カスタマーサクセスのAI化｜解約の予兆を「毎週、機械が」出す設計【2026年版】

「更新の2週間前に、担当者から『今回は見送ります』とメールが来ました。理由を聞いたら、半年前から使っていなかったそうです」

カスタマーサクセス（CS）の責任者から聞く話の中で、いちばん悔しいのがこの形です。解約の連絡そのものは突然でも、使われなくなったのは突然ではありません。ログにも問い合わせにも、半年前から出ていた。ただ、それを毎週見に行く人がいなかっただけです。

CSは、担当する顧客の数が増えるほど「全員を同じ濃さで見る」ことができなくなります。そして目が届かなくなった顧客から、静かに離れていく。人を増やす以外の打ち手として、危ない顧客を毎週、機械が出して、人はそこにだけ時間を使うという分担があります。

この記事では、その一覧をどう作るか——何をシグナルとして入れ、何を入れてはいけないか、どの数字から動くか——を、当社の自社サービスの運用と公開されている事例と研究を使って整理します。

この記事の要点

• CSのAI化で最初に作るのは、問い合わせの自動応答ではなく「危ない顧客を毎週出す一覧」。一次回答の自動化は、この一覧を作った後の方が効く
• 解約の先行指標は更新月ではなく導入後30日。「使い始めた顧客の割合（オンボーディング完了率）」を最初に測る
• 一覧に入れるシグナルは「対象の業務を実際に回したか」。メールの開封やログイン回数だけでは弱い。当社では、実際の送信より87秒前に「開封」が記録されたことがある
• 問い合わせの一次回答は、海外では76%を人を介さず解決（セールスフォース）まで来ている。ただし線を引きすぎて人を戻した例（Klarna）もある。難しい・感情的な問い合わせは最初から人に残す
• 解約率とNRR（既存顧客からの売上の伸び）が動くのは、一覧を回し始めてから約1四半期。単価はCSのAI化では動かないので、混ぜて約束しない

解約は更新月ではなく、最初の30日で決まっている

解約の予兆を探すなら、更新月の前ではなく、導入直後の30日を見てください。 契約してから一度も業務に乗らなかった顧客は、更新月まで待っても戻ってきません。

当社が営業組織のAI化を設計するとき、CSの部門で最初に聞く質問は次の3つです（経営インパクトの出し方にCSを含む4部門ぶんを置いています）。

1. 導入後30日で、使い始めた顧客の割合は？
2. 問い合わせの一次回答までの時間と、月の件数は？
3. 危ない顧客を、誰が・いつ・何を見て見つけている？

1つ目がオンボーディング完了率です。ここが低い会社は、どれだけ更新前のフォローを厚くしても解約率が下がりません。3つ目の答えが「担当者の勘」や「更新前に連絡して初めて分かる」なら、それが毎週機械で出せる場所です。

当社自身も、法人向けのAI研修サービスで同じ数字を最初に置いています。配った対象者のうち、実際に初回を終えた人の割合（開始率）です。管理画面では部門別に出しますが、5名未満の部門は率を出さず、人事評価には使いません。少人数の率は1人の事情で大きく振れ、評価に使うと「使ったふり」が増えるからです。

「使い始めた」の定義は、ログインではなく対象の業務を1回やり切ったかで置いてください。ここを甘くすると、次に作る一覧がすべて甘くなります。

一覧に入れていいシグナル、入れてはいけないシグナル

機械に出させる一覧の質は、入れるシグナルの選び方でほぼ決まります。 取りやすいデータから入れると、弱いシグナルで一覧が埋まり、CSが「どうせ外れる」と見なくなります。

メールの開封が弱い理由は、当社の案件管理で実際に起きたことから説明できます。当社は顧客へのメールに開封を記録する仕組みを入れていますが、実際に送信する87秒前に「開封」が1件記録されました。送る前の下書きを、メールサービス側の画像取得の仕組みが読み込んだためです。ほかにも、受信した瞬間に中身を先読みするメールソフトがあり、逆に法人のメール環境では画像が止められていて、読んでいても記録されないことがあります。

そこで当社では、開封を「弱いシグナル」と決めて扱っています。開封が付いても「最後に接点があった日」は更新しない、担当への通知も出さない。開封を強いシグナルとして一覧に入れていたら、送った瞬間に「反応あり」と誤判定し、本当に離れかけている顧客を一覧から外していたはずです。

