Zendesk AI と Intercom Fin｜サポート自動化の設計論点をツール横断で整理（要公式確認）
目次 クリックで開く
カスタマーサポートの現場において、従来の「分岐型チャットボット」は限界を迎えています。あらかじめ設定されたシナリオを辿らせるボットは、ユーザーにとってストレスであり、メンテナンスする担当者にとっても膨大な工数を強いるものでした。
現在、その潮流はLLM（大規模言語モデル）を活用した自律型AIボットへと完全にシフトしています。その双璧をなすのが「Zendesk AI」と「Intercom Fin」です。本記事では、これら2つのツールを実務レベルで比較し、導入時に突き当たる設計論点を公式ドキュメントの定義に基づき整理します。
1. サポート自動化は「シナリオ設計」から「ナレッジ抽出」へ
従来のボット構築は、フローチャートを記述する作業でした。しかし、Zendesk AIやIntercom Finがもたらしたのは、「既存のヘルプセンター記事を読み込ませるだけで、AIが回答を生成する」というパラダイムシフトです。
この変化により、実務者の役割は「分岐を作る仕事」から「良質なナレッジ（FAQ）を整備し、AIの振る舞いを制御する仕事」へと変わりました。もし、社内のナレッジが整理されていない状態でこれらのツールを導入しても、AIは「回答不能」を連発するか、不正確な情報を生成することになります。
ここで重要なのは、サポート窓口だけでなく、マーケティングや広告チャネルからの流入を含めた全体設計です。例えば、広告経由の新規顧客に対しては、単なるFAQ回答以上のCX（顧客体験）が求められます。このような視点については、広告×AIの真価を引き出すアーキテクチャの考え方も、フロントエンドの自動化設計において非常に参考になります。
2. Zendesk AI の設計論点：統合されたUIとエージェント支援
Zendeskは、従来のカスタマーサービスプラットフォームにAIを「肉付け」するアプローチを採っています。特に「Advanced AI（高度なAI）」というアドオンによって、強力な自動化機能が解放されます。
Advanced AI（高度なAI）の主要機能
- 生成回答（Generative Replies）: ヘルプセンター（Guide）の記事をソースとして、AIが自然な文章で回答します。
- インテリジェントトリアージ: 問い合わせの内容（意図）、感情（ネガティブ/ポジティブ）、言語を自動で判別し、適切な担当者へ振り分けます。
- マクロの提案: エージェントに対し、過去の類似事例から最適な回答テンプレートを提案します。
設定手順のポイント
- ナレッジベースの有効化: Zendesk Guideが公開状態であり、記事がインデックスされている必要があります。
- 生成回答の有効化: 管理センターの「ボット」設定から、生成回答機能をオンにします。この際、対象となるブランドやチャネルを絞り込むことが可能です。
- トーンの設定: プロフェッショナル、フレンドリーなど、ブランドに合わせた回答トーンを選択します。
Zendesk AIの強みは、エージェント（中の人）の業務効率化にも焦点を当てている点です。フロントの自動応答だけでなく、チケット管理の効率化を含めた「SaaSコストの最適化」を考えるなら、フロントオフィスツールの見直しも併せて検討すべきでしょう。
3. Intercom Fin の設計論点：AIファーストの解決特化型
Intercomが提供する「Fin」は、OpenAIのGPT-4をベースとしたサポート特化型AIエージェントです。Zendeskと比較すると、より「顧客との対話を通じた解決」に特化した、スタンドアロンに近い動きをします。
Fin AI Agent の特徴
- マルチソース学習: 自社のヘルプセンターだけでなく、外部のURLやPDF、スニペット（短い断片テキスト）を直接学習ソースとして指定できます。
- 解決課金モデル: 月額固定費に加え、AIが解決したと判断された問い合わせ1件につき「$0.99」が発生する仕組みです（※2024年時点の公表価格）。
- シームレスなハンドオフ: AIで解決できない場合、過去の対話コンテキストを完全に保持したまま人間へパスします。
セットアップの手順
- ソースのインポート: Intercomのナレッジベース、または外部サイトのURLを入力し、Finにスクレイピングさせます。
- 「カスタム命令（Custom Instructions）」の設定: 「弊社のブランド名は〇〇です」「解約については必ず有人オペレーターに誘導してください」といった制約を自然言語で記述します。
