相談解決率70%、バグ問い合わせ61%減。「Tiro」のAI活用法

1. 導入企業のご紹介

• 企業名: Tiro

• 業種: B2B SaaS（AIベースのリアルタイム会話記録・要約ノート）

• 設立年: 2024年サービス提供開始

• 概要: Tiroは、ユーザーが会話の本質だけに集中できるよう支援するAI会議サービスです。リアルタイムの議事録作成や翻訳など、「記録・整理という労働」からユーザーを解放する機能を提供します。単なる書き起こしを超えて、AIが会話の文脈を理解し、段落ごとに構造化して整理します。この高品質な要約機能が口コミで広がり、アプリのリリースから1年で累計登録者13万人を突破、サブスクリプション更新率90%を記録しました。

2. 導入の背景

10倍成長のためにAI相談員がどうしても必要でした

Tiroは、エンジニア、デザイナー、セールス、BizOpsなど、プロダクト開発とビジネスに不可欠な少数精鋭15名で構成されています。それぞれが担当業務を主体的に高い密度で進めるチームで、顧客からの問い合わせはパク・ジユンBizOpsマネージャーがすべて担当しています。ただ、少数精鋭でチームを運営するうえでの悩みが1つありました。

「Tiroが10倍成長したら問い合わせ量も10倍になるはず。

今のチーム構造で、圧倒的な問い合わせ量に対応できるだろうか？」

Tiroチームは、10倍成長を目指すならそれに見合う効率的なソリューションが必要だという結論に至りました。実際、ユーザーが増えるにつれて迅速な顧客対応が難しくなってもいました。そこで、ユーザーからよく寄せられる質問や単純な使い方の問い合わせ、料金プランや返金に関する問い合わせなどをAIで自動化したいと考えたのです。

迅速な応対は顧客満足を高める主要な要因ですが、私が24時間待機して回答することはできないので、相談の自動化がどうしても必要でした。

— ThePlato BizOpsマネージャー パク・ジユン氏

またTiroは、10倍成長のためにユーザーのフィードバックをすぐ反映してサービスを素早く改善したいと考えていました。専門的な開発知識が必要なバグの問い合わせには、エンジニアが相談に直接参加するほどでした。ところが「エラーがある」という断片的な内容だけでは、どこでどんな問題が発生したのかを正確に把握できず、迅速な解決が困難でした。そのため、ユーザーがバグの問い合わせを送る際に、詳しい状況説明と画面キャプチャ画像の添付を促す自動応対も必要でした。

3. 活用している機能

Tiroチームは、大きく3種類の問い合わせをAIで自動化すべきタイプだと考えました。

1) 使い方の問い合わせは、ALFがナレッジを参照して回答

ユーザーからよく寄せられる質問や単純な使い方、プラン情報に関する問い合わせには、ALFが「ナレッジ」を参照してTiroに最適な回答を提供します。

ナレッジとは、ALFが回答時に参照できる文書、ファイル、Webサイト、ドキュメントなど多様な資料を集めて管理する場所です。顧客がTiroの使い方について質問すると、ALFはナレッジからそれに合った情報を探して回答を生成します。ナレッジが具体的に構造化されていれば、ALFはより正確な回答を案内できます。

Tiroチームは、ALFを本格的に使い始める前からチャネルトークのドキュメントを活用してユーザーガイドを運営してきました。しかもドキュメントを「はじめに」「主な機能」「アカウント管理」「FAQ」などのカテゴリに分けて整理していたおかげで、そのままALFのナレッジとして使っても問題ありませんでした。よく整理されたドキュメントを活用することで、大きな苦労なくALFが速く正確な回答を生成できるようナレッジを設定できたのです。

また「同じタイプの問い合わせを二度受けない」という信念のもと、Tiroチームは毎週月曜日に顧客からの問い合わせを共有する時間を設けています。その週に入った問い合わせを通じてプロダクトが改善された点は何かを共有し、アップデートに応じてドキュメントの追加が必要であれば一緒に修正します。修正されたドキュメントをもとに、ALFはより正確な情報をユーザーに提供できるようになります。

ALFは私たちの働き方を自ら学び、より良い答えを見つけてきます。フィードバックを即座に反映し、毎日成長する優秀な新人です。成果もスピードも理解力も、すべて期待以上でした。

