- 生成AIでVOCを分析しても、経営判断まで届いていない
- VOCとは：社内にある「顧客の声」の種類
- 顧客のデータは、経営企画で使われていない
- 顧客の声が経営判断に届かない3つの理由
- VOCを経営判断につなげる5つのステップ
- 判断ごとに、使う声と見る指標は変わる
- 事例：問い合わせの声を、サービス改善とAI化の判断に使う
- オリックス生命保険：月間約8万件の問い合わせを生成AIで分析
- パナソニック エレクトリックワークス社：3万件の問い合わせから、AIに任せられる範囲を見極める
- 進めるときに気をつけること
- 個人情報とセキュリティ
- 件数の多い声だけを追わない
- よくある質問
- Q. VOC分析にはどんなデータが必要ですか？
- Q. 生成AIを使うと、VOC分析の何が変わりますか？
- Q. 問い合わせの件数が少なくても、分析する意味はありますか？
- Q. 分析結果は、どの会議で使えばよいですか？
- Q. VOC分析の効果は、何で測ればよいですか？
- まとめ
- クウゼンのAX支援｜社内の知識をデータにし、AIが業務を回せる状態をつくります
- 目指す姿：AI導入フェーズから、AI駆動フェーズへ
- 進め方：AI-SECIの4つの工程で、知識をデータにして回す
- 出典
生成AIでVOCを分析しても、経営判断まで届いていない
問い合わせの記録、通話、アンケートの自由記述など、企業には毎日たくさんの顧客の声（VOC：Voice of Customer）が集まります。生成AIを使えば、人が読み切れなかった量の声を要約し、分類できるようになりました。
プラスアルファ・コンサルティングが、生成AIでVOC分析に取り組む担当者329人に行った調査（2025年8月）では、87.6%が生成AIによる分析に「満足」と答えました。ところが、分析結果を意思決定の支援にまで使えている人は7.0%でした。
傾向をつかみ、課題を見つけるところまではAIで速くなりました。止まっているのは、その結果を商品やサービス、経営の判断に使う段階です。
この記事では、顧客の声が経営判断に届かない理由と、AIで分析を意思決定までつなぐ進め方を整理します。
VOCとは：社内にある「顧客の声」の種類
VOCは、顧客が企業に向けて発した意見、要望、不満、質問をまとめた呼び方です。
多くの企業で、次のような声がすでに社内にたまっています。
種類 | 例 | たまっている場所 |
|---|---|---|
問い合わせ | 電話、メール、チャット、問い合わせフォームの内容 | コンタクトセンター、カスタマーサポート |
アンケート | 購入後アンケート、NPS調査の自由記述 | マーケティング、CX部門 |
営業・店舗での会話 | 商談記録、店頭での要望、クレーム報告 | 営業部門、店舗 |
公開された声 | レビュー、SNSの投稿 | 社外（集める仕組みが必要） |
声の多くは文章や音声で、売上の表のように数字で並んではいません。これまでは人が読んで分類するしかなく、件数が増えるほど読み切れなくなっていました。この読む作業を、いまは生成AIに任せられます。
顧客のデータは、経営企画で使われていない
IPAの「DX動向2026」で、データを利活用している企業にデータの種類ごとの目的を尋ねると、売上高や利益率などの経営指標データは、78.2%の企業が「経営企画」に使っています。一方、POSやWebのアクセスログなどの顧客接点データを「経営企画」に使っている企業は21.1%でした。顧客接点データの用途で最も多いのは「販売・マーケティング」の49.3%です。
出典：IPA「DX動向2026」図表3-27 データ利活用の目的 p.46（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）
顧客についてのデータは、販促には使われていても、経営の判断の場にはまだあまり上がっていません。数字にしにくい顧客の声は、なおさらと考えられます。
顧客の声が経営判断に届かない3つの理由
プラスアルファ・コンサルティングの同じ調査では、生成AIでVOCを分析するうえでの課題も尋ねています。
回答から、止まっている理由は3つに分けられます。
理由 | 調査の回答 | 起きていること |
|---|---|---|
誰の声か分からない | VOCと発言者の属性情報（年代、購買履歴など）を紐づけて分析できていない 46.4% | 不満を言っているのが優良顧客か、初めての顧客かが分からず、打ち手の優先順位を決められない |
声が散らばっている | 部署やチャネルごとにデータが分散し、VOCを一元管理できていない 40.9% | 電話の声とアンケートの声を別々に見ていて、同じ不満が何件あるのかが分からない |
AIが会社の事情を知らない | 一般的すぎる提案しか得られない 33.4%、企業固有の文脈を理解してくれない 32.2% | 商品の体系や社内の用語、判断の基準をAIが知らないため、どの会社にも当てはまる答えしか返ってこない |
