サービス業における人手不足が深刻化する中、多くの企業がAI技術の導入を急いでいます。しかし、現場からは「AIを入れるとサービスの温かみが失われるのではないか」「自分たちの仕事が奪われるのではないか」といった不安の声が絶えません。経営層が描く「効率化」と、現場が大切にする「ホスピタリティ」の間には、依然として深い溝が存在しています。
今回は、LangGraphやOpenAI、Claudeのツール連携を用いた高度なAIエージェントの本番運用に精通する専門家、森下真由氏にインタビューを実施しました。単なるITツールの導入にとどまらない、顧客体験（CX）を根本から再定義するための実践的なアプローチと、技術的な設計の裏側を深掘りします。
【イントロダクション】サービス業DXの第一人者が語る「AI活用の現在地」
編集部（以下、編）： 飲食、宿泊、小売といったサービス業でAI導入が進んでいますが、「期待したほどの効果が出ない」「現場に定着しない」というケースが珍しくありません。現在のサービス業におけるAI活用の現在地をどのように見ていますか？
森下真由（以下、森下）： エージェント開発の現場から見ていると、サービス業におけるAI導入の多くが「コスト削減」や「作業時間の短縮」という単一の目的に縛られすぎていると感じます。これが最大の落とし穴です。
一般的に、サービス業におけるAI活用には『3つの誤解』が存在します。
- 効率化（コスト削減）だけがAIの目的であるという誤解
- 「温かみ（ホスピタリティ）」と「自動化」は二者択一であるという誤解
- 高度なAIを入れれば、人間のスタッフは不要になるという誤解
編： なるほど。効率化を追い求めるあまり、サービスの本質を見失っているということですね。
森下： その通りです。AIは人間の代わりになるものではなく、人間の「心」や「おもてなしの力」を拡張するためのエンジンとして捉えるべきです。このマインドセットの転換が、成功するプロジェクトの第一歩となります。
Q1：なぜ多くのサービス現場でAI導入は「効率化」の枠を超えられないのか？
編： 多くの店舗で、AIチャットボットや自動応答システムを導入しても、結局は「よくある質問」に答えるだけの単なる効率化ツールで終わってしまうのはなぜでしょうか？
森下： 技術的な観点から言うと、「ステートフル（状態を保持した）な文脈管理」が設計されていないことが最大の要因です。
多くの失敗ケースでは、AIと顧客のやり取りが「1問1答」の単発の処理で終わっています。しかし、実際の接客を想像してみてください。お客様の表情、過去の来店履歴、その日の天候、直前の会話のニュアンスなど、さまざまな「文脈」を総合して対応を変えるのがプロのサービスマンですよね。
編： 確かに、マニュアル通りの回答しかできないAIにはイライラさせられることがあります。
森下： そこで重要になるのが、LangGraphのようなワークフロー構築フレームワークを用いたエージェント設計です。単に大規模言語モデル（LLM）を呼び出すだけでなく、会話の履歴や顧客の感情状態を「State（状態）」として保持し、それに合わせて次の行動を動的に変化させるアーキテクチャが必要です。
例えば、以下のような状態遷移の考え方をシステムに組み込むことが推奨されます。
# エージェント設計における状態管理の概念（擬似コード）
class CustomerInteractionState:
customer_id: str
current_emotion: str # 顧客の現在の感情（例：満足、急いでいる、不満）
conversation_history: list
context_data: dict # 過去の好みやアレルギー情報など
# 顧客の感情が「不満」に傾いた場合、即座に人間のスタッフへエスカレーションする
def route_interaction(state: CustomerInteractionState):
if state.current_emotion == "frustrated":
return "human_escalation_node"
else:
return "ai_response_node"
このように、KPIを「いかに早く対応を終わらせるか（作業時間短縮）」ではなく、「いかに適切なタイミングで人間に引き継ぐか」に設定し直すことで、効率化の枠を超えた顧客体験が生まれます。
Q2：現場の「心理的ハードル」をどう突破するか？スタッフを味方につける導入アプローチ
編： 現場のスタッフからすると、「AIに自分の仕事が奪われるのではないか」という恐怖心や反発もあると思います。この心理的ハードルはどう突破すればよいのでしょうか。
森下： 感情労働に従事する方々がAIに抵抗感を持つのは、ごく自然なことです。彼らは自分の仕事に誇りを持っていますからね。この壁を越えるためには、トップダウンで「このツールを使え」と押し付けるのではなく、「現場の不便」を起点にするアプローチが不可欠です。
編： 具体的にはどのような設計が有効ですか？
森下： システム設計の観点では、「Human-in-the-loop（人間参加型）」のアーキテクチャを意図的に組み込みます。AIが全てを自動で決定して完結するのではなく、最終的な「おもてなしの意思決定」を現場のスタッフに委ねるのです。
例えば、Anthropic社の公式ドキュメントでも解説されている「Tool Use（外部ツール連携）」機能を活用したケースを想定してみましょう。お客様が来店した際、AIエージェントが裏側でCRM（顧客関係管理）システムから「過去の注文履歴」や「アレルギー情報」を瞬時に取得し、スタッフのタブレットに「本日は〇〇をおすすめしてみてはいかがでしょうか」と提案を出します。
編： AIが裏方に徹して、スタッフをサポートするわけですね。
