コンタクトセンターの業務改善を進めるうえで、重要なのは「どの業務から改善に着手するか」という判断です。

しかし、コンタクトセンターの管理者は、日々の入電状況の確認やオペレーターのシフト調整に加え、エスカレーション対応、新人教育、通話録音を用いた応対品質の評価など、多くの業務を担っています。そのため、業務改善に向けた分析や施策の検討に十分な時間を確保することは容易ではありません。

• 「コールレポートを分析する時間がない」
• 「分析したとしても、どの業務から改善に着手すればよいか分からない」

こうした課題を抱えるコンタクトセンターも少なくないのではないでしょうか。

Amazon Connect Customerに新たに登場した機能「マネージャーアシスト」は、AIとの対話を通じてコンタクトセンターのデータを分析し、改善施策の検討までを支援する機能です。

本記事では、マネージャーアシストの機能を紹介するとともに、分析結果を実際の業務改善にどのようにつなげられるのか、Amazon Connect Customerの活用例を交えて解説します。

目次

マネージャーアシストとは？

より具体的な改善に向けて - 問い合わせ内容の分析

分析結果を業務改善につなげるには？

まとめ

マネージャーアシストとは？

マネージャーアシストは、Amazon Connect Customerに蓄積されたデータをAIとの対話を通じて分析し、業務改善に向けた施策の検討までを支援する機能です。

従来、Amazon Connect Customerでコンタクトセンターの問い合わせ発生状況を分析する際には、ダッシュボードやレポートを利用して、キュー別の平均処理時間や後処理時間などのメトリクスを確認する方法が一般的でした。

もちろん、この画面からでも各種メトリクスを確認できますが、どこに課題があるのか、どのような改善施策が有効なのかは、管理者自身がデータを読み解き、検討する必要がありました。

 

一方、新たに登場したマネージャーアシストでは、分析したい内容をそのままAIに質問できます。

例えば、最初に「今月のキュー別の平均処理時間を教えてください」と質問し、コンタクトセンターの問い合わせ発生状況を確認します。

「2026年10月（チタ時間 10/1～10/29 14:41）のキュー別平均処理時間は、最も長い『請求_ac』が2分53秒、最も短い『一般的な問い合わせ_ac』が2分21秒でした。」と回答があり、各キューの平均処理時間が一覧で出力されました。

（余談）

「チタ」というのは、ロシアの東部に位置する都市のようですね。日本と同様にUTC+9の標準時を採用しているので、表示される時刻にずれはないのですが、「日本時間」と表示してほしいところです。

さらに、「平均処理時間が長いキューについて、原因として何が考えられますか？」と追加で質問することで、分析を深掘します。

「2026年10月1日～10月29日（Asia/Chita）のキュー別データをもとに、処理時間の構成要素（通話時間・保留時間・後処理時間）を分解して原因を分析しました。主な要因...」と回答があり、なぜ時間がかかっているのかを細かく説明してくれています。

 

マネージャーアシストの特徴は、データ分析だけでなく、その後の改善施策の検討まで支援できる点です。

例えば、「平均処理時間を短縮するには、どのような改善策が考えられますか？」と質問してみます。

「集計期間2026年10月1日～10月29日 14:48(Asia/Chita)の実データをもとに、各キューの処理時間構成要素（通話・保留・後処理）を分解し、改善策を優先度順に整理しました。主な改善ポイント...」と回答があり、各キューごとにどのような点を改善すればよいか、また改善によってどのような効果が期待できるかを簡潔にまとめてくれています。

マネージャーアシストを活用することで、管理者はAIとの対話を通じて現状把握から課題の分析、改善施策の検討までをスムーズに進められます。

※ 利用条件・利用料金について

マネージャーアシストは、2026年11月時点ではプレビュー版として提供されています。Amazon Connect CustomerのAI機能がサポートされている全てのリージョンで利用できるとAWSから発表されていて、東京リージョンでも利用可能です。

なお、利用を開始するにあたってAmazon Connect Customerインスタンスへの設定が必要となります。設定方法の詳細は、下記リンクでAWSが紹介するガイドをご確認ください。

https://docs.aws.amazon.com/ja_jp/connect/latest/adminguide/manager-assist-getting-started.html

利用料金は、ユーザーからの質問とAIからの回答それぞれについて、1メッセージあたり$0.01です。例えば、質問と回答を50往復した場合、0.01 × 2（ユーザーとAI） × 50により、メッセージ利用料金は合計$1となります。

ただし、利用条件や料金は今後変更される可能性があるため、最新情報はAWS公式ドキュメントをご確認ください。

より具体的な改善に向けて - 問い合わせ内容の分析

Amazon Connect Customerのキュー単位で問い合わせ状況を分析し、業務改善案を簡単に作成できることが分かりました。しかし、実際に業務改善を推進するには、もう少し踏み込んだ分析が必要となります。ここでは、問い合わせに対してカテゴリ分類を行い、そのカテゴリごとの分析をしてみます。

■ 想定業務

ある携帯電話サービスの問合せを受け付けるコンタクトセンターがあり、一般的な問い合わせを処理する窓口（キュー）があるとします。

この窓口では、料金プランに関わる相談や割引の適用条件の確認、近隣店舗の情報などの用件でお客様から問い合わせがあり、「一般的な問い合わせ」と言っても、コールリーズンはそれぞれ異なります。

