コンタクトセンター向けソフトウェアでは長年、システムを利用する担当者、いわゆる「シート」の数に応じてライセンス料を支払う方式が一般的だった。

　しかし、AIエージェントが人間を介さず顧客の問い合わせを処理するようになると、この考え方では実際の仕事量を表しにくくなる。

　ビジネスコンサルティング企業The Collab Collectiveの創業者兼チーフアナリスト、クレイグ・ダー氏は、「人間が顧客対応ソフトウェアの前に座っていた時代には、シート単位の料金体系には合理性があった」と話す。

　そこでベンダー各社が導入し始めているのが、「AIがどれだけ使われたか」ではなく、「AIが何件の仕事を完了したか」を基準に料金を決める成果ベースの課金方式だ。

　ダー氏によると、例えば、Salesforceが買収する計画であるFin（旧Intercom）の「Fin AI Agent」は、問い合わせの解決など1成果当たり0.99ドルからとしている。HubSpotは1ドルから0.50ドルに価格を引き下げ、Zendeskは契約条件によって1件当たり1.50ドル、従量課金では2ドルとしているという。こうした変化の背景には、企業がIT投資を評価する基準の変化もある。

　ITコンサルティング企業Intradoの最高製品責任者（CPO）、ルー・ブラット氏は、「顧客はAIをたくさん使うという目的でAIを購入するわけではない。効率を改善し、コストを削減し、業務を拡張したり、顧客体験を改善したりすることが目的だ」と説明する。

最大の問題は「何をもって解決とするか」

　一見すると、成果ベースの課金は分かりやすい。AIが問い合わせを解決したときだけ料金を支払えばよいからだ。一方ダー氏は、「成果ベースの料金体系そのものは実在するが、その成果をどう評価するかについて合意された方法がないまま販売が先行している」と指摘する。

　問題になるのが、ベンダーが考える「解決」の定義だ。ダー氏によると、例えばZendeskでは、一定条件下で顧客から72時間返信がなければ問い合わせを解決済みとして扱うという。

　返信がないからといって顧客の問題が本当に解決したとは限らない。AIの回答に満足した利用者と、回答を諦めて返信しなくなった利用者は、システム上では同じように見える可能性がある。

　そのためベンダーは、「一定期間返信がない」「人間の担当者にエスカレーションされなかった」「一定期間内に同じ問い合わせが繰り返されなかった」といった指標を、問題が解決したことを判断する代替指標として利用する。さらに、その定義を決めるベンダー自身が請求額を算出することになる。

　しかも、この定義は固定的ではない。Zendeskは2026年5月、返信のないまま72時間が過ぎた問い合わせを一律に解決済みと数えるのではなく、LLM（大規模言語モデル）による確認を経たものだけを「解決」として課金する方式へと改めた。何をもって「解決」とするかをベンダーが随時見直している以上、その基準そのものが比較を一段と難しくしている。

　企業側から見れば、1件0.50ドルと1件2ドルという価格だけを単純比較することには意味がない。「1件」に何が含まれているのかが違う可能性があるからだ。

AIの料金体系は3種類

　AIを使った顧客対応サービスの料金体系は、大きく「利用量ベース」「成果ベース」「ハイブリッド型」の3つに分けられる。利用量ベースでは、API呼び出し回数や会話数、トークン数、利用時間、リクエスト数など、AIをどれだけ利用したかに応じて料金を支払う。問い合わせを解決できたかどうかは基本的に問わない。

　一方、成果ベースでは、問い合わせの解決やチケットのクローズ、業務フローの完了など、あらかじめ定めた成果をAIが達成した場合に課金する。

　ハイブリッド型では、基本となるサブスクリプション料金やプラットフォーム料金に、利用量や成果に応じた料金を組み合わせる。

　ブラット氏は、顧客対応業務では複数の従業員やシステム、テクノロジーが連携しているため、現時点ではハイブリッド型が現実的だとみている。

成果ベース課金と相性がいい業務とは

　成果ベースの料金体系が特に機能しやすいのは、「成功したかどうか」を客観的に判断できる業務だ。例えば、パスワードリセット、注文状況の確認、請求に関する問い合わせ、サポートチケットの解決、ケースのクローズ、定型的なワークフローの完了などが該当する。

　こうした大量かつ反復性の高い業務では、ベンダーと顧客の双方が「仕事が完了した」と合意しやすい。

　ダー氏は「成果ベース課金で十分なコスト削減効果を得られるかどうかは、AIがどれだけ多くの問い合わせを自動処理できるかに左右される。単純な業務であれば、双方が『解決した』と合意しやすい。それこそ成果ベースの料金体系に必要な条件だ」と説明する。

　一方、料金体系を複雑にするのが、AIと人間が共同で処理するケースだ。例えばAIが顧客本人を確認し、注文情報を取得し、状況を整理した上で人間の担当者に引き継いだとする。従来15分かかっていた人間の作業が2分に短縮されたとしても、最終的な解決を人間が担当した場合、AIによる「1件解決」とは見なされない可能性がある。

　AIが途中まで大きな価値を生み出した場合に、どのように料金へ反映するのかについて、業界ではまだ明確な答えが出ていないのが実態だ。

「1件当たりの料金」だけで比較してはいけない

　成果ベース課金のメリットは、ソフトウェアの利用量ではなく、業務上の価値と支出を結び付けやすいことだ。

　経営層に対しても、「AIを何回使ったか」ではなく、「何件の問い合わせを自動処理できたか」「どれだけ人間の作業を削減できたか」と説明できるため、ROI（投資対効果）を示しやすくなる。

　一方、ベンダー側にとっては収益予測が難しくなる。成果の定義は顧客によって異なり、処理量も一定とは限らないからだ。

　ダー氏は、料金単価だけでなく「AIが全体の問い合わせの何％を処理できるのか」を見る必要があると指摘する。

　同氏は「1件2ドルのベンダーが問い合わせ全体の70％を処理するのであれば、1件0.50ドルでも30％しか処理できないベンダーより価値が高い」と説明する。

　処理率が低ければ、AIを導入しても既存の顧客対応業務の大部分は残ったままだ。その場合、成果ベース課金は顧客対応の運営モデルそのものを変える仕組みではなく、単なる料金割引にとどまる可能性がある。

契約前に確認すべき「4つのケース」

　では、企業はAI顧客対応サービスをどのように比較すればよいのか。

　ダー氏は、まず「解決」の定義を書面で確認することを勧める。特に、顧客から返信がなくなった場合をどのように扱うのかを確認する必要がある。

　さらに、自社で実際に発生している問い合わせを使い、少なくとも次の4パターンで料金がどう発生するのかを確認するとよいという。

• AIだけで最初から最後まで処理したケース
• AIがすぐに人間へ引き継いだケース
• AIが原因を診断してから人間へ引き継いだケース
• AIが処理し、最後に人間が承認したケース

　その上で、自社の問い合わせ内容を基に、ベンダーが全問い合わせの何％を処理できると約束するのかを確認する。

　1件当たりの料金とは別に、最低利用料金やプラットフォーム料金が設定されているかどうかも重要だ。成果ベースの料金体系をうたいながら、その下に従来型の固定料金が残っているケースも考えられるためだ。

　ブラット氏は、成果をどのように測定するのか、請求額を裏付けるデータは何か、請求に異議がある場合にどう処理するのか、AIの利用規模が拡大した場合に料金がどう変化するのかを契約前に確認することを推奨している。