“答える”から“動く”へ。顧客接点を作り替えるエージェント
チャットボットがFAQをなぞる時代は終わりつつあります。DialpadのAgentic AI Platformは、音声とテキストの両チャネルで会話しながら、実際の業務フローを自律的に実行するための基盤です。
顧客が返品を依頼すれば、ポリシーを判断し、在庫や決済を確認し、返金や集荷まで通しで手配します。必要に応じて人へ滑らかにエスカレーションし、会話の文脈を失いません。
情報検索の支援ではなく結果の達成に焦点が移りました。現場で「手が動くAI」をどう実装するか。ここが競争力の差になります。
発表の中身：世代交代を告げる“Agentic”の正体
Dialpadは2025年10月、Agentic AI Platformを正式発表しました。音声・テキストの自律エージェントが、複数ステップのタスクを推論し、既存システムへ安全なコネクタで接続してエンドツーエンドに実行します。
“enabling businesses to build autonomous voice- and text-based AI agents that understand complex requests, reason through multi-step tasks, and execute them end-to-end across existing systems via secure connectors.”
Business Wire: Dialpad Launches Its Agentic AI Platform
Dialpadは“チャットボット時代の終焉”を掲げ、受け答えから自律的な行動への転換を強調。初日から最大70%のリクエスト解決という攻めた目標も示されています。
“replaces passive retrieval with autonomous action – resolving up to 70% of customer requests on day one.”
Dialpad プレスリリース
プラットフォームの中核：設計思想と主要機能
Agentic AI Platformは、会話理解・推論・実行・監視を一体化。既存のUC/CC基盤にネイティブ統合され、導入のハードルを下げます。
- Dynamic Intelligence Architecture：全チャネルのインタラクションを学習し、統合データプレーンで次の一手を先読み。
- Low/No-Codeエージェント開発：テンプレートとサンドボックスで迅速に設計・検証。数週間で本番投入。
- モデル・ミックス：Dialpad独自モデルと外部LLMを最適組み合わせ。用途に応じて選択。
- オムニチャネル連続性：音声・チャット・SMS・WhatsApp間で文脈を保持。
- Trust by Design：ポリシー強制、PIIマスキング、リアルタイム安全監視を標準装備。
- Human-in-the-Loop：人へのハンドオフ時も履歴・意図・進捗をフル共有し、やり直しを排除。
会話AIの“会話”を、業務の“実行”に接続する。ここにアーキテクチャの肝があります。
はじめ方：ユースケース選定から本番運用まで
導入はスコープを絞った早期価値創出が鍵です。現場の摩擦が大きく、再現性のあるシナリオから着手しましょう。
- 目的とKPIを定義：一次解決率、平均処理時間、CSAT/解決までのステップ数を仮説設定。
- データ接続：CRM/在庫/予約/決済などを安全なコネクタで連携。最低限の権限設計を徹底。
- テンプレート選択：小売・採用・自動車など業種別のNo-Code雛形を起点にドメイン調整。
- サンドボックス検証：シミュレーションで推論の説明性とガードレールを確認。脱線時の回復動作もテスト。
- 本番ローンチ：チャネルを段階開放し、A/Bでガイドラインやプロンプトを最適化。
- 継続学習：成功/失敗のトレースを定期レビュー。人とAIの分業境界を継続更新。
30分未満でのエージェント作成や業種別テンプレートにより、初期構築の負担を下げられる点は現場にとって大きいです。参考：CRN
どこで効く？代表ユースケースと効果の出し方
“顧客が本当にやりたいこと”を最短手数で実現する場面に強みがあります。会話から意図を読み取り、裏側の業務を連続実行します。
- 返品・返金：ポリシー判定→注文照会→ラベル発行→返金処理→通知まで自動化。
- 予約・スケジューリング：空き状況の探索、候補提示、確定、リマインド配信。
- 注文追跡・住所変更：配送API連携で到着予測を返答し、必要なら再配送手配。
- アカウント手続き：本人確認→情報更新→監査ログ記録。
- リード獲得/前さばき：スコアリング条件でMQL化し、商談設定まで自動。
KPIは一次解決率と平均手続きステップの削減、そして“人がやるべき会話”の比率増加で評価すると、価値が可視化されます。概要はUC Todayが詳しいです。
連携とセキュリティ：拡張と統制の両立
Agentic AIの肝は“つながり方”です。既存SaaSや社内システムへ安全なコネクタで接続し、最小権限・監査可能な経路でアクションを発行します。
- ポリシー強制：顧客対応ポリシーや規約順守をリアルタイムに適用。
- PIIマスキング：個人情報は入出力で自動マスキング。保管は用途最小化。
- 安全監視：タスク実行を常時計測し、逸脱時にブレーキや人へのエスカレーション。
- 文脈の継承：人へ渡す際も履歴・意図・前提を全共有し、顧客に同じ説明を繰り返させない。
“Because these capabilities are natively built into Dialpad’s communications platform, no complex integrations are required.” とあるように、ネイティブ統合の恩恵は大きいです。Business Wire
市場の文脈：競合動向とDialpadの立ち位置
GenesysやFive9をはじめ、主要ベンダーはAIエージェント戦略を強化しています。その中でDialpadは単一プラットフォームでの“設計—実行—最適化”一体化を打ち出しました。
“The likes of NiCE, Genesys, and Five9 have made similar AI agent announcements. However, in delivering a single platform for building and deploying these agents, which continually learn over time, Dialpad hopes it will lead the charge into the next era of customer service.”
CX Today
独自モデル＋外部LLMのモデル・ミックス、統合アナリティクス、オムニチャネルの文脈連続性、そしてTrust by Design。これらの総合力が差別化要素です。
導入の落とし穴と現実解：ガバナンスで“暴れないAI”に
エージェントが“動ける”ほど、ガバナンスは必須です。権限が強すぎると誤動作のリスクが増え、弱すぎると価値が出ません。
- 最小権限設計：コネクタ権限はユースケース単位で細分化。昇格リクエストは人の承認に。
- 可観測性：全アクションにトレースID。説明責任のための決定ログとプロンプト監査を残す。
- ガードレール：逸脱検知ルールと“停止→人へ”のフェイルセーフを先に作る。
- 継続評価：週次でKPI/失敗例レビュー。プロンプトと方針を小さく頻繁に改善。
まずは価値の高い小粒案件で勝ち筋を作り、勝てる型を他業務へ横展開。これが定着の近道です。参考：Dialpad: Agentic AI Platform
まとめ：会話から成果へ。エージェントの時代を現場力で掴む
Agentic AI Platformは、会話体験をプロセス完結へと押し上げます。音声とテキストを跨ぎながら、既存SaaSと連携し、複数ステップの業務を安全に自動実行する力が核です。
重要なのは“どこで効かせるか”の設計と、動けるAIに相応しいガバナンス。小さく始めて、素早く学び、拡張する。顧客と現場に効く自律エージェント運用のベストプラクティスを、今から積み上げていきましょう。
コメント