これまでのD365 Customer Serviceは、「正しくケースを管理すること」「適切に割り当て、解決まで導くこと」が価値の中心にありました。ケース管理、ルーティング、ナレッジ、SLA。顧客対応を組織として安定運用するための基盤として、その役割は十分に果たしてきたと思います。ただ、2026 wave 1の機能群を俯瞰すると、その延長線だけでは説明しきれない変化が見えてきます。

顧客はいま、何に不満を感じているのか。この問い合わせは、単なる質問なのか、それとも関係性が崩れかけている兆候なのか。オペレーターが次に取るべき行動は、本当にその定型対応でよいのか。どこで人が判断し、どこまでをシステムに任せるべきなのか。

Customer Service 2026 wave 1は、こうした問いに対して、「処理を速くする」だけではなく、「判断の前提を整える」方向へと軸足を移しているように見えます。Copilotやエージェントは、答えを代わりに出す存在というよりも、状況を整理し、変化に気づかせ、次の判断を支えるための存在として配置されています。

Salesで起きている変化と同じく、Customer ServiceでもAIは主役ではありません。主役はあくまで人であり、AIはその判断を助ける補助線に過ぎない。その前提を保ったまま、顧客対応という仕事を「対応の連続」から「判断の積み重ね」へと変えようとしている。そんな意図が、2026 wave 1の随所から読み取れます。

この先の章では、Dynamics 365 Customer Service 2026 wave 1に含まれる具体的な新機能や改善点を通して、Customer Serviceがどこへ向かおうとしているのかを、室長の勝手な解釈で整理していきたいと思います。営業と同じく、顧客対応もまた「考える仕事」へと戻ろうとしているのか。その変化を、少し距離を置いた視点から見ていきましょう。

≪Copilot and AI Innovation≫

Simulate case‑resolution flows before production

例えば、同じ問い合わせ内容であっても、顧客が冷静に質問しているのか、苛立ちや不満を強めているのかによって、取るべき対応は変わります。返信のトーンを少し柔らかくすべきか、早めに上位者に引き継ぐべきか、定型対応で済ませてよいのか。これまでは、メールやチャットの文面を読み返し、担当者の経験や勘に頼って判断するしかありませんでした。この機能によって、ケースを開いた瞬間に「感情の傾き」が可視化され、対応の方向性を考えるための前提が一段整います。

2025wave2まででも、会話の内容そのものは確認できましたが、感情の変化を俯瞰的に捉えるには、担当者が履歴を追って読み解く必要がありました。そのため、忙しい現場では兆候を見逃したり、問題が顕在化してから気づくケースも起こり得ました。特に、複数のオペレーターが関与するケースでは、引き継ぎの際に感情の文脈が抜け落ちやすいという課題もありました。

2026wave1では、顧客センチメントがケース上の指標として表示されることで、「何が起きているか」だけでなく「どう受け止められているか」を含めて把握できるようになります。これは、単にオペレーター向けの機能にとどまりません。スーパーバイザーがリスクの高いケースを早めに察知したり、対応方針を調整したりするための材料としても機能します。Customer Service全体を、事後対応ではなく、兆候ベースで立て直せる方向へ寄せているように見えます。

留意点としては、センチメントはあくまで補助的なシグナルであり、万能な判断基準ではないという点です。感情の読み取りは文脈や文化、表現の癖に左右されることもあり、数値や表示だけを見て対応を決めてしまうと、逆にズレる可能性もあります。この機能の価値は、判断を代替することではなく、「気づくきっかけ」を増やすことにあります。担当者がケースの背景を理解したうえで、センチメントという補助線をどう使うか。その使い方次第で、Customer Serviceはより人間的で、かつ一貫性のある対応に近づいていくのだと思います。

この機能は、Case Management Agentの予測や判断を実際のケース処理には反映させず、裏側で“影のように”走らせることを可能にします。エージェントは通常どおりケースを読み取り、分類や予測、次のアクションを導き出しますが、その結果はオペレーターや顧客対応の流れには影響を与えません。あくまで観測用として動かし、「もし使っていたら、こう判断していた」という結果だけを確認できる仕組みです。

例えば、ケースの優先度判定やエスカレーション判断、解決見込みの予測などを自動化したい場面で、いきなり本番適用するのではなく、既存の運用と並行してエージェントの判断を蓄積できます。現場はこれまでどおり対応を続けながら、裏側ではAIの判断と実際の対応結果を比較し、「この判断は当たっている」「ここはズレている」と冷静に見極めることができます。顧客に影響を与えずに精度を評価できる点が、この機能の大きな価値です。

