AIの通話要約が約500万件の顧客対応を支え、社員1万人超がAI基盤を利用|アライ・ファイナンシャル(Ally Financial)の事例
公開 2026-11-17 / 約12分
自社開発のAI基盤「Ally.ai」による通話要約が、現場の担当者の対応を支えた顧客通話の件数(2023年の導入から2025年7月の発表時点まで・自社発表・2025年7月23日)
約500万件
出典:自社発表(2025-07-23時点)
- 地域
- 🇺🇸 米国(海外)
- 業種
- 金融(銀行)
- AI化した領域
- コンタクトセンターのオペレーター支援/マーケティング/社内AI基盤/全社研修
- 出典の種別
- 自社発表/報道
銀行のコールセンターでは、通話の記録づくりをAIに任せる段階まで来ています。米国最大のネット専業銀行を持つアライ・ファイナンシャル(Ally Financial)は、自社開発のAI基盤「Ally.ai」で顧客との通話をリアルタイムに文字起こしし、要約まで作る仕組みを本番で動かしています。この通話要約は、約500万件の顧客通話で現場の担当者の対応を支えました(自社発表・2025年7月23日)。試験導入を経て、AIが作った要約の約82%は人の手直しが要らない水準に達していました(2023年9月の発表時点・自社発表・2023年9月19日)。2025年には社員1万人超がAI基盤を使える状態になり、マーケティング部門では作業時間を平均34%短縮した試験結果も報じられています。顧客対応から全社の仕事へと、段階を踏んでAIを広げた進め方を、出典と発表日つきで整理します。
この事例の要点
- 自社開発のAI基盤「Ally.ai」で、顧客との通話をリアルタイムに文字起こし・要約。この通話要約が約500万件の顧客通話で現場の担当者を支えた(自社発表・2025年7月23日)
- 基盤の稼働(2023年6月)後、700人超の担当者で30日間の試験導入を行い、試験開始から約1か月で本番へ移した。2023年9月の発表時点で要約の約82%が人の手直し不要(自社発表・2023年9月19日)
- マーケティング部門の1か月の試験では、AIを使わない場合と比べて作業時間が平均34%短縮。年間で約3,000時間の削減を見込む(報道・Marketing Dive・2023年11月17日。3,000時間は会社の見積もり)
- 最初の18か月で2,200人が研修を受けて利用を開始し、投入された指示文(プロンプト)は25万件近く。2025年7月には社員1万人超がAI基盤を使える状態になった(自社発表・2025年7月23日)
- 利用前のリスク管理研修の受講を必須にし、四半期ごとの「AI Days」(毎回平均1,000人超が参加)、隔週の社内勉強会と相談会で定着を支えている(自社発表・2025年7月23日)
どんな会社か
アライ・ファイナンシャルは、米国最大のネット専業銀行(店舗を持たないデジタル銀行)と、自動車ローンの大手事業を持つ金融グループです。ニューヨーク証券取引所に上場しており、2023年9月の発表時点で1,100万人超の顧客にサービスを提供していました(自社発表・2023年9月19日)。2025年7月の発表では、社員は1万人超とされています。
店舗を持たない銀行なので、顧客との接点は電話・チャット・アプリが中心です。コールセンターの担当者がどれだけ顧客との会話に集中できるかが、サービスの質を左右する業態だと言えます。
何が課題だったのか
2023年の発表文によれば、試験導入に参加した担当者は、AIによる要約によって会話の記録にかかる時間と、画面を行き来する手間が減ったと答えています。裏返すと、それまでは通話のたびに担当者が内容を手で記録し、複数の画面を切り替えながら対応していたことが負担になっていたと読み取れます(ここは当社の読み取りです)。
もう1つは、金融機関ならではの情報管理です。同社は生成AIを使い始めるにあたり、「まず社員の生産性と社内業務の改善から始める」「人が監督し、関与できる仕組みを置く」「個人を特定できる情報を出さず、外部のAIモデルに自社のデータを学習させない」という3つの原則を掲げました(自社発表・2023年9月19日)。
何をAI化したのか
公表資料に出てくる取り組みを、時系列で整理すると次のとおりです。
| 時期 | 何をしたか | 公表された数字(出典・日付) |
|---|---|---|
| 2023年6月 | 社内の技術チームが、Microsoft Azure OpenAI Service を使った自社のAI基盤「Ally.ai」を稼働。自社専用のクラウド環境・専用ネットワーク上に構築 | —(自社発表・2023-09-19) |
| 2023年(基盤の稼働後・30日間) | 顧客対応部門で通話要約を試験導入。通話をリアルタイムに文字起こし・要約し、担当者の意見で指示文とモデルを改善 | 担当者700人超/発表時点で要約の約82%が手直し不要(自社発表・2023-09-19) |
| 2023年(試験開始から約1か月後) | 通話要約を本番に移し、電話対応の担当者が使う業務画面の機能に組み込み | —(自社発表・2023-09-19) |
| 2023年(1か月の試験) | マーケティング部門で、広告コピー・動画台本・SNS投稿の下書き、ブログ記事化などに活用 | 作業時間が平均34%短縮/年約3,000時間の削減見込み(報道・2023-11-17) |
