引きの設計が、中小企業にとっていちばん参考になると考えています。
この記事の要点
- Ringg の AI は、導入先の定型的な問い合わせの最大65%を人を介さず解決。月に700万件以上の通話を扱い、導入企業の顧客満足度は平均4.8（OpenAI 公開事例・2026-09-23）
- 込み入った依頼は、会話の要約を付けて人の担当者に引き継ぐ設計。「全部 AI」ではなく「定型は AI、例外は人」
- 本番に出す前に過去の会話で試験し、最初は実際の問い合わせのごく一部だけに適用してから広げている
一次ソースに書かれている数字
OpenAI の公開事例に書かれている内容を、そのまま並べるとこうなります。
| 項目 | 一次ソースの記載 |
|---|---|
| 定型的な問い合わせの解決率 | 最大65%を人を介さず解決 |
| 月間の対応件数 | 700万件以上の接続済み通話 |
| 導入企業の顧客満足度 | 平均4.8 |
| モデルの利用コスト | 一部のリアルタイム処理を GPT-4.1 から GPT-5.6 Luna に移して約90%削減 |
| 導入先の例（保険） | 通話の67%を人の介入なしで処理。平均応答時間が8〜12分から60秒未満に |
| 導入先の例（医療予約） | 初回通話での解決率85%。運用コストが人中心の体制に比べて70%減 |
| 導入先の例（投資） | 特定分野の問い合わせの72%を、利用者自身で完結 |
出典: OpenAI「OpenAI を活用した Ringg の AI エージェント、顧客からの電話の最大 65% を解決」（2026年9月23日）
正直に書いておくと、導入先はインドの大手の保険・医療・投資のプラットフォームで、日本の中小企業とは規模がまったく違います。この数字をそのまま「うちでも65%減らせる」と読むのは危険です。
それでも取り上げる価値があると考えたのは、仕組みの組み立て方のほうです。
「全部 AI」ではなく「定型は AI、例外は人」
一次ソースを読むと、Ringg の AI は、保険契約の確認・登録情報の確認・予約の手配・顧客台帳の更新といった、手順が決まっている依頼を自分で完了させます。一方で、込み入った案件は「会話の要約とともに人の担当者に引き継ぐ」と明記されています。
ここが肝心です。AI が受けるのは「定型」であって、「全部」ではありません。そして人に渡すときは、お客様にもう一度最初から説明させるのではなく、ここまでの経緯を要約して担当者に渡す。電話を取り次がれた担当者が「どういったご用件でしょうか」と聞き直す、あの手間をなくす設計です。
中小企業の電話応対に置き換えると、こうなります。
| 問い合わせの種類 | 誰が受けるか | 例 |
|---|---|---|
| 決まった答えがあるもの | AI（または録音案内・Webのよくある質問） | 営業時間、場所、駐車場、持ち物、申込方法 |
| 手順は決まっているが、個別情報が要るもの | AI が受け、内容を記録して人が確認 | 予約の変更、納期の問い合わせ、資料請求 |
| 判断や交渉が要るもの | 人。AI は要約を渡すだけ | クレーム、値引きの相談、契約の条件 |
一番下の行まで AI に任せようとすると、うまくいかないことが多いです。一番上の行を人が受け続けていると、対応の負担が増えやすくなります。どの問い合わせがどの行に入るかを決めるのが、社長や現場責任者の仕事です。
AI が答える「根拠」を、先に整える
もう1つ、一次ソースで見落としたくない点があります。Ringg の AI は、PDF・CSV・業務文書を検索して、その会社の情報をもとに回答する仕組みを持っています。つまり、AI が賢いから答えられるのではなく、答えの根拠になる資料が整っているから答えられるのです。
これは中小企業で社内ヘルプデスクや問い合わせ対応を AI 化するときと、まったく同じ条件です。料金表が3つのバージョンで散らばっていたり、よくある質問の答えがベテランの頭の中にしかなかったりすると、AI は答えられないか、古い答えを返します。
電話の AI 化を検討する前に、まず「よくある問い合わせ20個とその答え」を1枚にまとめる。この作業は、AI を入れなくても電話の時間を減らします。社内向けに同じことをやる手順は「社内の「よくある質問」をAIに答えさせる」に書いています。