2025wave2まででも、AIを試すこと自体はできましたが、多くの場合は限定的なパイロットか、影響範囲を極端に絞った本番利用に踏み出すしかありませんでした。そのため、評価の材料が十分に集まらないまま判断を迫られたり、逆に不安が先立って導入が止まったりすることもありました。Shadow modeは、その中間に位置する「安全に試し続ける」選択肢を用意します。

2026wave1では、このshadow modeによって、Case Management Agentの予測を実データで継続的に検証し、改善の根拠を積み上げられるようになります。どのタイプのケースで精度が高いのか、どんな条件で判断が外れやすいのかを把握したうえで、「この範囲なら任せられる」という合意を作りやすくなります。AI活用を一気に切り替えるのではなく、信頼を育てながら段階的に適用範囲を広げていくための設計だと言えます。

留意点としては、shadow modeはあくまで評価のための仕組みであり、それ自体が成果を生むわけではない点です。比較の軸や評価基準を決めずに動かしても、「なんとなく良さそう」「なんとなく不安」という感想に留まってしまいます。また、実運用とAI判断の差分をどう解釈し、どこまでを許容するかは、組織としての方針が必要です。この機能はCustomer Serviceを自動化するためのスイッチではなく、判断を安心して委ねられる範囲を見極めるための計測器として使うことで、真価を発揮するものだと思います。

この機能は、ケース対応やエージェントの振る舞いを評価する際に、「必ず確認すべき重要な問い」をあらかじめ定義できるようにします。単に正解か不正解かを見るのではなく、このケースでは何が重要だったのか、顧客対応として外してはいけない観点は何だったのかを、評価の軸として明示するイメージです。評価が結果論や印象論に流れやすい領域に、判断の型を持ち込もうとしています。

例えば、返答内容が正確だったかだけでなく、顧客の不満にきちんと共感していたか、次の行動を分かりやすく提示できていたか、社内ルールやナレッジに沿った説明になっていたか、といった問いを「重要な質問」として定義できます。評価者は、その問いに照らしてケースを確認するため、「なんとなく良い」「なんとなく微妙」という曖昧な判断から一歩離れやすくなります。

2025wave2まででも、ケース対応やAIの振る舞いをレビューすることは可能でしたが、評価の観点は人に依存しがちでした。評価者によって見るポイントが違ったり、レビューのたびに基準が揺れたりすることで、改善の方向性が定まりにくい場面もあったと思います。結果として、評価は行われていても、学習や改善につながりにくいという課題が残っていました。

2026wave1では、評価の前提となる「重要な問い」を明示的に定義できるようになることで、評価と改善の関係が整理されます。何が満たされていなかったのか、どの問いで引っかかったのかが見えるため、改善すべきポイントを具体的に議論しやすくなります。AIやエージェントの評価を、人の感覚に任せるのではなく、組織としての判断基準に沿って積み上げていくための仕組みと言えます。

留意点としては、問いを増やしすぎると、評価が形式的になってしまう可能性がある点です。すべてをチェックしようとすると、現場の負担が増え、本当に重要なポイントが埋もれてしまいます。この機能の価値は、「何でも評価できる」ことではなく、「このサービスにとって絶対に外せない問いは何か」を整理できることにあります。Customer Serviceをどんな品質で提供したいのか、その思想がはっきりしている組織ほど、この機能は効いてくるはずです。

この機能は、将来の問い合わせ量や処理状況を予測する際に、あらかじめ決めた一つの手法に固定するのではなく、状況に応じて最適な予測手法をAIが選択する前提を取ります。データの傾向や安定度、季節性の有無、直近の変動幅などを踏まえ、「いまはこの方法が妥当だ」と判断した手法で予測を生成するイメージです。予測を当てに行くというより、「外れにくい前提を選ぶ」ことに重きを置いています。

例えば、通常時は過去のトレンドが比較的安定している問い合わせカテゴリでも、製品アップデートや障害発生の直後には、これまでの傾向がほとんど参考にならなくなることがあります。そうした局面で、従来どおりの予測手法を使い続けると、必要な人員が足りなかったり、逆に過剰に配置してしまったりといったズレが生じやすくなります。この機能では、変動が大きい状況では別のアプローチを取り、落ち着いてきたら再び安定した手法に戻す、といった切り替えを前提にしています。

