オペレーターが通話中に困ったとき、画面上のAIに向かって「お客様が『解約したい、今すぐ対応しろ』と怒っています。どう切り返せばいい？」と質問しました。

するとAIからは、「お客様のお話を真摯にお伺いし、まずは丁寧にお詫びの言葉を述べましょう」という、教科書通りの回答が返ってきました。
オペレーターは「そんなことは分かってるんだよ！」と困ってしまい、結局、隣にいるベテランSVのAさんを頼ることになりました。

Aさんは、「解約を急ぐお客様には、引き止めるのではなく、まず『解約手続きは1分で終わりますのでご安心ください』と伝えて安心してもらうのが、うちのセンターの鉄則だよ」とアドバイス。これで一発で解決しました。

大きな目的の一つは、一部の熟練者が経験から身につけた「職人技（暗黙知）」を言語化し、誰でも実行できるマニュアル（形式知）に落とし込んで「標準作業」にすることです。

AIに高度な判断をさせたいなら、ベテランSVが経験から身につけた「この状況なら、こう対応する」という判断ロジックやノウハウを、人間側が整理してAIに教える必要があります。

例えば、ベテランSVが「その手のお客様にはね」と判断した理由を、「顧客の状況」「ベテランが想定する顧客の懸念」「推奨する対応方針」の3点に分けて整理します。

このように、ベテランが経験から身につけた「この状況なら、顧客は何を懸念している可能性があるか」「だから、まず何をすべきか」という判断ロジックを整理しておけば、AIに具体的な対応方針を提示させることができます。

☐ 今日、ベテランSVがメンバーに指導していたアドバイスを1つメモする

☐ そのアドバイスを「状況／心理的背景／切り返し方針」の3点に分解する

☐ 分解した内容をナレッジとして記録し、AIやマニュアルに反映する

AIが「正論」しか言えないのは、ベテランの暗黙知が言語化されていないからです。「状況・心理的背景・切り返し方針」の3点で書き出すだけで、ベテランの勘所がAIにも新人にも再現可能な知識に変わります。