1解決99セントで利益が出るのか？ Finの成果報酬型CS向けAIを分解する
以前こちらのnoteで、カスタマーサポートAIエージェント領域で、タスク完了成果課金、人間へのエスカレーションが発生した場合は基本的に課金なしモデルの米Sierra（シエラ）を取り上げました。
Sierraは2月に取り上げましたが、その後3月末に日本のスタートアップのOPERA TECHをM&Aするというニュースも飛び込んできており、非常にホットな領域です。
今回は、問合せの1解決あたり99セント（156円 ※1ドル158円換算）の成果報酬という脅威のビジネスモデルを、Sierraよりも先に開始していたIntercomのFinという、コールセンターAIエージェントについてです。
Sierraの記事は、コールセンターAIが成果報酬型で、更にはクロスセルまでやってコミッションフィーを稼ぐ！という、やや驚き中心の記事でしたが、今回は、99セントの成果報酬の価格戦略や、CS領域の競争戦略について考察をしていきたいと思います。
国内ではまだあまりAIエージェントの成果報酬型のビジネスモデルの話は聞きませんが、今後主流になっていくと考えられる、重要なトレンドです。
このブログが良いなと思ったら、noteやXをフォローしてくれると嬉しいです。
■Finを提供するIntercomとは
Finはカスタマーサポート向けAIエージェントです。単なるFAQボットではなく、ナレッジ・手順・ポリシーを学習し、チャット、メール、音声、SNSなど複数チャネルで問い合わせを自律処理する設計です。
特徴は大きく4つです。
学習：業務手順・ナレッジ・運用ルールをもとに、AIが対応方法を学ぶ
検証：本番前に会話シミュレーション
展開：あらゆるチャネルへ展開
分析・改善：実際の会話データを分析し、解決率や失敗要因を見ながら継続的に改善、というデータ・フライホイールを前面に出しています。
運営企業：Intercom, Inc.（アメリカ、サンフランシスコ）
共同創業者：Eoghan McCabe（CEO）、Des Traynor、Ciaran Lee、Fergal Reid
サービス開始時期：2023年1月（Fin発表）、創業は2011年
従業員数：Intercom公式ポッドキャストで2011年時点で700人超。
売上：1億ドル近辺（158億円） （CEOの2026年3月9日のLinkedIn投稿）
評価額：2025年の報道ベース観測：20億ドル超（3,160億円超）
※ 1ドル＝158円換算。
■課題：高コスト低品質なCS体験
カスタマーサポート領域でFinが解決しようとしていることは、Sierraと同じで「顧客との接点であるカスタマーサポートは重要ではあるものの、高コストで、体験が悪い。これをなんとかしたい」という課題です。
カスタマーサポートは、基本的には直接的には売上貢献しないコストセンターとして扱われます。コストセンター領域において検討されやすいのは、基本的には生産性向上やコストカットです。
しかしFinもSierraも、この領域において解決すべき課題として捉えているのは「コストをいかに抑えるか」という課題ではありません。「人間だとコストが掛かりすぎるために、本来的に事業者が提供したい適切なサービスを提供できない。」という課題設定です。
Finを提供するIntercom CEOのEoghan McCabe（イーガン・マッケイブ）氏はポッドキャストのなかで、それらペインポイントの具体的な数字として下記を上げています。
社内の1件解決コストはオールインで26ドル（4,108円※1ドル158円換算）
※オールインとは、給与だけでなく、オフィスや福利厚生などを含めた金額最初の返答まで平均102.8分、その後平均9.8分ほどで解決
つまりコストが高い割に、最初の返答まで待たせるし、解決にも時間がかかり、ユーザー体験が悪い、という課題の解決に彼らは取り組んでいるのです。
■Fin解決のコンセプト
それらの課題に対するFinの答えは極めてシンプルかつ切れ味のよいものです。
「成果報酬、1解決99セント：より良くより速いAIエージェントが解決」
1件解決で99セント、人間にエスカレーションした場合は無料
待ち時間ゼロ、24時間365日対応
人間には出来ない速度・範囲での対応が可能
つまり、AIエージェントは、人間にはできない仕事、時間が足りなくてできなかった仕事、費用対効果が合わず人を張れなかった仕事までやるようになるのです。
AIが安いから置き換えようというのではなく、人間よりも良く、速いからAIエージェントに置き換わっていく、という発想です。
しかも成果報酬なのでROIは明確であり、顧客企業とFinの利害も一致します。Finの性能が上がり解決率が上がれば、顧客企業も生産性が高まり、同時にFinの売上も増えます。
CEOのイーガン氏は、性能向上のために、本番環境でA/Bテストをするナレッジも強みになっているとポッドキャストの中で語っています。