2025wave2まででも、予測自体は可能でしたが、どの方法を使うかは設計時点で決め打ちになることが多く、現場の変化に応じて柔軟に切り替えるには、分析や再設定が必要でした。そのため、予測は「参考資料」にはなっても、「いま判断に使うもの」としては距離があるケースも少なくありませんでした。

2026wave1では、予測手法の選択そのものをAIに委ねることで、スーパーバイザーやマネージャーは「どの手法が正しいか」を考える負担から一歩離れられます。その代わりに、「この予測をどう使って判断するか」「どこまでを想定内とするか」といった、より本質的な意思決定に集中しやすくなります。予測は絶対的な答えではなく、いまの状況をどう見るかの材料として扱われるようになります。

留意点としては、どれだけ手法が賢く選ばれても、予測はあくまで予測であるという前提は変わらない点です。突発的な出来事や外部要因まですべてを吸収できるわけではありません。また、予測が動的になるほど、「なぜこの数字になっているのか」を理解しようとする姿勢も重要になります。この機能の価値は、予測を信じ切ることではなく、変化に合わせて前提を更新し続けられることにあります。Customer Serviceの運用を、静的な計画から、状況を見ながら調整する生きたマネジメントへと近づけるための一歩だと言えそうです。

この機能は、画面録画に関する制御を管理者側でより細かく設定できるようにします。録画の有無や範囲を現場任せにするのではなく、組織としてどのケースで、どの目的で、どこまで録画を許可するのかを明示的にコントロールできるようになります。Customer Serviceにおける画面録画を、個別対応の延長ではなく、運用設計の一部として扱おうとする流れが見て取れます。

例えば、品質評価や教育目的で録画を使いたい一方で、個人情報や機密情報が不用意に記録されることは避けたい、という場面は少なくありません。従来は、録画するかしないかを大まかに決めるしかなく、細かな例外や制限は運用ルールでカバーするしかありませんでした。この機能によって、管理者は録画の挙動を事前に定義し、不要な記録や想定外の利用を抑えやすくなります。

2025wave2まででも、画面録画自体は活用できましたが、その統制は十分とは言えず、「便利だから使うが、正直少し怖い」という位置付けになりがちでした。その結果、録画機能そのものを制限したり、特定のチームだけに閉じたりといった消極的な運用に寄るケースもありました。管理しきれないがゆえに、活用を諦めるという判断が起きやすかったと言えます。

2026wave1では、画面録画を前提とした運用を安心して設計できるようになります。管理者が主導してコントロールできることで、スーパーバイザーは評価や指導に必要な情報を確保しつつ、リスクを最小限に抑えられます。録画は監視のための道具ではなく、品質を揃え、改善を進めるための材料として使えるようになります。

留意点としては、制御が強化されるほど、設計の意図が現場に伝わっていないと誤解を生みやすい点です。なぜ録画するのか、どんな目的で使うのか、何を守るために制限しているのかを共有しないまま設定だけを固めると、現場には「縛られた」「監視されている」という印象が残ってしまいます。この機能の価値は、録画を制限することではなく、安心して使える前提を整えることにあります。Customer Serviceを支える仕組みとして、画面録画をどう位置付けるのか。その意思が問われる機能だと言えるでしょう。

Dynamics 365 Customer Service 2026 wave 1を一通り眺め、個々の機能を追ってきて、最後に残る印象はとても静かなものです。派手な自動化や「これで人はいらなくなる」といったメッセージはなく、代わりに一貫して流れているのは、「人が判断するための前提を、いかに整えるか」という問いでした。

Customer Serviceで見えてきたのは、AIが答えを出す存在ではなく、人の判断を支える存在として再配置されている姿でした。

では、音声やチャット、メッセージングが交錯するContact Centerでは、そのバランスはどう変わるのでしょうか。次回はDynamics 365 Contact Center 2026 wave 1を取り上げ、自己解決をどこまで任せ、人が介在する価値をどこに残すのか、そして現場とスーパーバイザーの視点がどう再設計されつつあるのかを見ていきます。

Customer Serviceの延長線では語れない、Contact CenterならではのAIとの距離感を、室長の視点で整理していく予定です。どうぞ次回もお付き合いください。