インタビュー

Seelの共同創業者兼CEO、Zack Peng ― インタビューシリーズ

Antoine Tardif
Unite.AI を Google の優先ソースに追加
Zack Peng, Co-Founder and CEO of Seel
要点Seelは、AIにチケットをそらすのではなく解決を完了させることで、サポート案件の99%以上を解決している。
もっと見る
  • Seelは、AIにチケットをそらすのではなく解決を完了させることで、サポート案件の99%以上を解決している。
  • AIサポートへの信頼は、ボットの正確さではなく、人間への明確な出口があるかどうかにかかっている。
  • 事業者は、洗練されたデモではなく、エンドツーエンドの解決率と責任の証拠を求めるべきだ。

Zack PengはSeelの共同創業者兼CEOで、購入後に買い物客や販売事業者が直面する問題に取り組んでいます。返品や返金の予測から始まった同氏の仕事は、コマースの業務フロー全体で顧客からの依頼を解決するAIシステムへと広がりました。実際に対応できるエージェントには明確な運用上の制限を設け、人間に引き継ぐ仕組みを整え、顧客が受ける結果に責任を持つべきだと提唱しています。

Seelは、購入・配送時の補償、カスタマーサポート、再販売など、EC向けの購入後サービスとAIエージェンシーを提供しています。同社のプラットフォームは、販売事業者のシステム、注文情報、サービス業務のワークフローを連携させ、買い物客の問題解決を支援します。また、LLM Gatewayを通じて、モデルへのアクセスやタスクに応じた振り分けを可能にします。このインタビューでPengは、質問に答えることから結果に責任を持つことへの移行、エージェントが複数のシステムをまたいで動作するために必要な制御、そして販売事業者がAIサービスの信頼性をどう判断できるかについて語ります。

Seelを共同創業したきっかけは何ですか。また、購入後に買い物客が直面する問題の解決に取り組むなかで、EC向けAIワークフォースの構築を目指すようになった経緯を教えてください。

始まりは、あるマーケットプレイスでした。マーケットプレイスを運営する創業者と出会い、業界がチャージバックの予測にどれほど力を注いでいるかを知りました。チャージバックによる損失は、GMVの約0.5%に上ります。一方、返品や返金の割合は10~20%に達していましたが、それを予測する人はいませんでした。そこで、返品や返金を予測できるモデルを開発し、買い物客が少額の手数料を払えば、最終販売品も返品・返金の対象にできる仕組みを作りました。利用を選ぶ人は3~5%だろうと予想していました。実際には10~20%でした。この結果から、購入後の安心感に対して買い物客は料金を払うのだと分かりました。AppleCareやレンタカーの免責補償を購入するのと同じ理由です。

AIワークフォースの構想は、社内のサポート受信箱から生まれました。サポートチケットの70%超は、返品とは関係のないものでした。買い物客が知りたかったのは、注文品が今どこにあるのか、あるいは商品を交換できるのか、といったことです。問い合わせを販売事業者に回すのではなく、私たち自身で解決し始めました。コマースにおけるAIの本当の価値は、コスト削減ではないと分かったのです。ピーク時も含め、大量の処理を瞬時に行えることにあります。これには、返品商品が届く前に、条件を満たす返金申請をAIシステムが審査して承認することや、顧客の依頼を解決するために実際に対応できるAIエージェントを24時間365日稼働させることも含まれます。

質問に答えるチャットボットから、実際に対応するエージェント、そして一連の結果を丸ごと引き受けるAIエージェンシーへと段階が進むと説明されています。それぞれの段階で、技術面と運用面では何が変わるのでしょうか。また、実際の顧客の問題を例に説明していただけますか。

違いは、誰が結果に責任を持つかです。チャットボットは「注文品はどこですか」という質問に答えます。エージェントは、申し立てを提出するといった個別のタスクを完了します。エージェンシーは、顧客が支払ったものを確実に受け取るという結果に責任を持ちます。

