顧客問い合わせ1件の処理コストは平均$6。1日500件なら1か月で$90,000です。 採用、研修、離職まで加えると、CSチームの運営コストは際限なく膨らんでいきます。でも、その問い合わせの65%をAIが$0.99で解決してくれるとしたら？
IntercomのFin AI Agentが、まさにそれをやっています。 40万件以上の会話を処理し、平均解決率66%を記録しています。 「とりあえず答えました」ではなく、顧客が納得してチケットが閉じる、本当の意味での解決です。
これは何?
FinはIntercomが開発したAI顧客サービスエージェントです。単なるチャットボットではありません。チャット、メール、音声、SMS、ソーシャルメディアまで — 45言語以上、あらゆるチャネルで顧客の問い合わせを自動解決するAIエージェントです。
仕組みはこうです。会社のヘルプセンター、ウェブサイト、PDF、社内データベースを学習してナレッジベースを構築します。顧客が問い合わせると、RAG（Retrieval-Augmented Generation）ベースの3層システムが最も正確な回答を探して応答します。 単純な質問への回答だけでなく、返金処理、サブスクリプション変更、アカウント更新といった実際のアクションも実行します。
IntercomのAIチームには40名以上の機械学習科学者とエンジニアが在籍しています。 2024年の初リリース以降、20回以上のメジャーアップデートを重ね、最新バージョンのFin 3では「Procedures（プロシージャ）」という機能により、複雑なマルチステップのクエリも処理できるようになりました。
実際の事例を見るとイメージがつかめます：
- Lightspeed Commerce — 会話の99%にFinが対応し、最大65%を自動解決。担当者がCopilotを使うと1日の処理件数が31%増加。
- Synthesia — 月4万件だった問い合わせが31万6千件と8倍に急増したにもかかわらず、人員を増やすことなくFinで対応。
- Tado° — シーズンピーク（問い合わせ量400%増）でも70%のワークフロー完了、CSAT 90%を維持。6言語同時対応。
- Anthropic — 導入1か月で解決率50.8%、96%の会話に参加。CSチームの工数を1,700時間以上削減。
解決（Resolution）の基準は？
Finが応答した後、24時間以内に担当者へ転送されない、または顧客が解決を自ら確認した場合のみ「解決」としてカウントされます。 適当に答えて流すのではなく、本当に完結したケースだけを数えているわけです。
何が変わるのか?
CS自動化ツールはすでに多く存在します。それでもFinが注目される理由は、性能と価格モデルの組み合わせが市場で際立っているからです。
| 人の担当者 | Intercom Fin | Zendesk AI | |
|---|---|---|---|
| 1件あたりのコスト | $3〜6 | $0.99 | $1.50〜2.00 |
| 初回応答時間 | 平均8.2分 | 数秒 | 数秒 |
| 解決率 | 高い（複雑なケースも含む） | 平均66%（上位顧客は80%以上） | 非公開（個別事例のみ） |
| セットアップ期間 | 採用に2〜4週間 | 1〜2週間 | 2〜4か月（高度な機能） |
| 多言語対応 | 人員追加が必要 | 45言語以上を自動対応 | 多言語対応 |
| 拡張性 | コストが線形に増加 | 問い合わせ8倍増でも人員追加なしで対応 | エージェントシート課金 |
| 課金モデル | 月給＋福利厚生 | 解決件数課金（成果連動型） | エージェントシート＋チケット量 |
数字で見ていきましょう。CSチームでは人の担当者1人が1日26件を処理します。AI Copilotを使うと78件まで増えます — 200%の向上です。 1件あたり平均$6だったコストが、AI自動処理では$0.50以下に下がります。業界平均68%のコスト削減です。
Intercom vs Zendeskの直接比較テストでも、Finが上回りました。回答品質（完全性、有用性、明確さ、読みやすさ）で80%のケースでFinが優勢。複数のソースを組み合わせる必要がある質問では、Fin 96% vs Zendesk 78%の回答率でした。
ただし、Zendeskの方が優れているケースもあります。大規模エンタープライズ、特に物流・金融・大型Eコマースのように複雑なレポーティングと安定性が求められる場合は、Zendeskのインフラが強みです。 SaaSやスタートアップならFin、エンタープライズ規模ならZendesk — これが現実的な見方です。
注意：コストの予測
Finは解決件数課金のため、解決率が上がるほど月額コストも増えます。 最初は安く見えても、Finの学習が進むにつれてコストが「急速に上がる」というユーザーの声があります。導入前に予想解決件数をもとに月額コストのシミュレーションを必ず行ってください。
始め方のポイント
- まずナレッジソースを整備する
Finの性能は学習データの質に直結します。ヘルプセンターのドキュメント、FAQ、ガイドを最新の状態に更新してください。整理されていないナレッジベースでは、どんなAIでも正確に答えられません。 - Intercomに登録してFinを有効化する
Intercom Suite（$29/シート/月）に登録し、Fin AI Agentを有効にします。ヘルプセンターのURLやウェブサイトを連携するだけで学習がすぐに始まります。セットアップの90%はCSチームが自分で対応できます。 - テスト環境で動作を確認する
Fin 3の「Simulations（シミュレーション）」機能を使って、本番環境に導入する前にマルチターンの会話をシミュレーションしてみてください。エッジケースを事前に把握できます。 - チャネルごとに段階的に展開する
最初から全チャネルに展開しないでください。まずチャットから始め、成果を確認してからメール・ソーシャルへ拡大するのが安全です。Lightspeedも段階的なロールアウトで65%まで解決率を引き上げました。 - 成果をモニタリングしてチューニングする
解決率、CSAT、エスカレーション率を週単位で確認してください。Finの平均解決率は毎月1%ずつ自然に上がっていきますが、ナレッジソースを更新することで改善を加速できます。