オフラインのバックテストはかなり成熟していると言えます。ただ同時に、私たちには実戦で身についた知恵があります。必ず本番運用で大規模A/Bテストをすることです。
■実績
CEO イーガン氏は、2026年3月9日のLinkedIn投稿で下記の実績を述べています。
顧客数 8,000社
平均解決率 67%
売上 100Mドル（約158億円 ※1ドル158円換算）
週あたり約200万件の解決に近づいている
Intercom自身のカスタマーサポートの解決率は60%台後半、月に1%ずつ向上しており、顧客の中には80%台後半や90%台の解決率を出している会社もあるとのことです。
先日聞いたPKSHA Technologyが手掛けた国内CSの事例では、AIの解決率が75%とされていました。また米Sierraの事例では解決率が70%でした。この領域の現在のAIエージェントによる解決率は、大体65−90%程度のレンジになるようです。
■Finの競争戦略
カスタマーサポート領域は、早くからAIによる自動化が進むであろう領域として注目を集めてきました。そしてプレイヤーも、国内海外合わせて非常に多数おり、競争も激しい領域です。
Finはどのような競争戦略を取っているのでしょうか。
Finは、最終的にはカスタマーサポートAIではなく、桁違いのパーソナライズされた対話を行うコンシェルジュのようなカスタマーAIへの進化を目指しているとポッドキャスト中で語られています。
Finは、今後はリーディングなカスタマー・エージェントにならなければならない。
（中略）
すべての顧客に対して、私たちがずっと夢見てきたような、美しく高接触なコンシェルジュ体験、つまりきめ細かく個別最適な対応体験を実現する。実際には、それは人間だけでは不可能です。だから、エージェントが人間より優れるのは、単に「速い」という定量的な点だけではありません。もっと全体的・定性的な意味で、桁違いに高い注意深さとパーソナライゼーションを実現できる
冒頭にも挙げたように、コールセンター業務は、えてしてコストセンターとして、いかにコスト削減するかというKPIに走りがちです。AIエージェントを素早く導入した企業は、その瞬間は競合との差ができて優位性が高まります。
しかし、コスト削減・生産性の優位性は相対的なものです。競合が全て等しくAIエージェントを導入した場合コスト優位性はゼロになってしまいます。つまりコスト削減・生産性の優位性は時間とともに必ず減少します。
そうなった場合にFinのようなコールセンター向けAIエージェントを出している企業も同時に価格競争に巻き込まれるようになります。全社が導入し、解決率が限界まで上がれば、後は価格に競争が収斂するためです。
このnoteで良く取り上げているマイケル・ポーターの競争戦略でもこのことが下記のように書かれています。
すべての企業が同じ場所を目指して突き進む状況では、トップの座を長く守るのは難しい。競争優位は続かない。どんなに頑張っても、品質やコストの改善が収益性の向上によって報われることはない。それどころか慢性的な収益性の低迷が将来への投資を阻害し、顧客価値を高めたりライバルをかわしたりすることがますます難しくなる。
（中略）
万策尽き果て、価格圧力が業界の収益性を破壊するときには、合併を通じて競争を制限することで、事態を打開できる場合が多い。吸収や合併により競合企業の数を減らし、市場を一社ないし数社で支配する。
効率化や生産性向上のみでの戦い方では、当初は競争優位性を築けてもそれは長続きしないため、新しい独自の価値創造をしなければ、いずれ競争に巻き込まれ競争力を失っていくのです。
ITR社の下記のグラフが非常にわかりやすく書かれています。
そこでFinは、通常人間だと1解決あたり26ドル（4,108円）ところ、初期からシンプルかつ非常にインパクトのある成果報酬で1解決あたり99セントという価格設計とし、透明性・予測可能性を高め、市場をいち早く取りに行くことを実行しました。
当初原価は1解決あたり1.21ドルだったようですが、泥臭い継続的な改善により現在では、CEOのイーガン氏曰く「自社は伝統的なソフトウェア企業並み、むしろSaaSトップクラスの粗利だ」となっているとのことです。
ここで競合を突き放しつつ、さらに桁違いのパーソナライズされた対話を行うカスタマーAIという、新しい価値創出を行うことで、競争優位性を保とう、というのがFinの競争戦略だと読み取れます。
ポッドキャストでの下記の発言からもその片鱗が伺えます。
実際、私たちは一日中、顧客がFinとどう話しているかを見ています。感謝したり、冗談を言ったり、Finも冗談を返したりしている。人はそれを好んでいる。 だから、そこまでの体験を提供できるなら、人々はきっとそれも気に入るはずです。
■AIエージェントは泥臭い1％改善の世界
