A&A INSIGHTS
AIサービスの問い合わせを機能要望に直結させない:修正・説明・新機能を分ける
問い合わせをバックログに積む前に、修正すべき不具合、説明で解ける使い方の不足、まだ作っていない用途の三つに分け、分類ごとの行き先を先に決める手順を、GumloopとChatbaseの一次記述から示します。
Read in English
この記事の要点
AIサービスへの問い合わせは、バックログに積む前に「修正すべき不具合」「説明で解ける使い方の不足」「まだ作っていない用途」の三つに分け、分類ごとの行き先(開発・ドキュメント・需要の記録)を先に決めます。実務ではここに、約束の書き方のずれ・一件限りの要求・出力のぶれの三つが加わります。次に何を作るかは、要望の件数ではなく分類の分布から読み取ります。
問い合わせは、バックログに積む前に三つに分ける

A&Aの考え方
問い合わせを一件受け取ったら、返信を書くのと同じ場で、それが「同じ操作で再現する不具合」「製品は想定どおり動いており、既にある機能にたどり着けていないだけの使い方の不足」「現在の機能では手順そのものが存在しない、まだ作っていない用途」のどれなのかを決めます。そのうえで分類ごとの行き先を先に決めておきます。不具合は原因の特定へ、使い方の不足は説明の修正へ、まだ作っていない用途は需要の記録へ。この三つを分けないまま顧客の文章のまま積むと、バックログは「顧客が書いた文の一覧」になり、次に何を作るかを決める材料にはなりません。
A&Aの考え方
分類を後回しにできない理由は、判断に必要な材料が会話と一緒に消えるからです。その顧客が直前に何をしていたか、同じ手順で再現したか、答えは既にドキュメントにあったのか。これは返信を書いている最中にはわかっていて、一か月後のバックログ整理の場では思い出せません。一人か二人で製品も書いている会社では、受付と開発が同じ人なので、文脈を二度目に組み立て直す機会そのものがありません。だから分類は、月次の整理ではなく受付の場に置きます。
件数の多い要望から作ると、説明の問題が開発に化ける
A&Aの考え方
「要望の多い順に作る」という決め方には、分類を省いた分だけ具体的な失敗があります。既にある機能に顧客がたどり着けていないだけの声が、件数の上位に来ることです。機能は存在するのに同じ質問が十件届けば、集計上はそれが最優先の開発項目に見えます。しかし作るべきものは何もなく、必要なのは画面内の案内かドキュメントの一節です。ここを取り違えると、開発の時間を使って同じ機能への二つ目の入口を作ることになり、入口が二つある分だけ次の問い合わせが増えます。
A&Aの考え方
逆向きの取り違えもあります。「説明すれば済む」と分類した案件のうち、説明を直しても同じ質問が続くものは、実際には不具合か、まだ作っていない用途です。つまり分類は一度で確定させる必要はなく、行き先ごとに「次に同じ質問が来たら分類を変える」という条件を書いておけば足ります。件数の集計に意味が出るのは、この分類が付いた後です。分布——たとえば十件のうち不具合が二件、説明が六件、新しい用途が二件といった具合に——を見れば、次の一週間を開発に使うべきか、文章に使うべきかがそのまま読めます。
| 分類 | 見分ける材料 | 行き先 |
|---|---|---|
| 修正すべき不具合 | 同じ操作で再現し、製品の想定と異なる結果になる | 開発の候補として原因を特定する |
| 説明で解ける使い方の不足 | 製品は想定どおり動いており、既にある機能にたどり着けていない | ドキュメントと画面内の案内を直す |
| まだ作っていない用途 | 現在の機能では手順そのものが存在しない | 需要として件数と業務の種類だけ記録する |
| 約束の書き方のずれ | 動作は想定どおりで、営業資料や受入条件の書き方が誤解を招いている | 提供範囲を書いた文章を直す |
| 一件限りの個別要求 | 他の顧客の業務には当てはまらない | 個別の見積もりを出すか、断る判断をする |
| 出力のぶれ・モデル更新後の劣化 | 手順は同じなのに出力が以前と変わった、または同じ入力で結果が揺れる | 再現セットに入れて不具合か仕様かを先に判定する |
Gumloopの事例:切り分けの最初に種類を決め、月次でまとめてバックログと突き合わせる
出典に基づく事実
