メインコンテンツへスキップ
見出し画像

「国産LLM不要論」の先にある、カスタマーサポートという勝負どころ

    「国産LLMに税金を投じるなんてとんでもない

    誤解が産まれると良くないので、少し補足も兼ねて書いておきます。

    僕は、日本(というか米中以外の国)の国産LLMなんて絶対に上手く行かないし、そこに税金を投じるなんてとんでもない、とずっと言っています。…

    — シバタナオキ Naoki Shibata (@shibataism) March 21, 2026

    投資家の柴田尚樹さん(@shibataism)がXに投稿した一連のポストが、かなりの反響を呼んでいました。私もずっと考えていたテーマなので、少し広い視点で、かつカスタマーサポートに引きつけて書いてみます。

    柴田さんの主張は明快

    LLMの「L」はLarge。最高性能のF1カーを作る競争は、年間75兆円をAIインフラに投じる米国と、それに匹敵する中国にしかできない。日本がそこに税金を突っ込んでも勝ち目はない。

    用途特化型のSLM(Small Language Model)は民間企業が営利目的で作ればいい。補助金で「あたかも米中に匹敵するLLMが作れるかのような体裁」にするのは筋違いだ、と。

    この論争、「じゃあ国産LLMは全部ダメなのか」という二項対立に陥りがちですが、本当の問いは別のところにあります。

    日本はAIの「どこ」で勝負するのか?

    日本企業の人材育成とAIエージェントの相似形

    柴田さんは日本が世界に勝てる可能性がある理由として「課題先進国であること」と「日本企業の人材育成システム」を挙げていました。

    特に後者は面白い。日本企業には、新卒を一括採用して、研修やOJTでプロに育てていく仕組みがある。欧米にはこれがほぼない。そしてVertical AIエージェントの構造は「LLM+業界固有の学習データでFine-tuning」。日本企業が新人を育てる構造と、AIエージェントを育てる構造は驚くほど似ている。

    カスタマーサポートの現場で考えると、この類似はさらに鮮明です。

    新人オペレーターが入ってきたとき、まずFAQを読み込む。次にベテランの対応を隣で聞く。そして実際に電話を取って、SVがモニタリングしながらフィードバックする。「知識の注入→実践→フィードバック」のサイクルは、AIエージェントの学習プロセスとほぼ同じです。

    ただし、ここで「じゃあAIにFAQを食わせれば解決ですね」と考えると、話を見誤ります。

    FAQで解決できる問い合わせのほうが少ない

    カスタマーサポートの業務を分解すると、大きく3つの層があります。

    画像
    意外とFAQぽいことで解決できる領域は少ない

    Tier 1は、一般的なFAQ対応。「営業時間は?」「返品ポリシーは?」といった、知識ベースからの回答提示で完結するもの。本人確認も不要で、必要なスキルは基本的な自然言語理解と検索能力です。

    ここだけ見れば、AIの導入は簡単に見える。実際、多くの企業がまずここから着手します。

    問題は、Tier 1で解決できる問い合わせは、全体のごく一部だということです。

    Tier 2は、顧客固有の状況に基づく個別対応。「先月の請求額がおかしい」「契約プランを変更したい」。本人確認が必要で、システム連携による手続きの実行まで含む。AIには文脈理解と定型処理の能力が求められます。

    Tier 3は、前例のない複雑な問題。複数の要因が絡む難解なケース、例外対応の承認、補償の提案、人間による高度な判断と交渉。機密性が高い操作を含むため、多要素認証など厳格な本人確認も必要になる。

    コンタクトセンターの現場で本当に困っているのは、Tier 2とTier 3です。ここは「FAQを整理してAIに食わせる」だけでは到底カバーできない。顧客の契約情報を参照し、過去の対応履歴を踏まえ、時にはシステム上の処理を実行し、例外的なケースでは人間にエスカレーションする。この一連の判断と動作を、AIがどこまで担えるか。

    これがVertical AIエージェントの本当の勝負どころです。

    2つの設計論点

    AIエージェントをTier 2〜3に展開しようとすると、少なくとも2つの論点が浮かび上がります。

    1つ目は、Tierごとの環境整備。Tier 1なら公開情報の検索で済みますが、Tier 2以降はデータアクセス権限、セキュリティ、システム連携の基盤が不可欠です。特にTier 3では、セキュリティとガバナンスの設計が要になる。「AIに任せない」という判断も含めた、人間へのエスカレーションパスの整備です。

    2つ目は、Tier判定の正確な検知。問い合わせ内容から、瞬時にかつ正確に適切なTierを判定する分類モデルが必要です。誤ったTierへの割り振りは顧客満足度の低下やリスク増大を招く。ここには継続的な学習とチューニングが求められます。

    どちらも、汎用LLMの能力だけでは解決しません。カスタマーサポートという業務ドメインに深く根ざした設計と、現場のデータによる継続的なフィードバックが必要です。

    当社カラクリの立ち位置

    私たちカラクリは、この「業界の知見をAIに乗せる」ことをど真ん中でやっている会社です。

    フロンティアモデルの汎用LLM開発競争には参戦しません。F1のエンジンはOpenAI、Anthropic、Googleに任せる。ただし、カスタマーサポートに特化したSLM(というかLLM)は、自分たちで作っています。日本国内No.1のCS特化モデルを目指している。柴田さんの言う「用途特化型のSLMは民間企業が営利目的で作ればいい」を、まさにやっている。

    汎用モデルが苦手とする領域、たとえば日本語の敬語体系の中での適切なトーン調整、業界特有の手続きフローの理解、エスカレーション判断の精度。こうした「カスタマーサポートでしか必要とされないが、カスタマーサポートでは決定的に重要な能力」を、特化型のモデルとして鍛えています。

    「業務知識のデータ化なくしてVertical AIなし」。これは変わりません。

    ただし、データを整えるだけでは足りない。そのデータを、Tier 2〜3の複雑な業務判断に耐えるAIに仕上げるための「乗せ方」の設計こそが、Vertical AIの競争優位になる。

    国産LLMの是非は、まだしばらく議論が続くでしょう。ただ、その議論を横目に、自分たちの業界で「何をAIに乗せるか」と「どう乗せるか」を考えた方が、実務的にはずっと前に進めます。

    カスタマーサポートの現場には、Tier 1だけでなくTier 2、Tier 3の知見が眠っている。その知見を掘り起こし、AIが扱える形に翻訳できた企業から順に、人手不足の壁を突破していくことになる。


    そんなAIど真ん中で、お仕事ご一緒できそうな方、よろしければぜひ。


     
     
    カラクリ株式会社CEO/カスタマーサポート、コールセンター工業化のためのAIマネージドサービスを提供しています。 https://karakuri.ai/

    あなたへのおすすめ