ヘルススコア（顧客ごとの健康状態を1つの点数にしたもの）を作るときも同じで、弱いシグナルは点数に混ぜず、強いシグナルが1つ出たら一覧に載せる形の方が外れません。点数は、足し算の重みを決める議論で数か月止まりがちです。

毎週の一覧は「誰が・なぜ・今週だれが何をする」の3列で足りる

一覧の列は3つで足ります。 顧客名、なぜ載ったか（どの強いシグナルが出たか）、今週だれが何をするか。点数や色分けを足すのは、この3列が毎週回るようになってからで間に合います。

流れは次のとおりです。

1. 利用ログ・問い合わせ・請求の3つを、週1回1か所に集める
2. 前の節の「強い」シグナルが出た顧客だけを抽出する
3. 載った理由を、問い合わせの文面などからAIが分類する（「使い方が分からない」「担当者が異動した」「社内で別のツールに決まりかけている」など）
4. 人が、担当と今週やることを決める
5. 対応の結果（連絡がついた・解消した・解約の意思が固い）を翌週の一覧に戻す

1〜3は判断が要らないので機械に寄せ、4だけを人が持ちます。AIが「この顧客は危ない」と決めて、そのまま自動でメールを送る形にはしないでください。理由の分類は外れることがあり、外れたまま定型メールが届くと、離れかけていた顧客の背中を押すことになります。

5の「結果を戻す」を省くと、一覧はしだいに信用を失います。「先月も載っていたが、実は問題なかった」顧客が毎週残り続けるからです。

問い合わせの一次回答はAIに。ただし、人に残す線を先に引く

一次回答の自動化は、海外ではすでに問い合わせの大半を人を介さず解決する段階にあります。 ただし、どこまで任せるかの線を引き直した会社もあります。

3社とも、任せているのは答えが決まっている問い合わせです。Klarnaが人を戻したのは、感情的な問い合わせまで機械に寄せた結果でした。CSで言えば「解約を考えている」「期待と違った」という連絡がそれに当たります。これは一次回答こそ人が持つべき種類で、しかも前の節の一覧に載せるべき強いシグナルです。

つまり順番は、先に一覧を作り、そこに載る種類の問い合わせを「人に残す側」と決めてから、残りを一次回答の自動化に回す。逆にすると、いちばん大事な問い合わせにAIが先に答えることになります。

もう1つ、一次回答の支援は新人に効きます。サポート担当5,172名を対象にした研究では、AIアシスタントの導入で1時間あたりの解決件数が平均15%上がり、経験の浅い担当者は+34%、成績上位層はほぼ変化なしでした（Quarterly Journal of Economics, 2025）。ベテランだけで試して「大して変わらない」と判断しないでください。

顧客の声は、月に1回、商品側へ戻す

問い合わせ・解約理由・アンケートは、CSの中で閉じると同じ詰まりが毎月起きます。 月に1回、分類した結果を商品やヘルプの担当に渡す型を作ってください。

AIに任せるのは分類までです。問い合わせの文面と解約理由を「操作が分からない」「機能が足りない」「社内の事情」「価格」などに分け、先月と比べてどこが増えたかを1枚にします。セールスフォースが監視データを「ヘルプの記事が足りない箇所」の発見に使っていたのは、まさにこの使い方です。

アンケートは、出す相手を選ぶと回答の質が変わります。当社の研修サービスでは、月次のアンケートを「別の日に3回来て、体験を2つ終えた人」にだけ出しています。初めて来た人に「使ってみてどうですか」と聞いても、答えられる材料がないからです。サイトに来ていない人には画面でアンケートを出せないので、月初と月の後半の2回に分けてメールで案内し、「それで戻ってきたか」そのものを数字として見ています。

商品側に渡すときは、件数だけでなく顧客の文面をそのまま3つ添えてください。「操作が分からない 12件」より、実際の一文の方が開発やヘルプの担当を動かします。

動く数字と、動かない数字

CSのAI化で動く数字には順番があります。 経営への報告も、この順番に合わせると「効果が出ていない」と判断されずに済みます。

解約率が1ポイント下がると、同じ受注数でも1年後に残る売上が変わります。経営に出す1文は「一次回答の自動化と毎週の一覧で、月次解約率が◯%→◯%。年間で残る売上が◯円増えます」の形にしておくと、時間削減の話で終わりません。