3つとも、AIの性能よりも、AIに渡しているデータの不足から起きています。声を集めて一か所にまとめ、誰の声かをつなぎ、会社の事情をAIに教えると、分析の結果を判断に使えるようになります。
データ整理の全体の進め方は「AIを使う前にやる『データ整理』とは？」で解説しています。
VOCを経営判断につなげる5つのステップ
ステップ | やること |
|---|---|
1. 使う判断を決める | 顧客の声を何の判断に使うかを先に決める。商品の改善、解約の防止、問い合わせの削減、FAQの見直しなど、判断ごとに必要な声が変わる |
2. 声を一か所に集める | 電話、メール、チャット、アンケートなど、部署ごとに分かれた声を同じ場所に集める。音声は文字に起こす |
3. 誰の声かをつなぐ | 声と、発言者の属性や購買履歴、契約状況を、顧客IDでつなぐ |
4. 会社の事情をAIに渡す | 商品の体系、社内の用語、過去の対応の基準、判断のルールを書き出し、AIが参照できるようにする |
5. 判断の場に定期的に出す | 分類した声と件数の推移、打ち手の案を、商品会議や経営会議に決まった頻度で出す。打ち手を実行したら、声の件数がどう変わったかで効果を確かめる |
ステップ1を飛ばすと、AIはたくさんの声をきれいに分類してくれますが、誰も使わない分析資料が増えるだけです。ステップ5で会議への出し方まで決めておくと、分析が判断の材料として定着します。
判断ごとに、使う声と見る指標は変わる
ステップ1で決める「使う判断」によって、集める声と、効果を確かめる指標が変わります。
代表的な4つの判断を整理すると、次のとおりです。
判断 | 主に使う声 | 効果を確かめる指標 |
|---|---|---|
商品・サービスの改善 | 商品についての不満や要望（問い合わせ、レビュー、アンケートの自由記述） | 同じ種類の不満の件数、返品率 |
解約の防止 | 解約や契約変更の前に寄せられた問い合わせ、相談の内容 | 解約率、解約理由の内訳 |
問い合わせの削減 | 何度も寄せられる質問、FAQを見ても解決しなかった問い合わせ | 問い合わせ件数、FAQで解決した割合 |
応対品質の改善 | 通話やチャットのやり取り、応対後のアンケート | 応対後の満足度、同じ用件での再問い合わせの割合 |
1つの声が複数の判断に使えることもありますが、最初は1つの判断に絞ります。
判断が1つなら、集める声の範囲も、会議に出す資料の形も決めやすくなるからです。
事例：問い合わせの声を、サービス改善とAI化の判断に使う
オリックス生命保険：月間約8万件の問い合わせを生成AIで分析
オリックス生命保険は2026年6月、コンタクトセンターへの問い合わせデータを生成AIで分析するVoC分析基盤を導入しました。
月間約8万件の問い合わせを人手だけで分析することには限界があったためです。通話データを生成AIで要約・分類・分析し、案内方法の見直しやオペレーターの育成、商品・サービスや各種手続きの改善に使うとしています。
出典：オリックス生命保険 ニュースリリース（2026年6月30日）https://digitalpr.jp/r/137507
パナソニック エレクトリックワークス社：3万件の問い合わせから、AIに任せられる範囲を見極める
RightTouchが、パナソニック エレクトリックワークス社の問い合わせ30,521件を分析したところ、既存のFAQで回答できる問い合わせは9.7%でした。
FAQを拡充すれば、66.1%の問い合わせをAIで対応できる可能性があることが分かりました。顧客の声を分析すると、どの問い合わせからAIに任せるかを決める材料にもなります。
出典：株式会社RightTouch プレスリリース（PR TIMES、2026年7月23日）https://prtimes.jp/main/html/rd/p/000000113.000098678.html
進めるときに気をつけること
個人情報とセキュリティ
プラスアルファ・コンサルティングの調査で、生成AIによるVOC分析の課題として最も多かったのは「セキュリティ面での制約」38.0%でした。
通話や問い合わせには氏名や連絡先が含まれます。AIに渡す前に個人を特定できる情報を伏せる、社外のAIサービスに学習させない設定を確認する、利用目的が顧客への説明の範囲に収まっているかを確かめる、といった準備が必要です。
件数の多い声だけを追わない
AIで分類すると、件数の多い不満から目に入ります。ただし、解約につながる声や重要な顧客からの声が、件数の多い不満とは限りません。
ステップ3で誰の声かをつないでおくと、件数だけでなく顧客の重みも合わせて判断できます。
よくある質問
Q. VOC分析にはどんなデータが必要ですか？
問い合わせの記録や通話の文字起こし、アンケートの自由記述など、顧客が自分の言葉で書いたり話したりしたデータです。