| 2023年〜2025年7月 | 通話要約を顧客対応の現場で継続利用 | 約500万件の顧客通話を支援(自社発表・2025-07-23) |
| 最初の18か月 | マーケティング・監査・リスク管理・技術などの部門の社員が研修を受けて利用開始 | 2,200人/プロンプト25万件近く(自社発表・2025-07-23) |
| 2025年7月 | 全社展開。メールの下書き、会議の議題づくり、文書の初稿や校正、データ分析やアイデア出しに活用 | 社員1万人超が利用可能(自社発表・2025-07-23) |
マーケティング部門の例として、報道では、経営幹部が出演したポッドキャストの書き起こしからブログ記事を作った事例が紹介されています。AIが15分で初稿を出し、人が丁寧に編集・確認したうえで、通常4時間かかる作業が全体で1時間に収まったと同社は説明しています(報道・Marketing Dive・2023年11月17日)。
なぜここまでできたのか

1つ目の理由は、最初の用途を「通話の記録づくり」に絞ったことです。顧客への回答そのものをAIに任せるのではなく、担当者が通話後に書いていた要約をAIが下書きし、担当者が確認する形にしました。顧客に直接届く文面ではないため試しやすく、しかも毎日大量に発生する作業なので効果が見えやすい用途です。
2つ目は、試験の段階で「何を測り、どうなれば本番に移すか」を先に決めていたことです。2023年の発表文によれば、試験を始める前に、社内のAI作業部会と事業部門の責任者が検証方法と測る項目、価値があるかどうかの判断について合意しています。700人超の担当者から日々意見を集めて指示文を直し続けた結果、手直し不要の要約の割合は試験中に着実に上がり、約1か月で本番に移す判断ができました。
3つ目は、全社展開の前に「教える仕組み」を作ったことです。同社は利用前のリスク管理研修を必須にし、部門ごとの業務に合わせた指示文の例をまとめた社内サイト「AI Fluency Hub」、四半期ごとの「AI Days」、隔週の勉強会と相談会、AIの使い方の指針(AI Playbook)を用意しました。2,200人で18か月かけて使い方を固め、そのうえで1万人超へ広げています。
同社のCIO(最高情報・データ・デジタル責任者)は、生成AIを社員を補い、支えるための道具と位置づけ、判断の中心には人を置くと説明しています(自社発表・2025年7月23日)。
日本の中小企業が真似できる3点
① 最初の用途は「記録・要約」から選ぶ。 アライ・ファイナンシャルは、顧客に直接届く回答ではなく、担当者が書いていた通話の要約からAIを入れました。中小企業でも、商談メモ、問い合わせ対応の記録、会議の議事録など、社内で確認してから使う文書から始めると、失敗のリスクを抑えながら効果を測れます。
② 試す前に「何がどうなれば続けるか」を決める。 同社は試験の前に、測る項目と判断の仕方を決めていました。中小企業でも、たとえば「AIが作った要約のうち、手直しなしで使えた割合」や「1件あたりの作業時間」を1〜2週間だけ記録すると、続けるかやめるかを感覚ではなく数字で判断できます。
③ 全員に配る前に、使い方を教える場を作る。 同社は利用前の研修を必須にし、業務別の指示文の例や定期的な勉強会を用意してから全社に広げました。中小企業でも、部署ごとに「この作業にはこの指示文」という例を数本まとめて共有するだけで、配っただけで使われないという事態を防ぎやすくなります。
商談メモや問い合わせ記録のように、毎回人が手で書いている文書は、AIの下書きと人の確認に分けるだけで時間の使い方が変わります。自社のどの作業から試すかを整理したいときは、外部の知見を借りる選択肢もあります。
ai-remote-worker.com AIリモートワーカー|営業・マーケのAI導入支援 営業・マーケティングのAI化を、月額定額または成果確認後払いで。実装まで踏み込む伴走型の支援です。注意して読むべき点
- 「約500万件」は、通話要約が担当者の対応を支えた顧客通話の件数です。1件あたりの短縮時間や、全体の削減時間・コストは公表されていません
- 「要約の約82%が手直し不要」は、2023年9月の発表時点の数字です。発表文は、この割合が試験導入(担当者700人超・30日間)の間に着実に上がったと説明していますが、その後の割合は公表されていません
- マーケティング部門の「平均34%短縮」「年約3,000時間」は、報道(Marketing Dive)が同社から提供を受けた情報として伝えた数字です。同社の発表文では今回確認できていません。3,000時間は1か月の試験結果からの年間の見込みで、実績ではありません。同じ試験では、80件の指示文の抽出検査で有用だった割合が87%、正確だった割合が81%とされており、AIの出力をそのまま使える水準ではなかった点も読み取れます
- 「社員1万人超」は、AI基盤を使える状態になった人数です。実際に日常的に使っている人数や利用率は公表されていません
- 出典は自社発表2本と報道1本で、決算資料や第三者の検証による数字は含まれていません
- 同社は社員1万人超の上場金融グループで、AI基盤も社内の技術チームが自社で構築しています。中小企業が同じ基盤を作る必要はなく、最初の用途の選び方と、試験から本番に移す判断の仕方を参考にするのが適切です
