【2026年最新】AIでクレーム・苦情対応を仕組み化｜一次対応から再発防止まで5ステップ＋7プロンプト

「この苦情、なんて返したらいいんだろう……」

先日、ある研修先の小売チェーン（店舗スタッフ約40名）で、こんな場面に立ち会いました。レジ対応をめぐる苦情メールが届いて、対応した店長が画面の前で30分以上固まっていたんです。怒りの強いメールほど、最初の一文がなかなか書けない。書いては消し、書いては消し。その間にもメールの返信は遅れ、お客様の不満はさらに膨らんでいく——という悪循環でした。

このとき私が感じたのは、クレーム対応のいちばんの負荷は「正解がわからないこと」ではなく、「ゼロから文章を立ち上げる初動の重さ」だということです。実は、対応の方針自体は店長の頭の中にちゃんとありました。ただ、それを怒っている相手に届く文章にする作業に、膨大なエネルギーを使っていた。ここはまさにAIが得意な領域です。

正直に言うと、私も最初は「クレーム対応こそAIに任せちゃダメな領域では？」と思っていました。でも100社以上の研修・導入支援を通じて見えてきたのは、AIに「送る文章」を作らせるのではなく、「たたき台と判断材料」を作らせる使い方なら、品質も速度も上がるということでした。最終的に送るかどうかを決めるのは、あくまで人間です。

この記事では、クレーム・苦情対応を「受付→共感→事実確認→解決提案→記録・再発防止」の5段階に分解し、それぞれの工程でAIをどう使うかを、コピペ可能なプロンプト7本つきで全公開します。飲食店・EC・BtoB SaaSの3つの想定シナリオも添えていますので、自社に近いケースから読んでみてください。5分で試せるものから順に紹介します。

なぜ今、クレーム対応を「仕組み化」すべきなのか

本題に入る前に、前提を共有させてください。クレーム対応をAIで効率化したい背景には、「件数が減らない」という現実があります。

国民生活センターによると、全国の消費生活相談は2024年度で約91.0万件と、前年度の約89.3万件からさらに増えました。これは消費生活センターに寄せられた相談の数であり、企業に直接届く苦情はこれよりはるかに多いと考えるのが自然です。つまり、クレームは「気合いと根性で減らす」ものではなく、「一定量が来る前提で、いかにブレなくさばくか」を設計すべき対象なのです。

もう一つの背景が、対応する従業員側の負荷です。クレーム対応は感情労働の代表格で、一件こなすだけで疲弊します。担当者が一人で抱え込み、文面づくりに何十分も消耗し、記録は後回し、再発防止までは手が回らない——多くの中小企業がこの状態に陥っています。属人化したクレーム対応は、担当者が辞めるとノウハウごと消えてしまうという脆さも抱えています。

仕組み化とは、この属人性と消耗をできるだけ減らすことです。AIはその有力な道具になりますが、「AIに全部やらせる」発想は危険です。クレーム対応の本質は相手との信頼関係の修復であり、そこは人間にしかできません。AIに渡すのは、信頼関係づくりを邪魔している「事務的な重さ」の部分——文面の下書き、仕分け、記録、分析です。この切り分けができている企業ほど、AI導入がうまくいきます。

まず試したい「5分即効」テクニック3選

細かい設計の前に、今日すぐ効果が出る3つから紹介します。クレーム対応の中で「時間がかかるわりに頭脳労働ではない部分」をAIに渡すイメージです。

即効テクニック1：怒りの強い苦情への「一次対応文ドラフト」を10分→3分に

冒頭の店長のケースで実際にやったのがこれです。苦情メールの本文をそのまま貼り付けて、AIに「まず送れる一次対応のたたき台」を3トーン分作らせます。完成品を送るのではなく、店長が「これをベースに直す」ための下書きを瞬時に出すのがポイントです。

あなたはカスタマーサポートの一次対応を支援するアシスタントです。
以下の苦情メールに対する「一次対応文」のドラフトを作成してください。

【苦情メール本文】
（ここに受信した苦情をそのまま貼り付け）

【条件】
- まず謝罪と受け止めから入り、相手の感情を否定しない
- 事実確認が完了していない段階なので、責任の所在は断定しない
- 「確認のうえ、●営業日以内に改めてご連絡します」という見通しを必ず含める
- 200〜300字、丁寧だが過剰にへりくだらないトーン
- 自社に明らかな非があると断定する表現、賠償・返金を確約する表現は使わない

