品質管理部門でクレーム内容をAI分類する方法

品質管理でクレームをAI分類する目的

品質管理部門でAIを利用する目的は、クレームへの対応判断そのものを自動化することではありません。まずは大量の記録を同じ形式へ整理し、人が重要な案件や傾向を確認しやすい状態を作ることが中心になります。

分類作業のばらつきを減らす

クレームの内容は自由記述で届くことが多く、顧客によって表現が異なります。傷、へこみ、破損など、似た事象でも記載方法が異なるため、単純なキーワード検索だけでは同じ問題として集計しにくいことがあります。

生成AIは文章全体の意味を踏まえて整理できるため、あらかじめ決めた分類基準に沿ってタグを付ける補助として利用できます。

分類と原因分析を分けて考える

品質管理で特に重要なのは、クレームの分類と原因の確定を同じ作業にしないことです。AIは文章から原因候補を整理できますが、実物確認、製造記録、検査結果、設備状態などを確認せずに原因を確定することはできません。

AIに分類させる項目と分類ルール

クレームをAIで整理する際は、クレーム全体を一つのカテゴリへ押し込むより、複数の分類軸を持たせる方が品質改善に利用しやすくなります。分類軸は、自社で実際に分析や対応判断へ利用する項目から決めます。

おすすめは多軸での分類

例えば製品の破損という一件でも、対象製品、発生した現象、使用状況、発生工程、重要度など複数の情報があります。一件のクレームに複数の属性を持たせることで、後から原因傾向や製品別の発生状況を確認しやすくなります。

分類不能を正式な選択肢にする

AIに必ずどれかのカテゴリを選ばせる設計にすると、判断材料が不足しているクレームまで無理に分類されます。そのため、不明、該当なし、人による確認が必要といった選択肢を用意することが重要です。

分類できない情報を残すことで、分類カテゴリそのものに不足がないかも確認できます。

手作業とAI活用の違い

AI導入の効果を考える際は、人を完全に置き換える前提ではなく、どの作業をAIへ渡し、どの判断を品質管理担当者に残すかを整理します。クレーム業務では、文章整理や一次分類と、重大度判断や原因確定を分ける考え方が有効です。

クレーム分類を導入する6つの手順

品質管理部門でAI分類を始める場合は、AIツールを先に選ぶより、現在のクレーム記録と分類ルールを整理するところから始めます。小さな範囲で試し、人による修正内容を確認しながら対象を広げる進め方が現実的です。

1. 対象とするクレームデータを決める

   メール、問い合わせフォーム、電話記録、品質管理システムなど、どのデータをAI分類の対象にするか決めます。最初から全データを対象にせず、形式が比較的そろっているデータから試す方法もあります。

2. 入力してよい情報を整理する

   クレームには氏名、連絡先、取引情報、製品情報などが含まれる場合があります。利用するAIサービスの契約条件やデータ利用設定を確認し、必要に応じて匿名化や伏字処理を行います。

3. 既存の分類ルールを棚卸しする

   現在使っているクレーム区分、重要度、製品分類、原因分類などを一覧にします。似たカテゴリや担当者によって解釈が異なる項目があれば、この段階で整理します。

4. AIの出力形式を固定する

   要約、対象、現象、重要度、原因候補、確認事項など、毎回同じ項目を出力するよう指示します。自由回答を減らし、選択肢を明確にすると集計にも利用しやすくなります。

5. 過去データで分類結果を確認する

   正解が分かっている過去のクレームを使い、AIの分類と担当者の分類を比較します。間違いやすいパターンを確認し、分類ルールやプロンプトを修正します。

6. 修正履歴を残しながら運用する

   AIの出力を担当者が変更した場合は、どの項目をなぜ修正したか残します。同じ修正が繰り返される場合は、個別対応ではなく分類基準そのものを見直します。

AIの精度だけでなく業務全体を確認する

分類結果が正しくても、その後の担当者確認や調査開始につながらなければ品質管理業務は改善しません。AI分類後に誰が確認し、どの条件なら上長や関連部門へ共有するのかまで設計してください。