— ThePlato CEO イム・ウンソン氏

2) 素早いバグ解決のための詳細情報を、ALFが先に確認

バグ解決のための事前情報を自動で収集するALF

サービス利用中に発生したバグの問い合わせでは、ALFはすぐにオペレーターへつなぎません。まずユーザーにメッセージを送り、正確なエラー内容の記載を依頼します。

ALFがあらかじめエラー情報を受け取っておくおかげで、開発チームはバグの状況を再現するために何度もテストを繰り返さなくても、容易に原因を把握できます。他のユーザーが同じバグに遭わないよう、素早く問題を解決してサービスを改善できるのです。改善にともなってガイドの更新が必要であれば、ドキュメントもすぐ補完します。迅速なバグ解決とガイド更新は、プロダクトに対する高い顧客満足となって返ってきます。

ALF導入前は、社内でバグを再現できず何度も聞き返すうちに解決が遅れることがありました。そのため実際の解決まで1日を超えるケースが多かったのです。導入後は、バグ処理に1日を超えることはほとんどありません。問い合わせをくださったユーザーにも「いつまでに解決します」と正確にご案内できるようになりました。

— ThePlato BizOpsマネージャー パク・ジユン氏

3) 単純な決済・返金の問い合わせは、ALFが処理まで完了

最後に、Tiroチームは決まったプロセスに沿って処理する決済および返金の問い合わせもAIで自動化できると判断しました。そこで「タスク」機能を活用し、ALFがユーザーの決済情報を確認して料金プランを適用したり、返金したりできるよう設定しました。

タスク機能を適用すると、単なる応対を超えてALFが実際の業務処理まで完了してくれます。APIを通じてALFとTiroの管理システムを連携することで可能になることです。

タスクを適用する前は、返金の問い合わせが入るたびに必ずパク・ジユンマネージャーが一つひとつ確認して処理しなければなりませんでした。今では返金の問い合わせがあると、ALFがユーザーのプラン情報や決済時期、決済方法などをチェックし、その情報で相違ないかユーザーに確認します。続いてもう一度ユーザーの返金意思を確認したうえで、そのユーザーがTiroの返金ポリシーに該当すれば返金処理まで行います。ALFが最終処理まで完了してくれるので、パク・ジユンマネージャーは問い合わせ全体を分析してプロダクトを改善する業務により多くの時間を投じられるようになりました。

ALFがなければ、私は他の業務ができず一日中顧客からの問い合わせにかかりきりになっていたはずです。今はALFが業務処理まで全部やってくれるので、心強い盾ができた感覚です。

— ThePlato BizOpsマネージャー パク・ジユン氏

4. 導入の成果

• ALF解決率：70.2%（2025年12月時点）

• バグ問い合わせ件数：61.6%減少（導入前86件 → 導入後33件）

• バグ解決時間：50%短縮

2025年12月時点で、TiroのALFは70.2%に達する相談解決率を記録しました。11月より約5ポイント上昇した数値で、ALFの解決率は継続的に上昇しています。ALF導入後、パク・ジユンマネージャーが直接処理する問い合わせも1日20件から10件程度に減りました。マネージャーは、人の介入がどうしても必要なプロダクトフィードバックの問い合わせにだけ集中できるようになったのです。これによってサービスクオリティをさらに高めることができました。

特にバグの問い合わせにALFが初期対応することで迅速な解決が可能になり、サービスの安定性も大きく改善しました。実際、導入前後でバグの問い合わせ件数は86件から33件へと61.6%減少しました。1日を超えていたバグ処理時間も当日の業務時間内に処理できるようになり、およそ半分に短縮されています。

結果として、TiroチームはAIエージェント「ALF」の導入により、顧客からの問い合わせをBizOpsマネージャー1人でも十分にカバーできる効率性を確保しました。

5. TiroとALFの次なる課題

• 2026年は、ALFとともに10倍成長を証明できる年になるのではないかと期待しています

Tiroチームは今後、10倍成長の過程で増え続ける問い合わせ量をALFがうまく処理してくれれば、現在のような少数精鋭のチーム構造を維持できると考えています。ALFを活用して業務効率を高めることで、10倍成長を達成することを期待しているのです。

チャネルトークはアップデートが本当に速いです。「こんな機能もできるかな？」と思っていた機能が、ある日できあがっています。私たちのチャネルトークの使い方のパターンを見て、「どんな機能を提供すべきか」を考え続けているのが伝わってきます。本当に速くアップデートされるので、今後ALFを活用できる業務はもっと増えていきそうです。

— ThePlato BizOpsマネージャー パク・ジユン氏

【出典】

原文：상담 해결률 70% 달성, 버그 문의 61% 감소한 티로의 AI 상담원 활용법

原文執筆：Lena（Content Marketer in Korea）

原文公開日：2026年1月15日

翻訳・編集：Aida（Marketing / SEO・LLMO in Japan）

※記事内の数値・役職は原文公開時点の情報です。