「うちは顧客数が少ないから要らない」への答え

ここまで読んで、「顧客が数十社なら、担当が全部見ているから一覧は要らない」と感じた方もいると思います。

半分は正しいです。顧客が少なければ、担当は全社の顔を思い浮かべられます。ただ、思い浮かべられることと、毎週同じ基準で見ていることは別です。担当が1人だと、その人が忙しい週・休んだ週に、誰も見ていない期間ができます。一覧の価値は精度より、見落とす週をなくすことにあります。数十社なら、強いシグナル3つを週1回確かめるだけの小さな一覧で十分です。

もう1つの反論は「ヘルススコアはツールを入れれば出る」です。出ます。ただし、何を強いシグナルとして扱うかはツールでは決まりません。取れるデータを全部入れた点数は、前の節の「弱い」シグナルに引っ張られます。先に強いシグナルを3つ決め、ツールはそれを集める道具として選んでください。

当社がまだできていないこと

公平のために書いておきます。当社はCSという職種の担当を置いておらず、研修サービスも公開して日が浅いため、解約率を1年分並べて語れる段階にはありません。この記事の数字のうち、問い合わせ自動化の到達点は公開事例のもの、動く順番は当社の設計値です。

そして、当社自身が「提供側の障害」を踏んでいます。2026年9月19日、研修サービスの動画を置いていた保存先が月の転送量の上限を超え、すべての動画が再生できなくなりました。上限を超えると次の請求サイクルまで戻らない契約だったため、配信先を切り替えて復旧しています。

ここから言えることは2つです。1つは、前の節の表に「自社側の障害に当たった」を強いシグナルとして入れること。顧客のせいではないのに使えなかった期間は、ログ上は「使われていない」に見え、放っておくと解約の理由になります。もう1つは、支援会社やツールを選ぶときに「止まったとき、どう連絡が来て、どう戻るか」を先に聞くことです。止まらないサービスはありません。差がつくのは止まった後です。

よくある質問

Q. CSのAI化は、どこから手を付ければいいですか？

「危ない顧客を毎週出す一覧」からです。強いシグナルを3つ決め、週1回、該当する顧客を抽出するところまでを最初の1か月で作ります。問い合わせの一次回答の自動化はその後に回した方が、人に残すべき問い合わせを先に決められるので失敗しません。

Q. 解約の予兆は、どのデータで見ればいいですか？

いちばん強いのは「対象の業務を回した回数が落ちた」ことです。加えて、問い合わせの急増、請求の遅れ、自社側の障害に当たったことの3つを見てください。ログイン回数やメールの開封は、読んでいなくても記録されることがあるため、単独では一覧に入れない方が外れません。

Q. 一次回答をAIに任せると、顧客満足度は下がりませんか？

答えが決まっている問い合わせなら、下がらなかったという公表があります。Klarnaは顧客満足度が人と同水準だったと公表しています。ただし同社は、複雑・曖昧・感情的な問い合わせのために後から人を再配置しました。解約の相談や不満の連絡は、最初から人が受ける側に置いてください。

Q. ヘルススコアの点数は、どう付ければいいですか？

最初は点数を付けず、「強いシグナルが1つでも出たら一覧に載せる」形から始めるのをおすすめします。重みの議論から入ると、数か月止まりがちです。3か月ぶんの対応結果（載ったが問題なかった・実際に解約した）が溜まってから、どのシグナルが当たっていたかで重みを決めた方が、実態に合った点数になります。

Q. 効果はどれくらいで出ますか？

一次回答までの時間は数週間、オンボーディング完了率は1〜2か月、解約率とNRRは約1四半期です。初月に解約率で判断すると、更新がまだ1巡していないため、ほぼ確実に「効果なし」の結論になります。インサイドセールス側の順番はインサイドセールスのAI化に、社内で使われない問題はAIが社内に浸透しない3つの理由にまとめています。

---

執筆・監修：佐々木 優希（上場企業 営業統括 兼 AI責任者）

スタートアップでトップセールスとして営業組織の立ち上げに携わり、SFA・CRMのエンタープライズ営業マネージャーを経て、上場企業で営業統括とAI責任者を兼任。営業・マーケティング組織へのAI実装を現場側から手がけ、現在は中小企業向けにAI導入支援を提供しています。

参考

• Salesforce｜Agentforce resolves over 75% of visitor issues on the Salesforce Help site
• Klarna｜Klarna AI assistant handles two-thirds of customer service chats in its first month（2024-02-27）
• CX Dive｜Klarna changes its AI tune and again recruits humans for customer service（2025-05-13）
• Telstra｜Half Year 2026 Results Presentation Transcript（2026-02-19）
• Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. *The Quarterly Journal of Economics*, 140(2), 889–942.