実務で使える分類テンプレートとプロンプト

AIへ単にクレームを分類してくださいと依頼するだけでは、担当者が期待する形式で結果が返らないことがあります。役割、分類項目、選択肢、禁止事項、出力形式まで明確にすると、繰り返し利用しやすくなります。

クレーム一次分類用のプロンプト例

あなたは品質管理部門のクレーム一次整理を補助する担当です。

以下のクレーム内容を、原文に書かれている情報だけを使って整理してください。

目的:
品質管理担当者が内容を確認し、調査や対応の優先順位を判断しやすくすること。

ルール:
・原文にない事実を追加しない
・原因を断定しない
・情報がない項目は不明とする
・複数の現象がある場合はすべて記載する
・安全性や重大度に関わる可能性がある場合は要確認とする
・顧客への回答文は作成しない

出力項目:
1. クレーム内容の要約
2. 対象製品または対象物
3. 発生した現象
4. 発生したタイミング
5. 顧客への影響
6. 重要度の一次分類
7. 原因候補
8. 不足している確認情報
9. 推奨する次の確認作業

クレーム内容:
ここに対象となる文章を入力

実際に利用する際は、自社で使用しているカテゴリ名称や重要度区分へ置き換えてください。AIが自由に新しい分類名を作らないよう、選択可能なカテゴリを明示する方法も有効です。

モデルケースで見る分類イメージ

例えば、配送された製品の外装にへこみがあり、開封直後に気付いたという内容が届いたと仮定します。AIへ原因を決めさせるのではなく、次のような構造で一次整理します。

失敗しやすいポイントと確認ルール

クレーム分類のAI活用では、分類精度だけに注目すると運用上のリスクを見落としやすくなります。情報管理、人の確認範囲、分類ルールの更新まで含めて設計することが重要です。

分類カテゴリが曖昧なままAIへ任せる

不良、品質問題、その他など、境界が曖昧なカテゴリだけではAIも安定して分類できません。それぞれに該当する条件、該当しない条件、具体例を整理してから利用します。

原因候補を確定原因として扱う

クレーム文章だけから製造工程や物流工程を原因と断定すると、誤った調査や判断につながる可能性があります。AIの役割は原因候補や確認項目の整理までとし、原因確定には現品、記録、検査結果などの根拠を使用します。

重要度判断を完全自動化する

安全性、法令、回収判断、重大な顧客影響などに関係する可能性がある内容は、AIの分類結果にかかわらず人へエスカレーションできる運用が必要です。迷った案件を自動的に通常案件へ落とさないルールを用意します。

個人情報や機密情報を無条件で入力する

クレーム原文には、顧客の氏名、住所、電話番号、メールアドレス、契約情報などが含まれる場合があります。利用するAIサービスへどの情報を入力できるか、入力内容の保存や利用条件はどうなっているかを確認したうえで運用してください。

AIの修正記録を残さない

AIが毎回同じ種類の誤分類をしているのに、人がその場で直すだけでは改善につながりません。修正内容を記録し、カテゴリ定義、プロンプト、入力データのどこを直すべきか定期的に確認します。

まとめ

品質管理部門でのクレームAI分類は、AIに品質判断を任せる施策ではなく、ばらつきのあるクレーム文章を共通ルールで整理し、人が調査や改善へ移りやすくするための仕組みとして考えることが重要です。

まずは現在の分類ルールとクレーム記録を整理し、限定したデータでAIによる一次分類を試してみてください。

• 現在のクレーム分類項目を一覧化する
• AIへ入力できる情報の範囲を決める
• 過去データで分類プロンプトをテストする
• 人による確認と修正のルールを決める
• 分類データを品質改善へつなげる集計軸を決める