結論から言う。カスタマーサポートの人件費は、もう「人数の問題」じゃない

ブラジルのデジタルバンクNubankが、1億人超のユーザーを抱えながら、AIエージェントでカスタマーサポートの大部分を自動化している。顧客満足度は下がるどころか、NPS（ネットプロモータースコア）が37ポイント改善した領域すらある。

この話のインパクトは「大企業がAIを使ってすごい」という点にはない。「この構造が、月3万円レベルのコストで中小企業にも降りてくる」という点にある。

カスタマーサポートに月50万〜100万円かけている中小企業は少なくない。人を2〜3人雇えばそれだけでそのコストになる。それが月3万円になったとき、何が起きるか。今回はその構造変化を、具体的な事例と数字で見ていく。

—

Nubankが証明した「AIサポートは使い物になる」という事実

NubankのAIサポート体制は、4つの柱で構成されている。

1. 評価パイプライン — AIの回答品質を定量的に測定し、改善サイクルを高速で回す仕組み
2. コンテキストエンジニアリング — ユーザーの状況（取引履歴、過去の問い合わせ等）をAIに正しく渡す設計
3. トレーニングデータの継続的な蓄積 — 実際の問い合わせデータを使ったモデルの継続改善
4. オンライン測定 — 本番環境でのリアルタイムな品質モニタリング

重要なのは、これが「AIを入れて終わり」ではなく、PDCAを高速で回す仕組みそのものだということだ。

具体的な成果を見てみよう。

• カード配達に関する問い合わせ: 大規模A/Bテストの結果、AIが対応したグループのNPSが37ポイント改善
• 債務管理・クレジット制限・カード管理・商品説明: 5つの異なる領域すべてで顧客満足度が向上

なぜAIの方が満足度が上がるのか。理由はシンプルだ。待たされない。24時間対応。回答のブレがない。 人間のオペレーターが疲れて雑になる夕方の対応品質低下も、AIには起きない。

「でもNubankは大企業でしょう？」という声が聞こえる。その通りだ。だが、この構造を中小企業に持ってくるためのコストが、今まさに劇的に下がっている。

—

月3万円の内訳——中小企業のAIサポートは本当に成立するのか

中小企業が同様のAIカスタマーサポートを構築する場合のコストを試算してみる。

初期構築コスト（一度だけ）

これは、パート1人を半年雇うコストより安い。

月額ランニングコスト

月3万円というのは、十分に現実的な数字だ。

一方、人間のオペレーターを1人雇えば、最低でも月20万〜25万円。2人体制なら40万〜50万円。10倍以上のコスト差がある。

しかも、AIは24時間365日稼働する。深夜の問い合わせにも即レスできる。これは大企業が3交代制で実現していたことを、中小企業が月3万円で手に入れるという話だ。

—

エッジデバイスという「もう一つの選択肢」が面白い

クラウドAPIに依存しない方法も出てきている。エッジデバイス上でLLMを直接動かすアプローチだ。

最近の性能比較データが興味深い。

注目すべきはRaspberry Pi 5 + Hailo-10Hの組み合わせだ。わずか2Wの消費電力で安定して6.9トークン/秒を出す。本体+NPUで2万円程度。電気代は月数十円レベル。

これが何を意味するか。

APIの従量課金すら払いたくない、あるいはデータを外部に出したくない中小企業でも、自社内にAIサポートの頭脳を持てるということだ。

現時点では小規模モデル（7B〜13Bパラメータ）に限られるが、FAQベースの問い合わせ対応なら十分に実用レベルに達している。初期投資2万円、ランニングコストほぼゼロ。この選択肢があること自体が、構造変化の証拠だ。

—

本当の「逆転構造」はどこにあるか

ここからが本題だ。

コストが下がること自体は手段でしかない。問題は「コストが下がった結果、何の価値が上がるか」だ。

1. 「対応品質」が属人化から解放される

中小企業のサポートは、たいてい「あの人がいないと回らない」状態だ。ベテラン社員が辞めたら品質が崩壊する。AIエージェントにナレッジを集約すれば、対応品質が人に依存しなくなる。これは品質の底上げであると同時に、経営リスクの低減でもある。

2. 「対応速度」で大企業に勝てる

大企業のコールセンターは、実は待ち時間が長い。IVR（自動音声応答）で延々たらい回しにされた経験は誰にでもあるだろう。中小企業がAIチャットで即レスできるなら、顧客体験では大企業を上回れる。

3. 「浮いたコスト」を攻めに使える

月40万円のサポートコストが月3万円になれば、年間で約440万円が浮く。その金を新商品開発に回すか、マーケティングに回すか。守りのコスト削減が、攻めの投資原資に変わる。これが中小企業にとっての本当の逆転構造だ。

4. 「顧客の声」がデータとして蓄積される

AIが対応した問い合わせは、すべてログとして残る。「どんな不満が多いか」「どの商品の問い合わせが増えているか」が自動的にデータ化される。これまでオペレーターの頭の中にしかなかった情報が、経営判断に使える資産になる。

—

で、結局どうすればいいのか

中小企業がAIカスタマーサポートを始めるなら、ステップはシンプルだ。

Step 1: 問い合わせの棚卸し（1週間）
過去の問い合わせを100件集めて分類する。8割は同じような質問のはずだ。

Step 2: ナレッジベースの構築（1〜2週間）
その「よくある質問」に対する回答を、社内のベテランから聞き出してテキスト化する。完璧じゃなくていい。

Step 3: AIエージェントの構築（1〜2週間）
ChatGPT API、Claude API、あるいはDifyやBotpressなどのノーコードツールを使って、チャットボットを組む。プロンプトにナレッジベースを食わせるだけで、最初のバージョンは動く。

Step 4: 小さく試す（1ヶ月）
全問い合わせをAIに任せる必要はない。まずは「営業時間外の一次対応」だけでいい。それだけで翌朝の対応負荷が激減する。

Step 5: 測定して改善する（継続）
AIが答えられなかった質問をナレッジベースに追加する。これを月1回やるだけで、精度は着実に上がる。

初期投資20万〜50万円。月額3万円以下。まずやってみて、ダメなら止めればいい。失うものは少ない。

—

まとめ——「サポート体制の差」は、もう企業規模の差じゃない

Nubankの事例が示しているのは、「AIサポートが使い物になる」という技術的な事実だけではない。カスタマーサポートの品質が、企業の規模や人数ではなく「仕組みの設計力」で決まる時代に入ったということだ。

月3万円で24時間対応。NPSが37ポイント改善。エッジデバイスなら初期2万円でランニングほぼゼロ。

この数字を見て「うちには関係ない」と思うか、「まず100件の問い合わせを棚卸ししてみよう」と思うか。その差が、1年後の競争力の差になる。

大企業の真似をする必要はない。中小企業には中小企業の戦い方がある。小さく始めて、仕組みで勝つ。 AIエージェントは、そのための最もコスパの良い武器になりつつある。

—