- テスト環境での評価: プレビュー画面で実際の質問を投げ、回答の精度を検証します。
Intercom Finは導入の速さが魅力ですが、従量課金が膨らむリスクもあります。これを防ぐには、複雑な業務ロジックはバックエンド側で自動化し、Finには純粋なFAQ対応を任せるという責務分解が必要です。例えば、AppSheetなどを活用した業務DXによって、ユーザーが自分でステータスを確認できる仕組みを整えておけば、Finへの問い合わせ自体を減らすことができます。
4. 【比較表】Zendesk AI vs Intercom Fin
主要な機能を比較表にまとめました。選定の際の参考にしてください。
| 比較項目 | Zendesk AI | Intercom Fin |
|---|---|---|
| 基本コンセプト | CXプラットフォーム全体のAI化 | 自律型AIエージェントによる即時解決 |
| 主な学習ソース | Zendesk Guide（ヘルプセンター記事） | ヘルプ記事、外部URL、PDF、スニペット |
| 料金体系 | Suite各プランにAIアドオンを追加（月額固定） | 解決1件あたり $0.99 の従量課金（＋基本料金） |
| 日本語対応精度 | 高い（国内導入実績多数、自然な敬語） | 非常に高い（GPT-4ベースで柔軟な対話） |
| 有人連携 | チケットシステムと完全に一体化 | チャット受信トレイへのシームレスな移行 |
| カスタマイズ性 | ボットビルダーによる詳細なフロー設計可 | 自然言語による「命令（プロンプト）」が中心 |
※最新の料金および仕様については、必ず Zendesk公式サイト および Intercom公式サイト をご確認ください。
5. 実務者が直面する「3つの壁」と解決策
壁1：ハルシネーション（もっともらしい嘘）の抑制
AIが勝手に「割引キャンペーンをやっています」などと回答しては大変です。
解決策: ソース記事の範囲内でのみ回答するよう「厳格モード」を適用します。Intercom Finでは「Only answer using the sources provided」の設定をオンにし、Zendeskでは回答の信頼度スコアが低い場合に有人へ回す設定を徹底します。
壁2：有人エスカレーションのタイミング
すべてをAIで完結させようとすると満足度が下がります。
解決策: 感情分析を活用します。「怒り」の感情が検知された場合や、同じ質問が3回繰り返された場合は、AIが謝罪した上で即座に人間にチケットを転送するワークフローを構築してください。
壁3：ナレッジの陳腐化
製品アップデートにナレッジが追いつかない問題です。
解決策: 現場の担当者が回答した内容を、その場でFAQ記事に昇華させるプロセスをルーチン化します。Zendeskの「ナレッジキャプチャー」機能などはこの解決に寄与します。
6. アーキテクチャ視点でのツール選定基準
どちらのツールを選ぶべきかは、単なる機能比較ではなく、自社のデータアーキテクチャに依存します。
- Zendesk AIを選ぶべきケース:
- 既にZendeskを全社的に導入しており、メール、電話、チャットの全チャネルを統合管理したい。
- エージェントの工数削減（トリアージ、サマリー作成）に主眼を置いている。
- 月間の問い合わせ件数が多く、従量課金よりも固定費の方が予測しやすい。
- Intercom Finを選ぶべきケース:
- Webサービスやアプリ内チャットが主軸であり、ユーザーの行動データに基づいたリアルタイムなアプローチを行いたい。
- ヘルプセンターの整備が追いついておらず、既存のWebサイトやドキュメントを即座にAIに学習させたい。
- 「解決した分だけ払う」というROI（投資対効果）を明確にしたい。
7. まとめ：自社の「ナレッジ資産」に合わせた選択を
Zendesk AIもIntercom Finも、もはや単なる「自動応答ツール」ではありません。それは、企業の持つナレッジを顧客体験へと変換する「推論エンジン」です。
導入を成功させる鍵は、ツールそのものの機能以上に、「AIに何を読ませ、何をさせないか」という境界線の設計にあります。また、これらのサポートツールは単体で機能するものではなく、CRMや社内データ基盤との連携によって真価を発揮します。
まずは、自社の現在のナレッジベースがどの程度整っているかを確認し、スモールステップでAIの回答精度を検証することから始めてください。サポートの自動化は、現場の負担を減らすだけでなく、顧客が「待たずに解決できる」という最大のサービスを提供するための不可欠なステップなのです。