「ブランドボイスで話すAI」が言うほど簡単ではない理由 — 優れたシステムは実際どうしているのか

AIサポートのベンダーは皆、「あなたのブランドらしく話します」と約束します。デモではフレンドリーなトーンの応答に社名が差し込まれて表示されます。顧客はうなずき、契約が成立し、AIが本番環境に投入されます。

半年後、誰かが「ご不便をお察しいたします。解決に向けて共に取り組んでまいりますので、今しばらくお待ちいただけますと幸いです」というAI応答のスクリーンショットを撮り、Twitterに投稿します。長年かけて「乾いた有能さ」という声を育ててきた企業が、まるでコールセンターのように見えてしまうのです。

これが、ブランドボイスを「ブランド名の差し込み」と取り違えたAIシステムの末路です。

本物のブランドボイスは繊細です。何を言うかと同じくらい、何を言わないかに表れます。テック志向のブランドなら、摩擦を生むという理由で「恐れ入りますが」「ありがとうございます」といった常套句を省くかもしれません。ホスピタリティ重視のブランドなら、その逆をするでしょう。開発者向けツールの企業は、顧客が話す言葉だからこそ専門用語を使い、コンシューマーブランドは徹底的にそれを避けるかもしれません。

これをAIの応答で正しく実現するのは、本当に難しいことです。ほとんどのベンダーはできていません。そして多くの顧客は、本番運用が深まりクレームが届き始めるまで、そのことに気づきません。

ブランドボイスは実際に何でできているのか

AIの応答があなたのブランドらしく聞こえるかどうかは、6つの次元で決まります。

フォーマルさのレジスター。 言葉遣いはどれくらいフォーマルか、カジュアルか。「こんにちは！」か「お世話になっております」か。砕けた言い回しか、かしこまった定型文か。絵文字を使うか否か。ブランドによって、この軸上の立ち位置は大きく異なります。

温かさのシグナル。 文章がどれだけ感情に寄り添うか。すべてのメッセージを「お気持ちはよくわかります」で始めるサポートは台本どおりに聞こえ、感情に一切触れないサポートは冷たく聞こえます。適切なレベルはブランドごとに異なります。

直接性。 あなたのブランドは単刀直入に用件を伝えますか、それとも前置きを重ねますか。「サブスクリプションは3月5日に更新されます」と「まもなく更新時期を迎えるサブスクリプションについてご連絡いたしました。更新日は3月5日でございます」は、同じ情報でも声がまったく違います。

権威のレベル。 ブランドは「ユーザーを導く専門家」として振る舞うのか、「仲間を助ける仲間」なのか、「謙虚な奉仕者」なのか。これは「最善の方法は〜です」「〜を試してみるとよいかもしれません」「一緒に解決策を探しましょう」といった言い回しの違いに表れます。

ユーモアと遊び心。 軽やかで時に面白いことが似合うブランドもあれば、そうすると不自然になるブランドもあります。AIのデフォルトはたいてい平板な中立で、どちらの方向のユーモアもありません。これは両極端のどちらのブランドにとっても、微妙にずれた響きになります。

悪い知らせの伝え方。 あなたのブランドは「できません」「対応していません」をどう伝えますか。テンプレート的なAI応答は共感でくるむやり方です。「ご期待に沿えず心苦しいのですが、あいにく〜」。まさにこのスタイルのブランドもあれば、「その機能には対応していません」とだけ言って先へ進むブランドもあります。

6つすべてを一貫して正しく保つこと。それが、AIの応答を「あなたのチームが書いたもの」のように聞こえさせます。ひとつでも外せば、顧客は理由を言語化できなくても違和感を覚えます。

プロンプトエンジニアリングでは足りない理由

AIサポートにおけるブランドボイスのデフォルトのアプローチは、プロンプトエンジニアリングです。ブランドボイスの説明文を書き、モデルのコンテキストの先頭に追加します。「フレンドリーでプロフェッショナルなトーンで応答してください。過度なフォーマルさは避け、応答は簡潔に」。

これはデモではうまくいきます。しかし本番では、3つの理由で破綻します。

一貫性のドリフト。 LLMは確率的です。同じプロンプトでも、顧客の質問が少し違えば、トーンも少し違う応答が返ってきます。望むより温かいときもあれば、冷たいときもあります。ブランドの声に障る言い回しが出ることもあります。この揺らぎは評価段階では見えず、本番では常に起こります。