「ごく一部」から始めて広げる
一次ソースには、Ringg が AI を本番に出すまでの手順も書かれています。過去の会話を使って事前に試験し、合格したものをまず本番の問い合わせのごく一部に適用し、その後に範囲を広げる。いきなり全部の電話を AI に受けさせてはいません。
月に700万件を扱う会社がこの慎重さなのですから、中小企業はなおさらです。最初は「営業時間と場所の案内」だけ、次に「予約の受付」、というように、間違えても取り返しのつく問い合わせから始めるのが順番です。
| 段階 | AI に任せる範囲 | 人が見るもの |
|---|---|---|
| 1 | 営業時間・場所・持ち物など、答えが1つに決まる案内 | 週に1回、AI の応対記録を読む |
| 2 | 予約・資料請求など、記録して人が確認する受付 | 受け付けた内容を人が確認してから確定 |
| 3 | 納期・在庫など、社内の情報を調べて答える案内 | 根拠の資料が最新かどうかを人が管理 |
| — | クレーム・交渉・契約条件 | ずっと人。AI は要約を渡すだけ |
中小企業が、今日から持ち帰れること
電話応対の AI そのものは、専門の事業者のサービスを使うのが現実的です。中小企業が自分でやるべきなのは、その前段階です。
- よくある問い合わせを棚おろしする：1週間、電話とメールの内容を記録して、「定型／個別／判断が要る」の3つに分ける
- 答えの根拠を1枚にまとめる：定型の問い合わせ20個の答えを、誰が見ても同じになる形で書く
- 人に渡すときの型を決める：AI でも新人でも、取り次ぐときは「名前・用件・ここまでの経緯」の3点を添える
3つ目は、AI を入れる前から効きます。電話の伝言を取りこぼさない仕組みは「電話の伝言メモを「取りこぼさない」仕組みにする」で、問い合わせメールの一次返信を AI に下書きさせる手順は「問い合わせメールの一次返信を、AIに下書きさせる」で書いています。
AI に任せる範囲が広がるほど、「どこで人に渡すか」の線を先に引いておくことが大事になります。線引きを一緒に考える伴走は、当社のサービスのページをご覧ください。
まとめ
- OpenAI が公開した事例では、AI が定型的な問い合わせの最大65%を人を介さず解決。ただし導入先は大規模で、数字をそのまま当てはめない
- 真似すべきは「定型は AI、例外は要約を付けて人へ」という線引きの設計と、根拠の資料を先に整えること
- 始めるなら「間違えても取り返しのつく問い合わせ」から、ごく一部で試して広げる
問い合わせ対応の自動化を、自社の業務全体の中でどこに置くかは、名古屋・愛知の中小企業のための「業務自動化」完全ガイドにまとめています。「うちの電話は、どこまで任せられるか」を一緒に考えたい方は、無料相談からお気軽にご相談ください。
よくあるご質問
Q. これは大企業向けの話ではないのですか？
A. 一次ソースに出てくる導入先は、インドの大手の保険・医療・投資のプラットフォームで、Ringg の AI 全体では毎月700万件以上の通話を扱っている規模の話です。そのまま中小企業に当てはまる数字ではありません。ただし「定型の問い合わせはAIが受け、込み入った話は要約を付けて人に渡す」という設計の考え方は、電話が1日20本の会社でも同じように使えます。
Q. 自社で電話応対AIを作る必要がありますか？
A. いいえ。電話をAIが受ける仕組みそのものは、専門の事業者のサービスを使うのが現実的です。中小企業が自分でやるべきなのは、その前段階の「よくある問い合わせの棚おろし」と「AIに答えさせてよい範囲の線引き」です。これが決まっていないと、どのサービスを入れても運用が滞りがちです。
Q. AIが間違った案内をしたらどうなりますか？
A. 起こり得ます。この事例でも、AIは本番に出す前に過去の会話で試験され、最初は実際の問い合わせのごく一部だけに適用してから範囲を広げています。中小企業でも、最初は「営業時間・場所・持ち物」のような、間違えても取り返しのつく質問から始め、金額や契約に関わる案内は人が受ける、と決めておくのが安全です。