自動化プラットフォームのGumloopは、自社のサポート業務を自社製品で組んだ経緯を2026年2月17日に公開しています(著者は同社のMax Brodeur-Urbas)。記事はそのサポートチームが二人であること("our support team has only two people")を明示しています。問題の切り分けを担うエージェントは、まず扱っている問題の種類を判定し、「ワークフローの失敗か、使い方の質問か、エージェントの問題か」("a workflow failure, a how-to question, or an agent issue")を決めます。そして判定した種類に応じて次に使う道具を選び、使い方の質問なら製品ドキュメントの検索、エラーの分析ならBigQuery、例外的な事例ならPylonへ進む、と記述されています。
出典に基づく事実
バックログとの接続は、受付とは別の、集計された月次の工程として書かれています。24時間ごとに、あるエージェントが直近24時間の問い合わせを取得して整形した要約をSlackへ投稿し、月に一度、別のエージェントが「過去30日分の日次要約を読み直して、最も多いエラーのパターンに関する知見を取り出す」("every month a different agent reviews the past 30 daily summaries to extract insights about most common error patterns")と説明されています。さらに「この報告は自社のバックログと突き合わされ、エージェントは最も多い問題に対処するために作るべきLinearのチケットを提案する」("This report is compared to our backlog and the agent suggests Linear tickets that should be created to address the most common issues")と続きます。
出典に基づく事実
使い方の質問には、開発とは別の行き先が用意されています。24時間ごとに走るワークフローが自社のサポートドキュメントを分析し、「ドキュメントの不足箇所を特定し、Devinを使って足りない内容の下書きを作る」("identifies gaps in our documentation, and uses Devin to draft missing content")と記述されています。また別のワークフローが「すべてのサポート会話を分類し分析する」("categorizes and analyzes every support conversation")ことで、サポートチームが傾向と利用者の感情を時間の経過とともに把握し理解できるようにしている、とあります。
A&Aの考え方
この記事から取り出せる構造は、三つの分離です。種類の判定が切り分けの最初の工程に置かれていること。種類が次の調査経路を選ぶので、分類がラベルではなく作業の分岐になっていること。そしてバックログへの接続が、一件ごとではなく月次の集計を経ていること。ここまでが出典の記述です。出典が述べているのは切り分けの最初という位置であり、それを返信を書く受付の場に重ねるのはA&Aの移し替えです。同じ構造を一人・少人数の会社に移すとき、エージェントを十八個の道具に繋ぐ部分は要りません。必要なのは、受付時に種類を選ぶ欄と、月に一度その集計を読む予定だけです。これはA&Aの読み方であり、出典が小規模事業について述べたものではありません。
Chatbaseの事例:傾向を見てから、元のやり取りへ戻る
出典に基づく事実
AnthropicがChatbaseの事例として公開しているページ(同ページの記載では企業規模はSmall)では、創業者のYasser Elsaidが会話分析について「AIは、顧客が何を望んでいるのか、製品のどの部分を嫌っているのか、そして感情が時間とともにどう変化するのかを、正確に要約できる」("The AI can summarize exactly what customers want, what parts of the product they dislike, and how their sentiment changes over time")と述べています。望んでいることと嫌っていることが、一つの満足度ではなく別の軸として並べられています。
出典に基づく事実