技術面では、エージェンシーは一つのシステム内だけで動くのではなく、販売事業者の店舗、配送業者、決済システムなど、複数のシステムを横断して対応します。一度の会話で終わらず、数日にわたって案件を追跡し、実際に解決したかどうかを判断できなければなりません。運用面では、チケット件数に応じて人員を配置するのではなく、例外対応に人員を割くようになります。

配達済みと表示されているのに、荷物が届いていないケースを考えてみてください。チャットボットは買い物客に待つよう伝えます。エージェントは申し立てを開始します。Seel Agenciesは配送業者の追跡スキャン情報と注文履歴を確認し、対象となるかを判断したうえで、返金するか代替品を発送し、販売事業者の記録を更新して、買い物客に解決したことを知らせます。私たちは販売事業者に代わって購入後の問い合わせを一貫して引き受けるパートナーとして、まず自社の問い合わせでこのAI基盤をテストしました。解決を重視するこのアプローチにより、対象となる依頼を即時に判定して返金できる体制を整えながら、解決率を90%超に高めることができました。

買い物客に代わって購入したショッピングエージェントが、間違ったサイズの商品を注文したとします。この誤りを解決するには、エージェント、販売事業者、Seelの間で何が起きる必要がありますか。また、その結果には誰が責任を持つべきでしょうか。

買い物客が間に入って調整する必要はありません。誰が間違えたかにかかわらず、迅速に交換または返金するという解決策は変わりません。

それを可能にするには、3つの要素が必要です。まず、誰がどのような指示に基づいて注文したのかを注文記録に残し、エージェントの判断を追跡できるようにする必要があります。次に、エージェントが適用できるよう、販売事業者の返品ポリシーを機械可読にしなければなりません。3つ目は、責任の所在が明らかになる前に、結果を保証する主体が必要だということです。

Seelが担うのは、まさにその役割です。私たちは賠償責任を引き受けます。注文に補償が付いていれば、まず買い物客に損失が生じないよう対応し、責任の所在はその後で確認します。AIショッピングエージェントが買い物客に代わって間違ったサイズを注文した場合も、購入時に適切な補償が追加されており、問題がその補償の対象範囲内であれば、買い物客本人が注文した場合と同じ解決手段を利用できるべきです。私たちは、補償対象となる結果について金銭的な責任を負います。買い物客が、自分とエージェントのどちらが間違えたのかを調整する必要はありません。

貴社のチームによると、AIはSeelのサポートチケットの80%の対応を「加速」させているとのことです。実際には、これはどういう意味ですか。人の介入なしに解決される割合はどのくらいで、顧客がより良いサービスを受けているかどうかを示す指標には何がありますか。

つまり、これまで人の作業を滞らせていた業務をAIが担うということです。案件を読み、注文情報や配送業者のデータを取得し、販売事業者のポリシーを確認したうえで、ほとんどの場合は解決まで完了します。チケット全体の80%で、AIがこうした業務を行っています。サポート案件の解決率は全体で99%を超えており、業界で一般的に語られる60~70%を大きく上回っています。

しかし、解決率だけではサービスの質の低さが見えなくなることがあります。顧客をうまくあしらうボットでも、ダッシュボード上では優れた成績に見えるからです。そのため、チケットの再オープン率、人間の担当者へのエスカレーション率、顧客満足度などの指標を追跡しています。買い物客が不満を感じる場面では、対応の速さが重要です。配送先住所の変更は通常、注文システムとフルフィルメントシステムをまたいだメールのやり取りが必要になりますが、当社のエージェントなら数分で対応できます。

私が最も重視している指標は、買い物客が再び購入するかどうかです。当社のネットワークでは、リピーターの69%が初回注文に補償を付けていました。

ご自身を「エージェント推進派だが、自動操縦推進派ではない」と表現されています。どのような判断を意図的に人に委ねていますか。また、一見すると定型的な案件でも人間の判断が必要だと、システムはどのように見極めるのでしょうか。

