過去のデータから顧客の行動パターンや傾向を学習して、将来の「離脱確度」「購買タイミング」「必要な施策」などを事前に推測するツールやモデルのこと。企業側は先回りしてアクションできると考え、顧客側は「自分の意図と無関係な提案」を受け取ることになりやすい。
ゆうきが来店した時、いつも疲れた顔をしてたから、今日は珍しく「いい話がありまして」という入口だった。
「予測AIを導入したんですよ。離脱リスクの高い顧客を自動検知して、アラート出してくれるみたいな。上司もやっと『定着化には投資が必要』って気づいてくれて」
グラスを置きながら、いくぶん期待を込めた声だった。
「へえ。で、使ってみてどう?」
「まあ…正直、想像と違いました」
ゆうきは少し考えてから言った。
「このAIが『チャーン確度70%』って出した顧客に、営業が『ヘルススコアが低いので戦略の見直しを』ってメール送ったんです。でも、その顧客は実は単に『夏休みで使わなかっただけ』で、9月に入ったら普通に戻ってきた」
「あ。そか」
「そういう誤検知が他にも出てて。営業は『AIが言ってるから信じろ』みたいな感じで、説得材料になってないんですよ。むしろ『勝手に切られると思われた』みたいに。解約理由が『何か提案が強すぎた』になってる」
バーで何度か聞いてきた話だ。AIは「データの内側」では正確でも、「顧客の文脈」は持たない。ゆうきは気づき始めているようだった。
「要は、AIが見てる『パターン』と、お客さんの『実際の事情』が別ってことか」
「そうなんですよ。構造的に考えると…」ゆうきが少し整理し始める。「AIは『直近30日の利用頻度が落ちた』『前月比で使用時間が60%になった』みたいなシグナルを拾って『離脱リスク高』って判定するわけです。でも、それって…」
「うん?」
「たとえばですけど、お客さんが『今月はプロジェクト納期集中でSaaSの導入時間がない』とか、『次の四半期に本格運用する予定』みたいな背景があったら、そのシグナルって全く意味が変わりますよね」
「正解」
ゆうきはグラスを傾けた。
「でも、AIはそこまで見えないじゃないですか。見えるのはログイン回数とか、機能Aの使用率とか、その数字だけ。だから『同じパターンだから同じ結果』って推測する」
「そう。で、その推測を『科学的』『客観的』って信じちゃう」
「ああ…」ゆうきの表情が変わった。「逆にそれ、危ないですね。だって、営業とか上司は『AIが言ってるから』って判断する理由にしちゃう。でも実は、AIが見てるのは『一部の相関関係』でしかなくて」
「そのシグナルが『本当は何を意味してるのか』は、AIには分からない」
マスターはカウンターの端にメモを書いた。
・だが過去の離脱理由が『予算削減』『別ツール導入』『プロジェクト終了』など複数あれば、その顧客のチャーン理由は特定できない
・シグナル(利用頻度低下)と原因(なぜそうなったのか)は別物
「だから、よくあるズレはこう。AIが『リスク顧客』と出すと、会社は『早めに手を打たなきゃ』って焦る。で、提案とか施策を打つ。そしたら相手はなぜか『営業うざい』ってなる」
「あ、それです。実際、そういうメール、増えましたよ。チャーン率は下がってない」
「当たり前だ。だってAIが言ってることは『あ、利用率が下がってますね』ってだけ。『なぜ下がったのか』『それで本当に離脱しようとしてるのか』は別の問題」
ゆうきは少し沈黙した。
「つまり…予測AIって、『顧客の意図』は予測してないってことですか?」
「そう。予測するのは『データ上の相関性』だけ。『顧客のライフサイクルの文脈』『その顧客の契約背景』『業界の季節変動』『競合の動き』とか、そういう『顧客の事情』は入ってない」
「だからさっきの『夏休みで使わなかった』ケースも、AIには『普通の離脱パターン』に見えちゃう」
「そうだ。で、会社が早めに働きかけちゃうから、かえって不信感を買う」
ゆうきはグラスを置いて、スマホでメモを取り始めた。
「じゃあ、AIの予測ってどう使えばいいんですか?」
「AIが『リスク候補』を教えてくれたら、そこから先は人が『その人の文脈を確認する』。それだけ。『AIが70%って言ってるから施策を打つ』じゃなくて、『どうしてリスク候補と出たのか、実際の事情を聞いてから判断する』」
「あ、そっか。AIは『フィルタリング』であって『判定』じゃない」
「その通り。AIが仕分けしてくれたら、後は人が『その顧客には何が必要か』を判断する。AIの予測を『実際の施策の理由』にしちゃうから失敗する」
ゆうきは少し違う角度で聞き始めた。
「でも、SaaS企業ってタッチの頻度も限られてますよね。全員に『事情を確認』するわけにもいかなくて…」
「そこだ。制約がある。だからこそ、『AIは『パターン認識』までしかできない』って組織が共通認識を持つべき。『AIが言ってるから』じゃなくて『AIが言ってるから、これこれこういう理由で』と整理する癖をつける」
「数字メモみたいに?」
「そう。『どんなシグナルで判定されたのか』『そのシグナルが本当は何を意味する可能性があるのか』『その顧客の契約背景は何か』『同業界での利用パターンは』とか。AIの出力と、自分たちの解釈を分ける」
ゆうきは頷いて、別のビールを注文した。
「あ、あと。もう1つ聞いてもいいですか」
「どうぞ」
「AIの離脱予測って、精度が上がれば上がるほど、それを『根拠に提案する』ことが増えると思うんです。でも、それって顧客との信頼を壊しませんか?」
「壊す。特にSaaSは長期契約だから。『うちはお前の行動パターンをこんなに分析してる』って見えちゃう。不気味に映る」
「あ…」
「予測が当たるほど『監視されてる感』が増す。逆説的だけど」
ゆうきは少し表情を曇らせた。でも、何か腑に落ちた感じもあった。
よくある質問
Q:予測AIの精度が85%なら、それで対応した方がいいんじゃないか。
A:その85%は「過去の同じパターンの顧客が85%チャーンした」という意味。今の顧客がチャーンする理由が過去と同じとは限らない。精度が高いほど「その顧客の個別事情を確認する」ステップが逆に重要になる。
Q:なら、予測AIを導入する意味は?
A:すべての顧客に時間をかけられない時に、「確認すべき優先順位」を付けるため。AIは「スクリーニングツール」と考える。判断は人が下す。
Q:SaaS企業が利用率の低下を検知したら、どう対応すべき?
A:最初は「確認」。『最近ご利用が減った』と事実を伝えて、相手の事情を聞く。AIは「何か変わったシグナル」を教えてくれるだけ。そこから先の施策は、その顧客の返答次第で分岐させる。