不足している情報があれば、最初に質問してから作成してください。
事実関係が不明な点は「未確認」と明記してください。

効果：前述の研修先の小売チェーンで、苦情メールへの一次返信の初動（最初の下書きが完成するまで）が、平均10分前後から3分前後に短縮しました（対応した店長3名・1か月間の体感ベース。厳密な計測ではなく自己申告のため、あくまで目安です）。重要なのは時間そのものより、「最初の一文が書けずに止まる」状態が消えたことでした。

即効テクニック2：受信した苦情の「感情の強さ」と「優先度」を自動で仕分け

苦情が1日に何件も届く現場では、「どれから対応すべきか」を見極めるだけで消耗します。AIに感情の強さ・緊急度・想定リスクを判定させ、トリアージのたたき台を作らせると、対応の順番づけが一気に楽になります。

以下の問い合わせ/苦情を分析し、対応の優先度を判定してください。

【問い合わせ本文】
（ここに貼り付け）

【出力フォーマット】
- 感情の強さ：低 / 中 / 高（判断根拠を一言）
- 緊急度：低 / 中 / 高（判断根拠を一言）
- 想定リスク：金銭被害 / 健康・安全 / SNS拡散 / 行政・法的 / なし（複数可）
- 推奨初動：（一次対応のみ / 即エスカレーション / 折り返し電話 など）
- 注意点：（人間が必ず確認すべきポイントを1〜2点）

判断に必要な情報が足りない場合は、不足点を質問してください。
推測で危険度を断定せず、不確実な点は「要確認」と記載してください。

活用例：「健康被害」「SNSに投稿します」「弁護士」といった語を含む苦情を、AIが自動で「高リスク・即エスカレーション」に分類してくれるので、現場の担当者が見落とすことが減ります。ただし最終的な危険度判断は、必ず責任者の目を通すルールにしてください。

即効テクニック3：1日の対応記録を「3行サマリー」に圧縮

クレーム対応は「対応して終わり」ではなく、記録に残して初めて再発防止の材料になります。とはいえ、忙しい現場で長い対応ログを書く時間はありません。AIに会話メモや返信履歴を渡して、定型フォーマットの記録に整形させます。

以下のクレーム対応のやり取りを、対応記録として要約してください。

【やり取り（メモ/メール履歴）】
（ここに貼り付け）

【出力フォーマット】
- 発生日時：
- 顧客区分：（新規/既存/不明）
- 苦情の要点（1〜2行）：
- 一次対応の内容：
- 現在のステータス：（解決/対応中/エスカレ中）
- 再発防止の観点での気づき（1行）：

事実として確認できていない点は「未確認」と明記してください。
個人を特定できる情報（氏名・連絡先など）は記号で伏せてください。

効果：記録を書く心理的ハードルが下がり、「面倒だから記録しない」を防げます。後述しますが、記録が貯まらないと再発防止は絵に描いた餅になります。

クレーム対応を含めたChatGPTの業務活用の全体像は、ChatGPTビジネス活用完全ガイドで体系的にまとめています。あわせて読むと、対応文作成以外の使いどころも見えてきます。

クレーム対応を「5段階」に分解する

即効テクニックで手応えをつかんだら、次は全体設計です。クレーム対応がうまくいかない企業の共通点は、「対応」を一枚岩のスキルとして捉えていることです。これを5段階に分解すると、どこをAIに任せ、どこを人間が握るべきかが一気に明確になります。

この表で太字にした「共感」と「解決提案」は、AIに丸投げしてはいけない工程です。共感は相手の感情に対する人間の応答であり、解決提案は会社としての約束だからです。一方で、受付の仕分け・事実確認の論点整理・記録・再発防止の分析は、AIが下書きや整理を担うことで大きく効率化できます。