森下： そうです。お客様に直接話しかけるのは、あくまで人間のスタッフです。AIは「監視者」や「代替者」ではなく、スタッフの記憶力や提案力を拡張してくれる「頼れる相棒」として機能します。こうした小さな成功体験をスモールステップで積み上げることで、現場の空気は「AIへの恐怖」から「AIへの期待」へと確実に変わっていきます。
Q3：比較検討の決定打。サービス業に最適なAIツールを見極める「4つの独自評価軸」
編： 実際にAIツールや開発プラットフォームを選定する際、サービス業ならではの評価基準はありますか？
森下： 一般的なITツールの機能比較表には載らない、現場のリアリティに基づいた「4つの独自評価軸」を持つことが重要です。
操作のシンプルさ（ITリテラシーの差を吸収できるか）
現場には学生のアルバイトからシニア層まで、多様なスタッフがいます。直感的に操作できないUIは、それだけで導入の妨げになります。既存のホスピタリティ文化との親和性
生成されるテキストや音声が、自社ブランドの「トーン＆マナー」に合致しているかを細かく制御できるかが鍵です。エッジケースへのフォールバック（安全網）設計
クレーム対応やイレギュラーな要望に対して、AIが無理に回答をでっち上げる（ハルシネーション）ことなく、安全に人間のスタッフへ引き継げる機能が備わっているか。独自の「評価ハーネス」が構築できるか
これが技術的に最も重要です。単に「AIの回答が事実として正しいか」だけでなく、「接客として丁寧か」「共感を示しているか」を自動で評価する仕組み（LLM-as-a-Judgeなど）を組み込める柔軟性が必要です。
編： AIの回答を別のAIが「接客態度として適切か」評価する仕組みですね。それは非常に高度ですが、不可欠な要素に思えます。
森下： はい。AIを入れるべき場所（裏側の情報整理や予約受付）と、絶対に入れてはいけない場所（クレームへの深い謝罪や、特別な日のお祝いの言葉）の境界線を明確に引くためにも、こうした評価軸での比較検討をおすすめします。
Q4：失敗から学ぶ「人間回帰」のAI戦略。成功店舗が実践する付加価値の作り方
編： AI導入によって業務が効率化された後、その「浮いた時間」をどう使うかが勝負の分かれ目になりそうですね。
森下： まさにその通りです。多くの失敗事例に共通しているのは、AI導入で浮いた時間を「さらなる人件費の削減（スタッフのシフトを減らす）」に使ってしまい、結果的に顧客との距離が遠のいてしまったというパターンです。
成功している組織は、事務作業や情報検索をAIに任せ、そこで生まれた余白を「人間にしかできない創造的接客」に全振りしています。これを私は「人間回帰のAI戦略」と呼んでいます。
編： 創造的接客とは、具体的にどのようなものでしょうか。
森下： 例えば、OpenAIのプラットフォームで提供されている「Function calling（関数呼び出し）」機能を活用した高度な連携を想定してみましょう。
AIエージェントが、顧客の過去の予約データ、SNSでの公開発信内容、その日の気象データなどを統合して解析し、「このお客様は今日、結婚記念日で来店される可能性が高い」というインサイトを抽出します。スタッフはその情報を受け取り、AIにはできない「手書きのメッセージカードを用意する」「特別なデザートプレートをサプライズで提供する」といった行動に時間を割くことができます。
データ活用がもたらすのは、単なる自動化ではなく、こうした『超・パーソナライズ』なおもてなしの実現なのです。
Q5：2030年の展望。AIによってサービス業の「価値」はどう再定義されるか？
編： 最後に、少し先の未来について伺います。中長期的に見て、AIはサービス業をどう変えていくと考えますか？
森下： 技術的なトレンドとして確実なのは、「マルチエージェントシステム」の普及です。予約を管理するエージェント、在庫を最適化するエージェント、顧客の問い合わせに対応するエージェントなど、複数の専門特化したAIが自律的に協調して店舗運営のバックエンドを支えるようになります。
Anthropic社の最新モデルなどでも、複雑で長時間実行されるタスクの処理能力が継続的に向上していることが公式ドキュメントで確認できます。こうした技術進化により、サービス業は「労働集約型の過酷な職場」というイメージから脱却できるはずです。
編： サービス業がより魅力的な、憧れの職業になっていくと。
森下： そう信じています。人間はルーチンワークから解放され、「目の前のお客様にどう喜んでもらうか」という体験価値の創造に専念できるようになります。ホスピタリティの高度化です。
これからAI導入を検討するリーダーの皆様にアドバイスしたいのは、今すぐ「質の高いデータの蓄積」と「AIを使いこなす組織文化の醸成」を始めてほしいということです。ツールは後からいくらでも最新のものに乗り換えられますが、自社の顧客データと、変化を受け入れる現場の文化は一朝一夕には育ちません。
【編集後記】インタビューを終えて：技術は「心」を拡張するためにある
今回のインタビューを通じて最も印象的だったのは、「AIはあくまで手段であり、目的は人間関係の深化にある」という森下氏の言葉でした。
サービス業におけるDXの第一歩は、どんなAIツールを導入するかを探すことではありません。自社が顧客に提供している「おもてなしの型」や「ブランドの価値」を改めて言語化し、その価値を最大化するためにテクノロジーをどう配置するかを設計することです。
現場のスタッフが抱える不安に寄り添い、AIを「仕事を奪う脅威」から「接客をサポートする相棒」へと変えるためには、技術的なアーキテクチャ設計と人間心理への深い理解が不可欠です。
自社への適用を検討する際は、専門家への相談を通じて個別の状況に応じたアドバイスを得ることで、導入リスクを大幅に軽減できます。まずは自社の課題を整理し、効率化の先にある「新しい顧客体験」の青写真を描くことから始めてみてはいかがでしょうか。
コメント