自動操縦とは、誰も見ていない状態を意味します。大半の作業はエージェントが担い、判断が重要な場面では人が決定を下す、という形を目指しています。

次の3種類の判断は人に委ねています。ポリシーを定める判断、誤った判断を覆すのに大きなコストがかかる案件、そして、ルールに沿った答えが必ずしも公平とは限らないほど特殊な案件です。AIはその範囲内で定型的な案件に対応しますが、自ら権限を拡大することはできません。ある行為が承認されていない場合や、追加の承認または特別な対応が必要な案件は、直ちに人へ引き継がれます。

システムは依頼の種類だけでなく、その背景にあるリスク、緊急性、顧客の不満、ポリシー上の慎重さも考慮します。リスクの高い案件は人に振り分け、ポリシーに関わる案件では、対応前に追加確認を求めることがあります。こうした基準値は、共通の金額や信頼度スコアで一律に定めるのではなく、販売事業者やワークフローに合わせて設定します。たとえば、迅速な対応を求める依頼や、通常より高額な支払いを求める依頼は、AIの自律的な権限の範囲外となる場合があります。

買い物客に関する調査からは、Z世代の多くが、問題の解決に人が関わることを今も望んでいるとうかがえます。特に、顧客が判断に異議を唱えたい場合や、人間の担当者と話したい場合に、信頼を得られるAIサポートを設計するうえで、どのようなことが分かりましたか。

Z世代はAIに最も抵抗感のない世代である一方、企業が顧客を避けるためにAIを使っていると気づくのも最も早い世代です。2026年のZ世代の買い物に関する調査では、Z世代の49%が、問題は人に対応してもらって解決したいと回答しました。一方で、迅速な解決も求めています。買い物客の87%は、問題が2~3日以内に解決されることを期待しています。

私たちが学んだのは、信頼を生むのはボットではなく、そこから人につながる道筋だということです。人に連絡できると分かっていれば、買い物客はAIに対応を任せてくれます。AIが壁になれば、たとえ回答が正しくても信頼は失われます。

そこで、私たちは次の3点を重視して設計しています。

  • 問題が不満に変わる前に解決するための迅速さ
  • AIが対応を断る場合には、平易な言葉で理由を明確に伝えること
  • そして、買い物客が同じ説明を繰り返さずに済むよう、これまでのやり取りをすぐに把握できる担当者へ、ワンステップで引き継げること。

エージェントが返金を行い、注文を変更し、販売事業者のシステムをまたいで操作できる場合、ミスは金銭的な影響をもたらします。権限をどのように管理し、重複操作や未承認の操作を防ぎ、問題が起きた際に何があったのかをどう再現できるようにしていますか。

各エージェントには、業務に必要な範囲のアクセス権のみを付与します。その権限は、販売事業者が合意した特定のワークフローに限定します。また、従業員のIDとは別に専用アカウントまたはAPIトークンを使用するため、販売事業者はいつでもアクセス権を調整、一時停止、または取り消すことができます。

高額な返金など、リスクの高い操作については、販売事業者の要件に応じて、人による確認や金額・ルールに基づくしきい値を設定できます。エージェントにシステムへのアクセス権を与えることは、無制限の権限を与えることを意味すべきではありません。

システム上の操作はすべて、実行時刻、操作内容、操作のきっかけとともに記録されます。問題が起きた場合、この記録をもとに販売事業者と調査し、操作の取り消しを支援したうえで、その後ルールを見直して厳格化できます。

1-Click Resaleでは、エージェントが出品情報を作成し、価格を設定し、複数のマーケットプレイスにまたがる販売を調整します。商品説明や価格の妥当性をどのように確認し、マーケットプレイスの更新に遅れが生じた場合に、商品が二重に売れるのをどう防いでいますか。

当社のリセール代行サービスは、出品者が通常なら避けたい作業を引き受けます。買い物客が送った写真から商品の状態を確認し、市場価格を基に価格を設定して出品し、売れた時点で掲載を取り下げます。