AIで効率化できる工程マップ

もう少し具体的に、各段階で「AIに渡せる作業」と「人間が必ず握る作業」を整理します。

研修でこの表を見せると、「思っていたよりAIに任せられる範囲が広い」と驚かれる一方で、「共感と約束は人間がやるんですね」と腹落ちしてもらえます。この線引きが、炎上を防ぐ最大の安全装置になります。

ChatGPT / Claude / Gemini の役割分担

「どのAIを使えばいいですか？」は研修でよく聞かれる質問です。クレーム対応では、3つのツールに明確な得意領域があります。1つに絞る必要はなく、工程ごとに使い分けるのが実務的です。

顧問先のEC事業者（従業員30名規模）では、「文面はChatGPT、記録と分析はClaude」という分担に落ち着きました。理由はシンプルで、ChatGPTは怒っている相手に届くトーン調整が滑らかで、Claudeは長い対応履歴をそのまま貼っても破綻なく要約できるからです。Geminiは制度確認の補助に使っていますが、生成された情報を鵜呑みにせず、必ず公的サイトの一次情報で裏取りするルールにしています。

なお、どのツールを使うにせよ、苦情メールには顧客の個人情報が含まれます。後述しますが、個人情報の取り扱いには明確なルールが必要です。

段階別・実践プロンプト7本

ここからは、5段階に沿った実践プロンプトを紹介します。即効テクニックで紹介した3本（一次対応文・感情/優先度判定・対応記録要約）に加え、ここでは残り4本（エスカレ判断・謝罪文3トーン・解決策提案・再発防止レポート）を深掘りします。すべてのプロンプトに事故防止の一文を入れているので、そのまま使えます。

プロンプト4：エスカレーション判断の支援

「自分で対応していい案件か、上司や専門部署に上げるべきか」——この判断の遅れが、クレームをこじらせる最大の原因です。後述する失敗パターンでも触れますが、エスカレ遅延は炎上の典型的な引き金です。AIに判断基準と照らした「上げるべきか」のたたき台を出させます。

あなたはカスタマーサポートのエスカレーション判断を支援するアシスタントです。
以下の苦情について、エスカレーションすべきかを判定してください。

【苦情の状況】
（経緯・現在のステータスを記載）

【当社のエスカレーション基準】
- 金銭被害・返金が10,000円を超える可能性がある
- 健康・安全に関わる
- 行政機関・弁護士・報道・SNSへの言及がある
- 同一顧客から3回以上の苦情
- 担当者の判断で解決の見通しが立たない

【出力フォーマット】
- エスカレーション要否：必要 / 不要 / 判断保留
- 該当した基準：
- 推奨エスカレ先：（責任者 / 法務 / 品質管理 など）
- 一次対応として今すぐやるべきこと：

基準に明確に当てはまらない場合は「判断保留」とし、
人間の責任者に確認すべき理由を述べてください。推測で「不要」と断定しないでください。

ポイント：「迷ったら判断保留」に倒すよう指示するのがコツです。AIに「エスカレ不要」と気軽に言わせると、現場が安心して抱え込んでしまいます。判断基準（金額・キーワード・回数）は自社の実態に合わせて必ず書き換えてください。

プロンプト5：謝罪文を3トーンで生成（送信前に必ず人が確認）

謝罪文は、相手や状況によって適切なトーンが変わります。同じ「申し訳ありません」でも、初回の軽い苦情と、繰り返しの重い苦情では文面の重みが違います。AIに3トーン分の謝罪文を出させ、人間が状況に合うものを選んで調整します。

以下の状況に対する謝罪文を、3つのトーンで作成してください。

【状況】
（何が起きたか、自社の非の有無、現時点で確定している事実を記載）

【3つのトーン】
1. 標準トーン：丁寧で誠実、過不足のない謝罪
2. より重いトーン：自社に明確な非があり、深く謝罪すべき場合
3. 慎重トーン：事実確認が未了で、責任の所在が不明な場合（謝意は示すが非は断定しない）

【共通条件】
- 各200〜300字
- 賠償・返金を確約する表現は入れない（別途協議とする）
- 相手の感情を否定しない
- 確定していない事実を断定しない

事実関係で不明な点があれば、最初に質問してください。
仮定した点は「仮定」と明記してください。

重要な注意：謝罪文は会社の姿勢を表す文書です。AIが生成した文章を一字一句確認せずに送るのは厳禁です。特に「慎重トーン」を使うべき場面で「より重いトーン」を送ってしまうと、自社の非を認めたと受け取られ、賠償交渉が不利になることがあります。トーンの選択は必ず人間が行ってください。