経営判断に使うには、発言者の属性や購買履歴など、誰の声かが分かるデータも合わせて必要です。
Q. 生成AIを使うと、VOC分析の何が変わりますか？
人が読み切れなかった量の声を、要約し、分類し、要因を整理できるようになります。
調査でも、満足の理由として「大量データを効率的に処理できるから」36.8%、「分析速度が大幅に向上したから」35.8%が挙がっています。
Q. 問い合わせの件数が少なくても、分析する意味はありますか？
あります。
件数が少ない場合は、AIで分類するよりも、誰がどんな理由で問い合わせたかを購買履歴と合わせて読む方が、判断の材料になります。
Q. 分析結果は、どの会議で使えばよいですか？
使う判断によって変わります。
商品の改善なら商品企画の会議、解約の防止なら営業やCXの会議、問い合わせの削減ならカスタマーサポートの会議です。経営会議には、件数の推移と主な打ち手の結果をまとめて出します。
Q. VOC分析の効果は、何で測ればよいですか？
打ち手を実行した後の、同じ種類の声の件数の変化で測るのが分かりやすい方法です。あわせて、解約率、リピート率、問い合わせ件数など、判断の目的に合った指標を見ます。
まとめ
生成AIでVOC分析をする担当者の87.6%が満足している一方、意思決定支援まで進んでいるのは7.0%
顧客接点データを経営企画に使っている企業は21.1%。経営指標データの78.2%と大きな差がある（IPA）
届かない理由は、誰の声か分からない（46.4%）、声が散らばっている（40.9%）、AIが会社の事情を知らない（33.4%、32.2%）の3つ
進め方は、使う判断を決める → 声を集める → 誰の声かをつなぐ → 会社の事情をAIに渡す → 判断の場に定期的に出す
クウゼンのAX支援｜社内の知識をデータにし、AIが業務を回せる状態をつくります
クウゼンは、顧客の声のように社内に散らばったデータを整理するところから始めて、AIが業務を担える状態をつくるまでを支援しています。
目指す姿：AI導入フェーズから、AI駆動フェーズへ
フェーズ | 会社の状態 |
|---|---|
AI導入フェーズ | 今の業務を効率化するために、AIを補助として使っている。AIはまだ中核の業務を担っていない |
AI拡大フェーズ | AIエージェントが業務プロセスに入り、人とAIが業務を分担している |
AI駆動フェーズ | 業務プロセス、組織構造、意思決定、提供価値がAIを前提に設計されている |
進め方：AI-SECIの4つの工程で、知識をデータにして回す
1. 表出化｜業務の知識をデータにする
最初に決めるのは、AIで変える業務と、成果の測り方です。
そのうえで、業務を担当する社員にヒアリングし、手順と判断の基準を書き出します。マニュアルや過去の対応履歴、社内文書と合わせて、AIが読めるデータ、プロンプト、ワークフローの形に整えます。
2. 結合化｜データと業務システムをつなぐ
売上、顧客、問い合わせ、在庫など、部署ごとに分かれたデータをつなぎ、項目の定義と表記をそろえます。
社内文書を検索して答える仕組み（RAG）や、AIと外部のシステムを接続する規格（MCP）で、社内の文書やシステムとAIをつなぎ、AIが社内のデータを参照して答えられるようにします。
3. 内面化｜AIを現場の業務に組み込む
つくったAIエージェントを実際の業務で使い、現場の担当者がレビューして改善します。効果は、表出化で決めた指標で測ります。
4. 共同化｜新しく生まれた知識を組織で共有する
AIを使う中で見つかった新しいやり方や判断の基準を、ワークショップなどで部署を越えて共有します。共有した知識は、次の業務の表出化に持ち込みます。
1つの業務でこのサイクルを回せれば、拡大フェーズに入れます。対象の業務を増やしながらサイクルを続けると、意思決定や組織の設計もAIを前提に組み替えられます。その段階が駆動フェーズです。
「どの業務から始めればいいか分からない」という段階からでも、ご相談ください。
出典
プラスアルファ・コンサルティング「生成AIでのVOC分析に関する実態調査」（PR TIMESリリースの転載） https://www.techno-edge.net/release/prtimes2/20251007/21908.html
IPA「DX動向2026」報告書（2026年7月公表） https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf
オリックス生命保険 ニュースリリース（2026年6月30日） https://digitalpr.jp/r/137507
株式会社RightTouch プレスリリース（PR TIMES、2026年7月23日） https://prtimes.jp/main/html/rd/p/000000113.000098678.html