よくある質問
Q. アライ・ファイナンシャルはコールセンターでAIを何に使っているのですか?
顧客との通話をリアルタイムに文字起こしし、要約を作るために使っています。要約は電話対応の担当者が使う業務画面に組み込まれており、自社発表(2025年7月23日)によれば、この通話要約が約500万件の顧客通話で担当者の対応を支えました。顧客への回答そのものをAIに任せるのではなく、担当者の記録づくりを支える使い方です。
Q. AIが作った通話要約は、そのまま使える精度なのですか?
2023年の試験導入(担当者700人超・30日間)を経て、発表時点で要約の約82%は人の手直しが不要でした(自社発表・2023年9月19日)。逆に言えば2割弱は担当者が直しており、担当者が確認・修正できる形で運用されています。その後の割合は公表されていません。
Q. 中小企業がこの事例から最初に真似すべきことは何ですか?
社内で確認してから使う「記録・要約」の作業からAIを入れることです。同社は顧客に直接届く回答ではなく、担当者が書いていた通話の要約から始めました。中小企業でも、商談メモや問い合わせ記録、議事録など、人が確認してから使う文書から始めると、リスクを抑えながら効果を測れます。試す前に「手直しなしで使えた割合」など、測る項目を決めておくと判断しやすくなります。
Q. マーケティングの仕事ではどれくらい時間が減ったのですか?
報道(Marketing Dive・2023年11月17日)によれば、マーケティング部門の1か月の試験で、AIを使わない場合と比べて作業時間が平均34%短縮されました。同社はこの水準なら年間で約3,000時間の削減になると見積もっています。ただし3,000時間は見込みで、実績ではありません。
Q. 社員にAIを定着させるために何をしたのですか?
自社発表(2025年7月23日)によれば、利用前のリスク管理研修を必須にしたうえで、業務に合わせた指示文の例をまとめた社内サイト、四半期ごとの「AI Days」(毎回平均1,000人超が参加)、隔週の勉強会と相談会、AIの使い方の指針を用意しました。最初の18か月は2,200人で利用を固め、2025年7月に社員1万人超が使える状態へ広げています。
出典
出典と、その読み方
- 自社発表2025-07-23Ally Financial rolls out proprietary AI platform enterprise-wide(Ally Financial Media Center)
プレスリリース・自社ブログ等の公表値。前提条件は要確認
- 自社発表2023-09-19Ally launches proprietary, enterprise AI platform(Ally Financial Media Center)
プレスリリース・自社ブログ等の公表値。前提条件は要確認
- 報道2023-11-17Ally's generative AI experiment reduces marketing busywork(Marketing Dive)
第三者による取材
ほかの事例
🇯🇵 日本・ケーブルテレビ・インターネット・モバイルなどの通信・放送サービス
通話の要約を生成AIに任せて月1,500時間以上を削減、問い合わせの分類は150→3,000種類に|J:COMの事例
🇯🇵 日本・機械部品・工具・消耗品の製造とEC販売
AIチャットで顧客の待ち時間を年17,126時間削減、技術問い合わせの回答は1時間→40秒|ミスミの事例
🇧🇷 ブラジル・銀行
AIアシスタントが顧客とのやり取りの90%を解決、人に回す割合は50%から10%へ|ブラデスコ銀行(Bradesco)の事例
🇬🇧 イギリス・電力・ガス小売(エネルギー)
AIが顧客メールに自分で返信し満足度76%、人の72%を上回る|オクトパス・エナジー(Octopus Energy)の事例