同ページは、傾向の把握と、関連するチケットへの掘り下げを並べて記述しています。「管理者は、たとえば複数の顧客が特定の連携機能で問題に直面しているといった傾向を素早く見つけ、関連するチケットへ掘り下げて根本原因を理解できる」("Managers can quickly spot trends, like multiple customers facing issues with a specific integration, and drill down into relevant tickets to understand root causes")とあり、その利用先として「分析は製品チームが改善の機会を特定するのに役立つ」("the analytics help product teams identify improvement opportunities")と書かれています。一方で同ページはElsaidの「人間的な部分には人間が必要だ」("You need humans for the human aspect")という発言も併記し、同社が人の確認を一回の押下で済む形に整えている段階だと説明しています。
A&Aの考え方
望んでいることと嫌っていることが別の軸で並ぶという書き方は、分類の設計にそのまま効きます。満足度という一つの数字に潰すと、この二つは足し合わされて消えるからです。またA&Aの読みとして、二つの出典からは同じ順序が取り出せます。集計された傾向を先に見て、それから個別のやり取りに戻って根拠を確かめる。逆順——気になった一件から一般化する——を避けるための順序です。A&Aの解釈として、少人数の会社でこの順序を守る最小の仕掛けは、分類欄に加えて「その問い合わせをそう判断した材料」を一行だけ残しておくことです。再現手順、顧客が実際に踏んだ画面、既存のドキュメントに該当箇所があったかどうか。月次でまとめを読むときに戻る先が、この一行になります。
分類と行き先を、六行の表にして先に決める
A&Aの考え方
ここからはA&Aの提案です。出典が名前を付けているのは、Gumloopの「ワークフローの失敗/使い方の質問/エージェントの問題」という切り分けまでで、本稿の三分類そのものではありません。その考え方を借りて組み直した三つに、実務で現れる三つを足して六行にします。足すのは「動作は想定どおりで、約束の書き方が誤解を招いているもの」「他の顧客の業務には当てはまらない一件限りの要求」、そしてAIを使うサービスに固有の「出力のぶれ・モデル更新後の劣化」です。一つ目は開発でもドキュメントでもなく、提供範囲を書いた文章——営業資料や受入条件——の問題です。二つ目を需要の記録に混ぜると、分布が歪みます。
A&Aの考え方
表は、分類の名前、見分けるための材料、行き先の三列で足ります。重要なのは三列目です。行き先が先に決まっていない分類は、結局バックログに落ちます。行き先は「開発の候補として原因を特定する」「ドキュメントと画面内の案内を直す」「需要として件数と業務の種類だけ記録する」「提供範囲を書いた文章を直す」「個別の見積もりを出すか、断る」「再現セットに入れて不具合か仕様かを先に判定する」の六つで、どれも一つの分類に対して一つだけ対応します。最後の一つが要るのは、同じ入力でも出力が揺れる製品では「動かない」という一文が不具合とも仕様とも読めてしまい、判定を飛ばすと開発とドキュメントの両方へ間違って配られるからです。
A&Aの考え方
この表は判断を自動化するものではありません。Gumloopの記事も、月次のエージェントが作るべきチケットを「提案する」ところまでしか書いておらず、誰がどのように採否を決めるかは書かれていません。提案の先に人が決める工程を置くべきだというのは、A&Aの読みです。表の役目は、月に一度まとめを読むときに、比べられる形のデータが残っていることです。分類が付いていない三十件の文章と、分類と材料が一行ずつ付いた三十件は、同じ時間で読んでも結論の確かさが違います。
架空の例:週24件を分けたとき、分布の何を読むか
仮想例
以下はA&Aが作った架空の例で、実在の顧客や当方の実測値ではありません。契約数40社のAIサービスを二人で運営していると仮定します。ある週の問い合わせが24件で、六行の表で分けた結果が、不具合3件、使い方の不足11件、まだ作っていない用途5件、約束の書き方のずれ3件、一件限りの要求1件、出力のぶれ1件だったとします。要望の文面だけを数えていれば、「一覧をCSVで出したい」という同じ文が6件あったので、それが最優先の開発項目に見えたはずです。
仮想例
ところが分類を付けると、その6件のうち4件は既にある書き出し機能にたどり着けていない「使い方の不足」で、行き先はドキュメントと画面内の案内でした。残り2件は現在の機能では手順が存在しない「まだ作っていない用途」(毎月同じ条件で自動送付したい)で、需要の記録へ入ります。この週に開発の時間を割り当てる先は、件数が最も多かったCSVではなく、不具合3件のうち再現手順が確定している2件になります。出力のぶれ1件は、この段階では開発にも説明にも配らず、再現セットに入れて不具合か仕様かの判定を待ちます。分布がこう出たなら、次の一週間の配分は開発より説明側に寄る、という読み方になります。ここで注意すべきなのは、この分布が「自社に書き込んできた24件」の分布であって、市場の需要ではないことです。