プロンプト6：解決策の選択肢出し

解決提案の工程では、「会社として何を提示できるか」を人間が決めますが、その選択肢を漏れなく洗い出す作業はAIが得意です。一つの案に飛びつかず、複数の選択肢を比較してから決めると、相手に納得感のある提案ができます。

以下のクレームに対して、現実的な解決策の選択肢を複数提示してください。

【クレームの要点と背景】
（記載）

【当社が提供できる対応の範囲】
（例：交換、返金、再対応、説明とお詫び、クーポン提供 など。提供できないものは除く）

【出力フォーマット】
各選択肢について：
- 解決策の内容：
- メリット（顧客視点 / 自社視点）：
- デメリット・リスク：
- 想定コスト感（高/中/低）：

最後に、状況から見た推奨案とその理由を1つ提示してください。
ただし最終判断は人間が行う前提で、断定ではなく提案として示してください。
当社が提供できないと明記した対応は選択肢に含めないでください。

活用例：顧問先のBtoB SaaS企業で、解約をちらつかせる契約者からのクレームに対し、このプロンプトで「機能改善の優先対応」「専任担当者のアサイン」「一時的な料金調整」などの選択肢を整理。担当者が一案だけ提示して断られて慌てる、という事態が減りました。

プロンプト7：再発防止レポートのドラフト

クレーム対応の最終工程であり、最も後回しにされがちなのが再発防止です。「記録は取っているが、原因分析と改善まで回っていない」企業がほとんどです。蓄積した対応記録を渡して、原因の分類と改善案のたたき台を作らせます。

以下の一定期間のクレーム対応記録をもとに、再発防止レポートのドラフトを作成してください。

【クレーム対応記録（複数件）】
（要約済みの記録を貼り付け）

【出力フォーマット】
1. 件数と傾向の概観（多かった苦情カテゴリ上位3つ）
2. 根本原因の仮説（カテゴリごとに、なぜ起きたか）
   - 原因分類：仕組み / 教育・周知 / 商品・サービス / コミュニケーション
3. 再発防止の打ち手（カテゴリごとに、現実的な施策を1〜2個）
4. 優先度（高/中/低）と担当部署の案

データから読み取れない点は「データ不足」と明記し、推測で断定しないでください。
原因は複数要因が絡む前提で、単一原因への過度な単純化は避けてください。

ポイント：このレポートはあくまで「分析のたたき台」です。原因の真偽や改善施策の採否は、現場を知る人間が判断します。それでも、ゼロから分析資料を作るのに比べれば、月次の振り返りミーティングの準備時間が大幅に減ります。

事実確認の工程でAIをどう使うか

7本のプロンプトには含めていませんが、5段階の3番目「事実確認」でもAIは役立ちます。クレーム対応でこじれるパターンの多くは、共感や文面以前に「何が起きたかの把握が雑」なことに原因があります。怒っている相手を前にすると、つい結論を急ぎたくなり、確認すべき点を飛ばしてしまうのです。

そこで、苦情の本文をAIに渡して「事実確認のために押さえるべき論点」と「相手に聞くべき質問」をリスト化させると、確認漏れが減ります。たとえば飲食店の異物混入なら「いつ・どの店舗で・どのメニューで・どんな状態だったか」「お客様の現在の体調」「商品やレシートが手元にあるか」といった論点が一覧で出てきます。これを人間がチェックリストとして使い、関係者や社内記録と突き合わせていくわけです。

ここで大切なのは、AIが出した論点を「相手に確認すべきこと」と「社内で確認すべきこと」に分けることです。お客様にあれこれ質問攻めにすると「こちらが疑われている」と感じさせ、二次クレームを生みます。社内の調理記録や購入履歴で確認できることは社内で調べ、本当に相手にしか分からないことだけを丁寧に尋ねる——この設計を、AIの論点リストを土台に人間が組み立てます。研修先でも「事実確認の質問を全部お客様に投げてしまい、火に油を注いだ」という失敗をよく聞くので、この使い分けは強調しておきたいところです。

