例外
担当者ごとに答えが違う基準のとき
どれか一つを勝手に正解として固めず、食い違う処理を一緒に上げて、人が会社の基準を決められるようにします。
繰り返す対応のナレッジ化
よく来る質問、例外の扱い、担当者しか知らないルール、その根拠。頭の中にしかない対応の知識をVelros AIが引き出して形にし、誰でも同じ答えを返せるようにします。
- 繰り返し質問の手戻り時間
- 個人に依存した知識の割合
Velros AIが引き受ける実行
繰り返す質問や例外の処理から、会社が実際に使っているルールと根拠の出典を集めてナレッジ候補として整理します。
繰り返し質問の手戻り時間
個人に依存した知識の割合
標準回答の再利用率
中小企業では会社の「基準」はたいてい長く働く担当者一人の頭の中にあります。「この場合はこう答える」「この例外はこう処理する」が文書ではなく経験としてだけ存在し、同じ質問が来ても毎回記憶をたどって答え、その答えは会話とともに消えます。だから新しい社員は同じことを何度も尋ね、担当者が席を外すと対応が止まり、その担当者が辞めると基準そのものが蒸発します。繰り返しの質問に毎回一から答える手戻りと、人によって答えが違う対応のばらつきが、そのままコストになります。
こうした質問が、こう整理されます。
実際に入ってくる仕事を集め、それぞれの段階で何を基準に判断するのかまで続けて残します。
-
繰り返し・例外の信号の収集
対応・チャット・処理の記録から、同じ質問の繰り返しや規定外の例外処理を集め、まだ文書化されていない「隠れた基準」の候補を抜き出します。
判断 一度きりの個別対応と「繰り返されるパターン」を区別する。二度以上同じ判断が出たら知識化の候補に上げる。 -
基準の抽出・下書き化
実際の対応で何を根拠にどう判断したかを抜き出し、要約・適用範囲・根拠の出所を備えた知識の下書きにします。
判断 個人の習慣と会社の基準を分ける。再現可能で根拠のあるものだけを下書きに入れ、勘で行った判断は「人の確認」を表示。 -
根拠・出所の確認
下書きが参照した規定・過去の処理・外部の根拠の出所を索引として付け、後から「なぜこの基準なのか」をたどれるようにします。
判断 出所のない主張は知識として確定しない。根拠が空の項目は「確認が必要」として残す。 -
人のレビュー・確定
知識の下書きを担当者に上げて会社の基準として正しいか確認を取り、ウィキへの反映案に仕上げます。
判断 会社の長期記憶に書く確定は人だけが行う。AIは候補まで、確定は承認で。 -
会社の記憶への反映・再利用
承認された知識を会社の長期記憶(ウィキ)に反映し、次に同じ質問が来たら確定した基準を下書きとして再利用します。
判断 反映の後も原著と修正の履歴を残し、基準がいつなぜ変わったかを追えるようにする。
繰り返さないなら、会社の基準に固めません。
現場で実際に引っかかる例外を、あらかじめ決めておきます。ルールが通らない場面を無理に処理せず、根拠とともに人へ渡します。
例外
対応の記録に顧客の個人情報が混ざっているとき
氏名・連絡先などの個人情報は知識から分離・非識別化し、再利用できる「基準」だけを残します。
例外
一度きりの特殊な事例のとき
繰り返さない例外は会社の基準として確定せず「参考事例」としてだけ残し、誤った一般化を防ぎます。
会社の記憶に書くのは、人が確定します。
お金・契約・個人情報・ブランドがかかる実行は下書きまでにとどめ、送信と確定は人の承認を経てから動きます。
-
会社の長期記憶(ウィキ)への知識の確定反映
一度会社の基準になるとすべての対応に影響するため、長期記憶への書き込みは必ず人が承認します。
-
食い違う基準の中から会社の標準を決定
何が会社の基準かは、コードではなく人が決めます。
-
個人情報を含む記録の知識化
非識別化の可否を人が確認して、個人情報の露出を防ぎます。
-
既存の基準を上書きする更新
以前の基準を無効にする変更は先例になるため、人のレビューが必要です。
-
社外公開用の回答文面の確定
ブランドの声がにじむ文面は、人が承認してから配布します。
何で確かめるか
再び尋ねる手間がどれだけ減ったかで見ます。
繰り返し質問の手戻り時間
米国の知識労働者は週5.3時間を情報待ちや既存知識の作り直しに費やしている(Panopto, 2018)。
確定した基準を再利用するほど、同じ質問に再び答える時間が減ります。
個人に依存した知識の割合
組織の知識の42%が個人にのみ存在し、退職時に失われるリスクがある(Panopto, 2018)。
頭の中の基準を会社の記憶に移すほど、離職時の損失が減ります。
標準回答の再利用率
確定した知識が次の対応の下書きにどれだけ再利用されるかで見ます(業種による差が大きいため社内での測定を推奨)。
ルール
対応・処理の記録を知識として蓄積する過程で、顧客の氏名・連絡先などの個人情報が一緒に保存されることがあるため、利用目的の範囲を超えた利用を防ぐには非識別化と必要最小限の取得が欠かせません(個人情報保護法)。また、会社の対応基準や処理のノウハウは営業秘密に当たり得るので、アクセス権限と持ち出しの管理を合わせて行うのが安全です(不正競争防止法)。
人が自分で抱えていた仕事が減ります。
散らばった確認と繰り返しの返信を先に整理して上げれば、スタッフは確認と例外の処理に集中でき、人は大事な判断だけを見ます。
運用診断確認が人のところに積み上がります。
同じ質問のたびに担当者が記憶をたどって答え、その答えはチャット画面とともに消えていきます。
処理の準備ができた状態で上がってきます。
繰り返す質問や例外の処理から会社のルールを抜き出してナレッジ候補として残し、人が確定すれば次から同じ答えが再利用されます。
繰り返す質問の再作業時間
標準回答の再利用率
個人依存ナレッジの割合
この業務を任せる前に、よく聞かれること
繰り返す対応のナレッジ化について、実際に最初に確認されることを集めました。
AIが会社の知識を勝手に決めてしまいませんか。
いいえ。AIは実際の対応から基準の候補と根拠を抜き出して下書きまでを作ります。会社の長期記憶に確定して入れるのは人がレビューして承認します。
担当者が辞めると、積み上げた基準も消えますか。
会社の基準として確定した知識は、個人ではなく会社の記憶に残ります。担当者が変わっても、同じ根拠と基準で答えられます。
