AI活用事例データベース AI活用事例データベース
About ログイン curated by Arcana Technology
2026年

東京電力エナジーパートナー(コンタクトセンター刷新SEEDS)

東京電力エナジーパートナーが、全国複数拠点・数千席規模のコンタクトセンターを Amazon Connect と Amazon Bedrock で刷新した。通話内容からの64分類のコールリーズン自動判定で網羅性95%・正解率85%を達成し、説明漏れの法令チェックも生成 AI で全件自動化した。

企業規模大企業(1,000名〜)
地域日本
導入段階部門導入
使用ツールAmazon Connect Customer、Amazon Bedrock(Claude 3.5 Sonnet / Claude 3 Haiku → Claude Sonnet 4.5 / Claude Haiku 4.5)

背景・課題

電力・ガスの小売事業として全国複数拠点・数千席規模のコンタクトセンターを運営している。デジタルチャネルの比率が上がる中でも電話が約4割を占め、IVR が複雑でオペレーターに繋がるまでの導線がわかりにくいこと、オペレーターのスキルと用件のミスマッチ、応対後の処理負荷の大きさ、拠点ごとに利用システムが異なり会話データを横断的に活用できないことが課題だった。

取り組み内容

オンプレミス環境の保守期限を迎えてシステムを刷新するタイミングで、CX 向上と業務効率化を同時に実現するプロジェクト「SEEDS」を立ち上げた。Phase1 では Amazon Connect Customer をベースとした新たな受電環境を構築し、全国の拠点のうち18拠点の切替を完了した。できる限り標準機能を使いスクラッチ開発を最小限にした。生成 AI では、通話内容から問い合わせ理由を自動分類するコールリーズン分析と、オペレーターの説明漏れ等を全件自動チェックする法令チェックを実装した。

成果・効果

18拠点の切替を完了。要件整理からリリースまで約10か月、拠点切替は約3か月。コールリーズン分析は64分類での自動判定を実現し、約600件のテストデータで網羅性95%・正解率85%と目標を上回った。実務担当者11名がプロンプトを設計・評価するスキルを習得した。

要件整理からリリースまで約10か月、拠点切替は約3か月で完了した。コールリーズン分析は64分類での自動判定を実現し、約600件のテストデータで網羅性95%・正解率85%と目標を上回る精度を達成した。基盤モデルはリリース時点の Claude 3.5 Sonnet / Claude 3 Haiku から、2026年には Claude Sonnet 4.5 / Claude Haiku 4.5 に更新している。プロジェクトを通じて実務担当者11名が生成 AI の特性を理解したうえでプロンプトを設計・評価するスキルを身につけた。

教訓・ポイント

システムの保守期限は、CX 向上と業務効率化をまとめて進める好機になる。標準機能中心でスクラッチを最小限にし、生成 AI のチューニングを早期から並行させると短期間で切り替えられる。

元記事を読む