想定シナリオ3つ：業種別の使い方

事例区分: 想定シナリオ
以下は100社以上の研修・導入支援経験をもとに構成した、典型的なシナリオです。特定の実在企業の事例ではありません。

シナリオ1：飲食店（料理への異物混入クレーム）

飲食店のクレームは「健康・安全」に直結するため、初動のスピードと事実確認が命です。AIの使い方も、ここでは「速さ」より「漏れのなさ」を優先します。

• 受付・優先度判定：「異物」「体調が悪い」といった語を含むため、プロンプト2（感情/優先度判定）で即「高リスク・即エスカレーション」に分類。担当者の自己判断で抱え込ませない。
• 共感・一次対応：プロンプト1で、まず健康状態を気遣う一文から始まる一次対応文を生成。ただし「食材に問題があった」と非を断定する表現は入れない（事実確認前）。
• 事実確認：店舗の調理記録・食材ロット・防犯カメラなどを人間が確認。AIには「確認すべき論点リスト」を作らせる。
• 記録・再発防止：保健所への報告が必要なケースもあるため、記録はプロンプト3で確実に残す。

飲食店では「健康被害の訴え＝最優先・即エスカレ」を全スタッフに徹底することが、AI導入以前の前提として重要です。AIはそのルールを運用に乗せるための補助に過ぎません。

シナリオ2：EC（商品未着・遅延クレーム）

ECは件数が多く、一件ごとの内容は比較的定型的です。ここはAIによる効率化が最も効く領域です。

• 受付・仕分け：「届かない」「いつになる」系の問い合わせをプロンプト2で仕分け。配送会社起因か自社起因かで対応が分かれるため、想定リスクも判定させる。
• 一次対応：プロンプト1で、状況確認と見通しを示す一次対応文を生成。配送追跡番号や再配達手続きの案内をテンプレ化しておくと、ChatGPTがそれを組み込んで返信案を作れる。
• 解決提案：プロンプト6で「再送」「返金」「クーポン」などの選択肢を整理。EC特有の「在庫切れで再送できない」ケースも、提供できる範囲をあらかじめ指定しておく。
• 再発防止：プロンプト7で月次集計。配送遅延の苦情が特定の配送会社・特定地域に偏っていれば、それ自体が改善のヒントになる。

顧問先のEC事業者では、定型的な遅延問い合わせの一次対応をAIドラフト＋人の確認で回すことで、繁忙期の返信滞留が目に見えて減りました。ただし「届いた商品が壊れていた」など、感情の強い苦情はテンプレに流さず、必ず人が文面を作る運用にしています。

シナリオ3：BtoB SaaS（不具合・解約検討クレーム）

BtoB SaaSのクレームは、金額が大きく継続契約に直結するため、文面の丁寧さと解決策の質が問われます。

• 受付・優先度判定：「解約を検討」「業務が止まっている」はプロンプト2で高優先度に。契約金額が大きい顧客はリスクも大きいため、人間の責任者がすぐ把握する。
• エスカレ判断：プロンプト4で、技術部門・営業・経営層のどこに上げるべきかを整理。SaaSは技術不具合と契約不満が絡むことが多く、エスカレ先の判断が重要。
• 解決提案：プロンプト6で複数の選択肢を出し、担当者が一案だけ提示して詰む事態を防ぐ。
• 記録・再発防止：不具合系のクレームはプロダクト改善の最良のフィードバック。プロンプト7で「機能起因」「仕様の誤解」「サポート対応起因」に分類すると、開発チームと共有しやすい。

BtoBでは、一件のクレーム対応の巧拙が契約更新を左右します。AIで効率化するのは記録や選択肢出しまでにとどめ、相手の事業への共感や約束の言葉は必ず人間が握る——この原則がより一層効いてきます。

クレーム対応を「失客防止」という攻めの視点で捉え直すアプローチは、AIで解約を防ぐカスタマーサクセスの事例記事でも詳しく扱っています。あわせて読むと、クレームを関係改善の起点にする発想が深まります。