Finがやっていることは、一見「コールセンターの自動化」というAIの華々しさがある一方で、実際は毎月解決率1％向上という非常に泥臭いことです。ポッドキャストでもCEOのイーガン氏は次のように述べています。
技術そのものが人々を止めているわけではないのです。不足しているのは、それを正しい方向に向け、効果的に機能させるための、生々しいハードワークです。
（中略）
実際に解決率を上げていくプロセスは、本当に地道な作業です。面白いのは、そこに一種のスケーリング則というか、Mooreの法則のような現象が見えていることです。本当に毎月ほぼ1ポイントずつ改善してきました。社内ではよく、「次の6週間で3つ試すが、正直そこまで自信はない」といった会話があります。すると、3つのうち2つが当たって1つが外れる、あるいは1つだけ当たる、といった形で、結局毎月1ポイントくらいの純増になる。
具体的には、これは継続的な最適化の積み上げです。検索モデルを改善する。再ランキング・モデルを改善する。プロンプトを変える。やることが本当にたくさんある。
これを読むと、非常に泥臭く地道で、継続的な改善プロセスを回していることがあります。
AIの表面だけ見た日本の経営者が、よく「それはデータを食わせて、AIでやらせればいい」と言いがちですが、このFinの改善プロセスや、バーティカルなAIエージェントを提供しているベイエリアのAIスタートアップ企業の事例を見ていると、そんな簡単な話ではないことがよくわかります。
それ相応の投資と生々しいハードワークが必要なのです。
またよくある勘違いとして、「LLM（基盤モデル）の性能が上がればできるようになるんでしょう」というものもあります。しかし現状のLLMは、コールセンター業務においてすでに必要な知能レベルを満たしており、基盤モデルの性能が上がっても解決率に大きな差は出ない状況です。
コアのLLM性能向上による寄与はごく小さい。過去2年間で、全体の解決率がローンチ時の約35%から現在の約65%まで上がった中で、モデル性能そのものによる改善は数ポイントにすぎません。大部分は私たち自身のテストと最適化プロセスによるものです。
（中略）
ある程度のモデル知能に達すれば、そのタスクでは性能が飽和してくる。その意味では、カスタマーサービスの大部分は、GPT-4レベルの知能でほぼ飽和していたのです。
※一方で部分的には最新のフロンティアモデルを使ったり、特定のタスクにはファインチューニングしたQwen-3を使っているという発言もポッドキャストの中ではありました。
Finはこういった、複雑で多層システム全体の綿密なチューニング、設定、構成といった、非常に難しいことを積み上げ、本番環境でA/Bテストを繰り返すといったことを地道に積み上げた結果、1解決99セントでも十分利益が出るようになったのです。
■人間の仕事はどうなっていくか
今後人間の仕事はどうなっていくのでしょうか。
中長期的に考えれば、パソコンの前に座ってできる身体性の伴わない仕事は、ほぼAIに取って代わられる可能性があります。しかしそこに到達するには技術的な向上、社会的なAI受容性の高まりなども必要になります。
CEOのイーガン氏は次のようにも述べています。
今後10年くらいは、エージェントにはまだ人間の仕事の多くができません。サービス需要の100％を満たすには、まだかなり道のりがある。だから当面は、マネージャー、人間の個人貢献者、エージェントが混在する組織になると思います。
短期的な目線だと、ただでさえ人が足りていないカスタマーサポート領域は人員削減は起きにくいと言えます。一方で将来増えるはずだった新規採用の需要を食っていくことは十分考えられます。
またBPO領域の状況はさらにシビアです。Finを導入することで、BPOを一気に外すことがすでに多数起きているのです。
■まとめ
カスタマーサポート領域のAIエージェントということで、以前取り上げたSierra（シエラ）の記事と合わせて読んでいただくと、この領域について多面的に理解が進むのではないかと思います。
この領域はAIの親和性が高く、AIによる自動化の割合も高くなっていますが、今後他のホワイトカラー領域も似たような進化を辿っていくと考えられます。
バーティカルなAIエージェントを提供するスタートアップは、これまでHarvey、Sierra、Writer、Ramp、そして今回のIntercomのFinと取り上げてきましたが、全社に共通するのは下記の3点です。
バーティカルに深く入り泥臭い、生々しいハードワーク
ツール売りではなく、成果にコミット
コスト削減だけでなく、より良く、より早くを実現
一見華々しいAIに目を奪われがちですが、事業に深く入り込み、泥臭く改善を重ね、成果にコミットする、非常人間くさい企業こそがAI時代に生き残る企業なのかもしれません。
最後までお読みいただき、ありがとうございました。この記事が良いと思ったら、ぜひnoteやXをフォローしてください。
今回参考にしたポッドキャスト