「写真を 1 枚送るだけで保証修理を申し込めるようにできないか」「コールセンターの一次対応を AI に任せたい」——4 月以降、製造・小売・保険といった BtoC 業種から、こうした問い合わせが増えています。背景には、Claude Sonnet 4.6 / Gemini 2 / GPT-5.4 系列がマルチモーダル能力を本格的に獲得し、画像・音声・動画を一発で扱えるようになったことがあります。
そこに MCP の Linux Foundation 移管 で標準化された業務 API 接続が組み合わさり、「写真診断 → 修理判定 → CRM 起票 → 配送手配 → 顧客通知」を一気通貫で走らせるカスタマーサポートが、ようやく PoC を超えて本番運用できるフェーズに入りました。本記事は、その受託設計パターンの整理です。
なぜ今までのチャットボットでは足りなかったか
これまでのカスタマーサポート AI は、3 つの限界を抱えていました。
- テキスト一本足打法：写真や音声で説明するほうが速い問い合わせを文字に翻訳させていた
- 基幹システムから切り離されていた：FAQ には答えられても、注文・配送・請求にアクセスできなかった
- エスカレーション設計が雑：「分からない」と言うか、人間に丸投げするかの二択
マルチモーダル AI と MCP の組み合わせで、この 3 つが同時に解けます。私たちが マルチモーダル埋め込みリランカーの記事 で書いた「画像と文書を横断する検索」は、ここにつながる伏線でもあります。
受託で設計する標準アーキテクチャ
コンポーネント構成
| レイヤー | 役割 | 技術選定の目安 |
|---|---|---|
| 受付チャネル | LINE / Web チャット / 電話（音声→テキスト） | LINE Messaging API / Twilio |
| マルチモーダル理解 | 画像・音声を解釈し意図を抽出 | Claude Sonnet 4.6 / Gemini 2 |
| MCP ツール群 | 基幹システム呼び出し | 自社 MCP サーバー + 公式コネクタ |
| HITL | 高リスク操作の人間承認 | Slack 通知 + 承認 UI |
| 観測・分析 | 会話品質・解決率の測定 | Langfuse / Datadog |
処理フロー（保証修理の例）
[1] 顧客が LINE で故障した製品の写真 + 「動かなくなった」を送信
[2] マルチモーダル AI が
- 製品モデル特定（写真）
- 故障モード推定（写真+テキスト）
- 顧客特定（LINE ID → CRM 照合 / MCP）
[3] MCP 経由で
- 保証期間チェック
- 修理可否の判定
- 在庫照会
[4] HITL（金額 1 万円超 / 例外的判定 → オペレーター承認）
[5] 承認後、配送業者 API で集荷予約 → 顧客に予約番号通知5 ステップのうち、[4] の HITL を最初から組み込むのが、本番運用に乗せる最大のコツです。
コスト試算（月 1 万件規模）
実装担当の目線で、月 1 万件処理するシステムのトークンコストを概算します。
| 項目 | 単位 | 月間 |
|---|---|---|
| マルチモーダル推論（写真 1 枚 + 会話 5 ターン） | 8K トークン × 1 万件 | 8000 万トークン |
| MCP 呼び出し（平均 3 ツール / セッション） | 2K × 3 万回 | 6000 万トークン |
| HITL 用要約生成（10% 発生） | 1K × 1000 件 | 100 万トークン |
| 合計 | 約 1.4 億トークン |
Claude Sonnet 4.6（仮に入力 $3/1M、出力 $15/1M、入力比 70%）で試算すると、月額 $1,500 前後（約 22 万円）。人間オペレーター 1〜2 名分の人件費を遥かに下回ります。
ただしマルチモーダル推論は画像枚数に応じて指数関数的に膨らむため、画像はリサイズ・1 セッション最大 3 枚などの上限を設計に組み込みます。
PII / 個人情報の取り扱い
カスタマーサポートは個人情報の温床です。最低限、次の 3 つを設計に必ず入れます。
- 入力時マスキング：受付チャネルから AI に渡す前に、電話番号・住所・クレカ番号を一時 ID に置換
- AI ベンダーへの非送信フィールド指定：マスキングしきれない PII はベンダー側のオプトアウト機能を使う
- 監査ログの暗号化保管：会話ログは AES-256 + アクセス制御で 7 年保管（業種により異なる）
Cloudflare AI Labyrinth の記事 でも触れた通り、AI に渡る情報の境界設計は、年々厳しく問われるようになっています。
受託案件の型と規模感
| 案件の型 | 期間 | 単価帯 |
|---|---|---|
| PoC（1 ユースケース） | 6〜8 週間 | 300〜600 万円 |
| 本番システム構築（3〜5 ユースケース） | 4〜6 ヶ月 | 1,500〜4,000 万円 |
| 運用伴走（月額） | 月額 | 60〜180 万円 |
| マルチモーダル MCP サーバー追加 | 単発 / 4〜6 週間 | 200〜500 万円 |
特に運用伴走の月額契約が成立しやすいのは、新モデル登場のたびに精度・コスト・対応範囲を見直す必要があるためです。
まとめ — 顧客接点は「写真を送る」が標準になる
マルチモーダル AI と MCP は、別々に語られがちですが、カスタマーサポート文脈で組み合わせると相乗効果が生まれます。「写真 1 枚で全部終わる」という顧客体験は、もはや先進事例ではなく、業界標準への移行期に入っています。
弊社では、マルチモーダル AI × MCP を活用したカスタマーサポート基盤の設計・PoC・本番構築・運用伴走をワンストップで提供しています。「LINE 一次対応を AI 化したい」「写真診断機能を組み込みたい」という相談は、お問い合わせフォーム からお気軽にどうぞ。