プロンプトの脆さ。 顧客の言葉遣いのわずかな違いが、異なる応答パターンを引き起こします。カジュアルに書く顧客にはカジュアルな応答が、フォーマルに書く顧客にはフォーマルな応答が返ります。このミラーリングはAIにとっては自然でも、ブランドボイスを壊します。顧客の書き方に合わせて、ブランドがレジスターを切り替えるべきではないからです。

カバレッジの穴。 プロンプトの指示は、あなたが想定した状況しかカバーしません。実際の顧客の質問は無限の空間に広がります。想定外の状況でAIは声を即興でつくり、その即興はLLMの中立へと逃げていきます。

独自の声を持つブランドにとって、プロンプトだけのアプローチが生むのは「近いけれど、何かが違う」応答です。顧客は、何がずれているのか言えなくても気づきます。

実際に機能するもの：自社データでのファインチューニング

ブランドボイスを本当に実現しているシステムは、実際のサポート履歴でファインチューニングを行っています。プロセスはこう進みます。

既存のサポートチケットには、チームの声の実例が数百、数千件と含まれています。エージェントが書いたすべての応答が訓練例になります。顧客の質問が入力、ブランドの声に乗った応答が出力です。

ファインチューニングは、これらのパターンを内面化するようベースモデルを更新します。モデルが学ぶのは語彙の選択だけではありません。チームが下している判断そのものです。いつ謝罪し、いつ黙って直すのか。いつ背景を添え、いつ簡潔に済ませるのか。

ファインチューニング後、モデルはLLMのデフォルトではなく、あなたのパターンを反映した応答を生成します。声はトピックや質問の種類をまたいで一貫します。新しい質問にも、チームが書いたように聞こえる応答が返ってきます。モデルがチームの文章から学んだからです。

コストは現実に発生します。ファインチューニングには、クリーンな訓練データ、評価インフラ、そして声の変化に合わせた定期的な再訓練が必要です。多くのベンダーがここに投資しないのは、費用がかかるうえ、デモで効果を示しにくいからです。しかし本番での差は歴然です。

ブラインドテスト

最もシンプルな評価は、ブラインドリードです。

評価中のツールから最近のAI応答を20件、チームの人間による応答を20件取り出します。署名もメタデータも取り除いて両方を匿名化し、ブランドの声をよく知る人に見せます。

そして、それぞれの応答を「AI」か「人間」かに仕分けてもらいます。

高い精度、たとえば80%以上で仕分けられてしまうなら、そのAIはあなたのブランドボイスを生成していません。ブランド名を差し込んだだけの、汎用AIサポートの声です。

確実には見分けられないなら、そのAIは本当にあなたの声を学んでいます。

ほとんどのベンダーはこのテストに落ちます。合格するベンダーこそ、真剣に話す価値のある相手です。

ベンダーに聞くべきこと

AIサポートツールを評価していて、ブランドボイスが重要なら、3つの質問がマーケティングの霧を晴らします。

「プロンプト以外に、御社のシステムはどうやって当社固有の声を学ぶのですか？」 答えが「ボイスの説明文を書いていただけます」なら、プロンプトのみです。ファインチューニングや履歴での訓練が答えに含まれるなら、さらに掘り下げましょう。

「当社の既存チケットでブラインドテストを実施できますか？」 良いベンダーはそのためのインフラを持っています。チケットのサンプルを処理し、評価させてくれるはずです。「他社のお客様の応答例をお見せできます」と言うベンダーは、はぐらかしています。

「トピックをまたいだ声の一貫性はどう保っていますか？」 典型的な失敗は、簡単な質問では声が合っているのに、複雑な質問でドリフトすることです。質問の全範囲で一貫性をどう維持するか、具体的な答えを持っているべきです。

この答えが、本気のベンダーとマーケティングを切り分けます。

自社のチケットでブラインドテストを試してみませんか？ 14日間の無料トライアルをどうぞ。Businessの全機能が使え、クレジットカードは不要です。20分のデモを予約することもできます。どちらの場合も、1週間以内に自社に合うかどうかがわかります。