【要注意】よくある失敗パターンと回避策

ここまで「AIで効率化できる」話をしてきましたが、使い方を誤るとクレームを悪化させ、炎上を招きます。研修現場で実際によく見る失敗を4つ、回避策とともに紹介します。

失敗1：AIが生成した返信をそのまま送ってしまう

❌ AIが作った一次対応文・謝罪文を、内容を確認せずに送信する。
⭕ AIの出力は必ず「下書き」として扱い、送信前に人間が事実関係・トーン・固有名詞を確認する。

なぜ重要か：AIは事実確認をしていないため、まだ確定していない非を認める表現や、提供できない補償を約束する表現を、もっともらしく書いてしまうことがあります。研修先で「AIの謝罪文に『全額返金いたします』と書いてあって、危うくそのまま送るところだった」という声を実際に聞きました。AIの文面は流暢だからこそ、確認を飛ばしたくなる誘惑が強い。ここを仕組みで止める必要があります。

失敗2：感情を無視して、効率重視のテンプレで返す

❌ 怒っているお客様に、用件だけを淡々と処理する事務的なテンプレ返信を送る。
⭕ まず相手の感情を受け止める「共感」を最初に置き、事実確認や解決策はその後にする。

なぜ重要か：クレームの多くは「不便を解消してほしい」だけでなく「自分の気持ちを理解してほしい」という訴えを含みます。共感を飛ばして解決策だけ提示すると、「機械的にあしらわれた」と感じさせ、火に油を注ぎます。だからこそ5段階の「共感」は人間が握る工程に位置づけました。AIにテンプレを作らせるのは便利ですが、感情の強い苦情こそ、人間が一文目を書くべきです。

失敗3：エスカレーションが遅れて、こじれてから上に上がる

❌ 担当者が「自分でなんとかしよう」と抱え込み、手に負えなくなってから初めて責任者に報告する。
⭕ エスカレ基準を明文化し、AIにも判定させて「迷ったら早めに上げる」を仕組み化する。

なぜ重要か：初動で責任者が対応すれば収まったものが、担当者の抱え込みで対応が後手に回り、相手の不信感が決定的になる——これが炎上の典型パターンです。プロンプト4で「迷ったら判断保留」に倒す設計にしたのは、この失敗を防ぐためです。エスカレは「負け」ではなく「正しい初動」だと、現場の文化として共有することが大事です。

失敗4：記録は取るが、再発防止につながっていない

❌ 対応記録は溜まっているが、原因分析も改善も行われず、同じクレームが繰り返される。
⭕ 記録を月次でAIに分析させ、原因をカテゴリ分けして、改善施策を1つでも実行する。

なぜ重要か：記録は「書くこと」が目的ではなく「次に活かすこと」が目的です。顧問先で「クレーム記録のデータベースはあるが、誰も振り返っていない」というケースは珍しくありません。プロンプト7のような再発防止レポートを月次で回し、たとえ小さくても改善を1つ実行する。この積み重ねが、クレーム件数そのものを減らしていきます。記録と再発防止はセットで初めて意味を持ちます。

セキュリティと運用ルール：炎上と情報漏えいを防ぐ

クレーム対応でAIを使う際、最大のリスクは2つです。1つは前述の「未確認の内容を送る炎上リスク」、もう1つは「顧客の個人情報の漏えいリスク」です。後者は法的な問題にもなり得るため、運用ルールを必ず整備してください。

個人情報の取り扱いルール

苦情メールには、氏名・連絡先・購入履歴・場合によっては健康状態など、機微な個人情報が含まれます。これをそのままAIに入力することには注意が必要です。

個人情報保護委員会は、生成AIサービスに個人情報を含むプロンプトを入力する場合、利用目的の範囲内であることの確認や、入力した個人データが機械学習に利用されないことの確認を求めています（個人情報保護委員会の注意喚起）。実務上は、以下のルールを推奨します。