商品説明は、すでに保有しているデータを基に作成します。商品は販売事業者の注文に含まれていたものなので、代行サービスでは元の商品情報を参照します。価格は、状態を踏まえて、同等の商品が実際にいくらで売れたかを基に決定します。手続きを進める前に買い物客が見積もりを確認し、出品作業と不足情報の補完は当社のチームが担います。

目指しているのは、買い物客がもう必要としない商品から価値を取り戻せるよう、返品期間が過ぎた後でも、再販売をより簡単にすることです。

SeelのLLM Gatewayを公開するに至った運用上の課題は何でしたか。また、信頼性、レイテンシ、コストを踏まえ、タスクごとにどのモデルを選ぶのでしょうか。モデルの呼び出しごとに採算性を評価しますか、それとも顧客の成果を正常に達成できた件数ごとに評価しますか?

まずは自分たちのために構築しました。自社のワークフローを実行するSeel Agenciesの開発を通じて、AIを大規模に活用するには、モデルの調達方法を規律をもって管理する必要があると学びました。規模の拡大、信頼性、最良のモデルへのアクセス、そして予測可能なユニットエコノミクスが必要だったため、そのためのインフラを構築しました。加盟店も、モデルごと、リクエストごとにコストが膨らむ同じ問題に直面していたため、私たちはそれを公開しました。

タスクに応じて振り分けます。メールから注文番号を取り出すのに、複雑で複数の手順を要する問題を解くときと同じモデルを使う必要はありません。LLM Routerはリクエストの複雑さを評価し、顧客が利用を許可したモデルの中から振り分けます。顧客は、性能、コスト削減、またはその両方のバランスを選べます。これにより、より単純な作業でどの程度積極的にコストを削減するかを決められます。

実際のワークロードで信頼性とレイテンシを維持できることも重要です。振り分けをより積極的に行う前に、品質、応答時間、コストをテストすることを推奨しています。複雑なワークフローや厳密な一貫性が求められるタスクでは、自動振り分けを使わず、特定のモデルを使い続けることもできます。

LLM Routerの料金はモデルの使用量に基づいており、顧客の成果を達成できた件数ごとではありません。スマートルーティングを利用する場合、実際に実行されたモデルの料金が請求されます。振り分けの判断に必要なリクエストの複雑さの評価にかかる費用は、Seelが負担します。

AIビジネスを立ち上げる創業者にとって、顧客が信頼して利用できるサービスと、印象的なデモとの違いについて、Seelから何を学びましたか。事業機能全体をAIエージェンシーに任せる前に、加盟店はどのような証拠を求めるべきでしょうか?

デモで示されるのは、システムが一度動くことです。サービスで求められるのは、配送会社のAPIが停止し、購入者が怒っている午前2時に、1万件目のケースでもシステムが動くことです。難しいのは、モデルそのものではありません。質の悪いデータ、互いに食い違うシステム、そしてAIが動くべきでないタイミングを見極めることです。

加盟店はデモではなく、証拠を求めるべきです。エージェンシーは、ケースのうちどのくらいの割合を最初から最後まで解決していますか。問い合わせ件数の抑制だけでなく、解決までの時間やリピート購入率はどうでしょうか。誤った場合、誰が費用を負担し、どれほど迅速に対応するのでしょうか。また、エージェンシーが何をしたのかを正確に確認できますか。運用には何人必要でしょうか。

素晴らしいインタビューをありがとうございました。AIエージェンシー、購入後のサービス、eコマースの自動化について詳しく知りたい方は、Seelをご覧ください。

アントワーヌは、先見の明を持つリーダーであり、Unite.AIの創業パートナーです。AIとロボティクスの未来を形作り、その発展を促すことに揺るぎない情熱を注いでいます。複数の企業を立ち上げてきた起業家として、AIは電気と同じほど社会を大きく変えると考えており、革新的な技術や汎用人工知能(AGI)の可能性について熱く語ることがよくあります。

未来を展望するフューチャリストとして、こうした革新が世界をどのように形作るかを探究しています。また、未来を再定義し、業界全体を変革する最先端技術への投資に焦点を当てたプラットフォーム、Securities.ioの創設者でもあります。