この分け方が成り立たない場合と、数字の扱い
A&Aの考え方
分類が費用に見合わない場面があります。週に数件しか届かない段階では、創業者の記憶がまだ文脈を保っているので、表は手間だけが残ります。表が効き始めるのは、問い合わせが記憶より長く残るようになってから、あるいは二人目が返信を書き始めてからです。よくある反論も書いておきます。受付で分類すると一次返信が遅れる、月に一度まとめて仕分けるほうが安上がりだ、という主張です。受付と開発の担当が分かれている会社ではそのとおりで、返信の速さを優先する判断は成り立ちます。本稿が逆の結論になるのは、一人か二人の会社では受付と開発が同じ人であり、あとで仕分けるという「あとで」に別の担当者がいないからです。分類にかかる十数秒は、文脈を失ったまま一か月後に推測し直す時間より短い、という比較になります。もう一つの限界は、分類と開発の優先順位が別の判断だということです。本稿は分類までしか主張しません。分布は、書き込んできた顧客の中での頻度であり、黙って離脱した人や、そもそも申し込まなかった人については何も語りません。声の大きい要望を市場全体の需要と同じものとして扱わない、というのがここでの制約です。
出典に基づく事実
Chatbaseのページには「統合以降、利用者の採用が三倍になった」("Tripled user adoption since integration")と書かれていますが、母数、基準となる時点、採用の定義はいずれもページ上に記載がありません。Gumloopの記事は「週に50万件以上のサポート関連ワークフロー」が動き、「18個の固有のMCP道具」が組み込まれていると規模を示し、そのサポート業務を自社製品の上に組んだと記述しています。
A&Aの考え方
この二つはいずれも、その会社自身またはその取引先が書いた記述であり、独立した監査ではありません。三倍という数字は定義が書かれていない以上、他社の見込みとしては使えない、というのがA&Aの判断です。Gumloopの規模も、サポート面そのものが自社製品であるプラットフォーム企業の話であり、その中の二人のサポートチームは、一人で全部を抱えている会社と同じ条件ではありません。規模の数字ではなく、種類を最初に決めてから先へ渡すという構造だけを取り出しています。
A&Aの考え方
A&Aとして測っていないことも明示します。この分け方によって問い合わせが減った、成約が増えた、継続率が上がったという実測値は当方にはありません。本稿は二つの公開された一次記述と、そこから小規模事業向けに組み直した設計案です。全体の流れの中でこの工程がどこに位置するかは「AIネイティブGTMとは?一人・少人数で顧客獲得から継続まで回す実践ガイド」で扱っています。返信側の負担を減らす話は「同じ問い合わせで手が止まる:Intercomに学ぶ対応余力の作り方」、AIに受けさせる前に人へ戻す条件を決める話は「問い合わせをAIで受ける前に、人に戻す条件を先に決める:回答率より誤った解決の負担を見る」が近い判断を扱っています。どの分類に開発を割り当てるかが自社で決まらない場合は、初回相談で分布の読み方から相談できます。
問い合わせを機能要望のまま積まないために、受付の場で三つ(不具合・使い方の不足・まだ作っていない用途)に分け、実務で現れる三つ(約束の書き方のずれ、一件限りの要求、出力のぶれ)を足した六行の表に行き先を先に書いておきます。月に一度その分布を読み、次の一週間を開発に割り当てるか説明に割り当てるかを決めます。分布は自社に書き込んできた顧客の中での頻度であり、市場の需要ではありません。
出典・編集情報
記事の調査で確認した一次資料です。資料の公開・更新時期と、調査時の確認日を分けて記載しています。
- Supporting the world's most AI-native companies with a 2-person team
Gumloop · 2026-02-17
確認日 2026-09-28 - Chatbase helps companies deliver instant, personalized customer support with Claude
Anthropic · not stated on page
確認日 2026-09-28
AIを活用した記事制作
調査・執筆・翻訳・編集上の確認にAIを活用しています。資料に基づく事実、A&Aの考え方、仮想例は、それぞれ本文に明記しています。
編集上の確認日: 2026-09-28