• 氏名・連絡先は伏せて入力する：プロンプトに貼る前に、氏名を「お客様A」、電話番号やメールアドレスを記号に置き換える。前掲のプロンプトにも「個人を特定できる情報は伏せる」指示を入れています。
• 学習に使われない設定を確認する：法人向けプラン（ChatGPT Enterprise / Team、Claude のチーム向けプランなど）では、入力データが学習に使われない設定が用意されています。業務利用では、無料の個人アカウントではなく、こうした設定を確認したプランを使う。
• 社内ルールを文書化する：「何を入力してよいか／いけないか」を明文化し、全担当者に周知する。属人的な判断に任せない。

正直にお伝えすると、ここを曖昧にしたままAI活用を進めている中小企業は少なくありません。便利さに先行してルール整備が後回しになりがちですが、クレーム対応は特に機微な情報を扱うため、最初にルールを決めてから運用に乗せてください。

AI業務利用の全体方針

経済産業省・総務省の「AI事業者ガイドライン」では、生成AIによって顕在化したリスクとして、ハルシネーション（もっともらしい誤情報の生成）や、個人情報・機密情報がプロンプトとして入力され流出するリスクが指摘されています（AI事業者ガイドライン第1.0版）。クレーム対応に当てはめると、まさに「失敗1（未確認の内容を送る）」と「情報漏えい」がこのリスクの具体例です。

ガイドラインは事業者の自主的な取り組みを促す「ソフトロー」であり、規模や業種に応じて柔軟に活用できる構成になっています。中小企業でも、「AIは下書き・整理まで」「最終判断と送信は人間」「個人情報は伏せて入力」という3つの原則を社内ルールにするだけで、主要なリスクの大半はカバーできます。AI導入を組織として進める手順は、AI導入戦略ガイドで体系的に解説しています。

カスタマーハラスメントとの線引き

最後に触れておきたいのが、正当なクレームと「カスタマーハラスメント（カスハラ）」の区別です。すべての苦情に誠実に向き合うべきですが、暴言・脅迫・過剰な要求など、従業員を傷つける言動は別問題として対処する必要があります。

厚生労働省はカスタマーハラスメント対策企業マニュアルを公表しており、企業がカスハラへの方針を明確にし、従業員を守る体制を整えることを推奨しています（厚生労働省のマニュアル）。AIの優先度判定（プロンプト2）で「脅迫的な表現」「過剰要求」を検知させ、カスハラの疑いがあるものは通常のクレーム対応フローから切り離して責任者・専門部署に上げる、という運用を組み込んでおくと安全です。AIは、従業員が一人で抱え込まないための早期検知装置としても機能します。

まとめ：今日から始める3つのアクション

クレーム対応は「減らない前提」で仕組み化するのが現実解です。AIに任せるのは下書きと整理、人間が握るのは共感と最終判断——この線引きを守れば、対応スピードと品質は両立できます。

1. 今日やること：プロンプト1「一次対応文ドラフト」を1本試す。直近の苦情メールを1件、伏字にして貼り付け、たたき台を出してみる。返信の初動が軽くなる感覚を体験する。
2. 今週中：5段階のうち「どの工程をAIに任せ、どこを人間が握るか」をチームで1枚の表にまとめ、共有する。あわせて「個人情報は伏せて入力」のルールを文書化する。
3. 今月中：エスカレ基準を明文化し（プロンプト4の基準を自社用に書き換え）、月末にプロンプト7で対応記録を分析。たとえ小さくても再発防止策を1つ実行する。

次回予告：次の記事では「AIで問い合わせ対応そのものを減らす——FAQ・チャットボットの設計と運用」をテーマに、クレームが発生する前の段階で顧客の疑問を解消する仕組みづくりを解説します。

あわせて読みたい：

• AIで解約を防ぐ — カスタマーサクセス実践事例 — クレームを失客防止の起点に変える
• AI導入戦略ガイド — 組織としてAI活用を定着させる手順

参考・出典

• 2024年度 全国の消費生活相談の状況－PIO-NETより－ — 独立行政法人国民生活センター（参照日: 2026-05-26）
• 「カスタマーハラスメント対策企業マニュアル」等を作成しました — 厚生労働省（参照日: 2026-05-26）
• 「AI事業者ガイドライン（第1.0版）」を取りまとめました — 経済産業省・総務省（参照日: 2026-05-26）
• 生成AIサービスの利用に関する注意喚起等について — 個人情報保護委員会（参照日: 2026-05-26）

著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。