■ 分析の目的と内容

キュー単位の分析だけでなく、どのようなコールリーズンでの問い合わせが、どの程度発生しているのかを把握することが、より具体的な改善施策を検討する上で重要となります。

マネージャーアシストの通常の機能ではコールリーズンまで踏み込んだ分析はできません。しかし、Contact Lensのカテゴリ分類機能を使用することで、通話内容に基づいて問い合わせをカテゴリに分類できます。

これにより、キュー単位のメトリクスでは隠されていた問い合わせ用件の把握ができます。

この状態で、「キュー『一般的な問い合わせ_ac』に対して、問い合わせのカテゴリごとに通話時間、後処理時間を集計したうえで、業務改善策を考えてください」と質問してみます。

■ 分析結果

「キュー『一般的な問い合わせ_ac』ーカテゴリ別通話時間・後処理時間分析...主要な貢献要因...」と回答があり、処理時間と後処理時間のそれぞれで分析結果が出力されました。

回答のなかでは、「店舗情報」に関する問い合わせで後処理時間の比率が高いことや、「他社への乗り換え」に関する問い合わせで平均通話時間が長いことが指摘されています。

また、回答では「推奨アクション・【優先①】store-info_acのセルフサービス化...」のように、店舗情報の案内をセルフサービス化することや、他社への乗り換えに関する応対手順を標準化することなど、具体的な改善施策も提案されています。

このように、問い合わせ用件ごとに分析することで、キュー単位のメトリクスだけでは見えにくかった課題を把握し、より具体的な改善施策の検討につなげられます。

※ 今回は少量のテストデータをもとに分析を行っていますが、実際の運用では十分なデータを蓄積したうえで実施することを推奨します。

分析結果を業務改善につなげるには？

ここまでマネージャーアシストの機能とContact Lensを併用した使用方法を紹介しました。コンタクトセンターの課題分析と改善策の作成が簡単にできるようになったことをお判りいただけたかと思います。

では、どのように改善策を実行していけばよいでしょうか。

Amazon Connect Customerには、問い合わせの自動応対やオペレーターの業務支援など、コンタクトセンターの業務改善に役立つさまざまな機能が備わっています。

例えば、今回マネージャーアシストが提案した改善案は、次のような方法で実現を検討できます。

改善案	Amazon Connect Customerでの実現方法
店舗情報の案内をセルフサービス化	Amazon Lexで作成した自動応答Botを活用し、店舗情報を自動案内する
他社への乗り換えに関する応対手順の標準化	応対マニュアルの整備や、Amazon Connect Customerのオペレーター支援機能を活用する
請求金額の確認に伴う後処理の効率化	通話内容の自動要約などを活用し、応対記録の作成負担を軽減する

■ （宣伝）弊社ソリューションのご紹介

上記のように、Amazon Connect Customerの機能を活用すれば、改善案を実現することが可能です。

しかし、弊社バーチャレクス・コンサルティングでは、上記の改善案に対してAmazon Connect Customerの標準機能を発展させたソリューションを提供し、よりよい顧客体験あるいはより効率的なオペレーター業務を実現できます。

「店舗情報の案内をセルフサービス化」であれば、弊社が開発したAIエージェント「CC-ExpAI」を利用できます。CC-ExpAIでは、従来のAIエージェントでは実現が難しい、複雑・非定型・高感情な顧客対応を提供します。お客様との会話の中で、真意を捉え、状況に応じて応対を変え、解決まで対話を組み立てる、まさに「熟練オペレーター」の技が再現されたAIエージェントです。

参考リンク: https://www.virtualex.co.jp/service/ai-cc/cc-expai/

「他社への乗り換えに関する応対手順の標準化」や「請求金額の確認に伴う後処理の効率化」であれば、オペレーター支援機能「Live Call Analytics」（以下、LCA）が有効です。

LCAでは、顧客応対中と対応後のそれぞれでオペレーターの業務をアシストします。

応対中であれば、次のような機能により、よりスムーズで高品質な応対に向けてサポートします

• 会話内容のリアルタイム文字起こし
• 文脈を把握してお客様への回答内容を提案
• 発話内容をもとにした感情分析（顧客・オペレーターの双方）
• キーワード検出

応対後も次のような機能により、後処理の負荷を軽減します。

• 通話内容の自動要約
• 通話内容から判断される次アクションの提示
• 通話カテゴリの自動分類

参考リンク: https://www2.virtualex.co.jp/aws_lca_solution

まとめ

本記事では、Amazon Connect Customerの新機能「マネージャーアシスト」について紹介しました。

マネージャーアシストを活用することで、AIとの対話を通じてコンタクトセンターの問い合わせ発生状況を分析し、業務改善案の作成・検討を効率化できます。また、分析結果を実際の業務改善につなげるためには、既存の業務フローの見直しや、Amazon Connect Customerの各種機能を活用した仕組みの構築が重要です。

弊社では、Amazon Connect Customerの導入・構築から、AIによる応対の自動化、既存システムとの連携まで、お客様の業務に合わせた環境構築を支援しています。さらに、Amazon Connect Customerの標準機能から発展させたソリューションをお客様の課題に合わせてご提案することもできます。

Amazon Connect Customerの導入や業務改善をご検討の際は、ぜひお気軽にご相談ください。