AIエージェントを出荷すること自体は、もはや難しい部分ではありません。本当の試練はローンチ後に訪れます。ビジネスが重視する成果を改善できたかどうかを問われるときです。

こうした精査は、すでにエンタープライズの導入計画を変えつつあります。 KPMGの2026年第2四半期グローバルAIパルスでは、49%の組織がコストがメリットを上回り始めた際にAIエージェントの導入を延期または縮小したと回答しています。

流暢な回答だけでは、価値の証明にはなりません。チームは、エージェントが何を理解し、何を行い、ユーザーの状況が改善されたかどうかを把握する必要があります。ほとんどのデプロイメントでつまずくのはここです。エージェントは会社のドキュメントや顧客のアカウント履歴を把握していても、プロダクト内でリアルタイムに展開されるユーザー体験を見逃してしまうことがあります。

欠けているレイヤーは、 プロダクトコンテキストです。これは、ユーザーが何をしたか、何を試みたか、どこで詰まったか、そしてエージェントが介入した後に何が起きたかという行動の記録です。

プロダクトコンテキストが出発点を変える

プロダクトコンテキストがなければ、すべての会話はゼロからスタートします。エージェントはユーザーが問題を説明するのを待ち、背景情報を尋ね、ナレッジベースから最も近い回答を探します。これでは、すでに困っているユーザーに負担をかけることになります。

プロダクトコンテキストがあれば、エージェントは問題に至るまでの経路を把握できます。ユーザーがどのページを訪れたか、どのワークフローを途中で離脱したか、エラーが発生したかどうか、同じ操作を繰り返し試みたかどうかを知ることができます。これらのシグナルをCRMやアカウントデータと組み合わせることで、エージェントは一般的なユーザー像ではなく、このアカウントの、このユーザーに、この瞬間に応答できるようになります。

Pendo for Agents は、チームが構築または導入したエージェントに対してその行動コンテキストを提供し、エージェントの介入が結果を変えたかどうかを測定します。

これにより、サポート、カスタマーサクセス、および従業員のワークフロー全体にわたって実質的な効果が生まれます。

チケットになる前に問題を解決する

ほとんどのサポートエージェントは受動的です。明確な質問ができるユーザーは助けられますが、画面上をぐるぐるクリックし、苛立ちのままプロンプトを入力して、タブを閉じてしまうユーザーを見逃してしまいます。

プロダクトコンテキストにより、エージェントはユーザーに先手を打って働きかけることができます。レイジクリック、エラークリック、Uターン、ページ履歴、過去の操作履歴などのシグナルをもとに、ユーザーがまだ作業中のタイミングで適切なメッセージやウォークスルーをトリガーできます。

Teachableはこのアプローチを実践しました 。PendoのデータをFinサポートエージェントのSunnyに連携させることで、Pendoが困難な瞬間を特定し、関連するコンテキストをSunnyに渡しました。Sunnyはそのコンテキストをもとに、具体的なサポートの申し出からやり取りを開始できるようになりました。Pendoが起点となった会話は67%の解決率を達成し、プロアクティブな会話の86%はチケットを発行せずに解決されました。サポートチームは、フラストレーションがキューに流れ込むのを待つのではなく、ユーザーが必要としている瞬間に寄り添うことができました。

解約リスクを早期に察知して対処する

カスタマーサクセスチームも同様の課題を抱えています。CRMデータはアカウントがリスク状態にあることを確認できますが、多くの場合、行動がすでに変化した後になってからです。より早期のシグナルはプロダクトの中に存在します。コアワークフローが使われなくなる、利用者が1人に絞られる、あるいは購入の決め手となった機能をチームが使わなくなるといった変化がそれにあたります。

プロダクトの利用データとCRMデータが連携することで、チームはリスクをより早期に検知し、その原因を把握できるようになります。 Pendo は、カスタマー対応チームがすでに使用しているツールの中でそれらのシグナルを可視化し、予測を人による介入、ターゲットメッセージ、またはアプリ内ガイドへとつなげることができます。

Emburseが構築した早期警告型の解約予測システム は、この原則に基づいています。同社は4つのシステムに分散していたデータを統合し、モデルのシグナル数を約20から約700の予測因子へと拡張し、CSMを増員することなくカバレッジを拡大しました。その価値は、リスクスコアを明確な次のアクションへと転換したことにあります。

従業員の業務が滞る場所にエージェントを配置する

同じパターンは企業内部にも当てはまります。社内エージェントは会話をログに記録できますが、ログだけでは、従業員がタスクを完了したのか、途中で諦めたのか、あるいは同じ失敗したプロンプトを繰り返し入力し続けたのかを把握することはできません。

エージェントのインタラクションをユーザー行動やビジネス成果と結びつけることで、チームは価値の高いユースケースを特定し、問題の発生箇所を検出し、エクスペリエンスを改善できます。 Ticketmaster はこのアプローチを社内エージェントに活用し、レイジプロンプトを53%削減するとともに、ユーザー定着率80%超を達成しました。 Agent Analytics は、これまで見えなかったシグナルを、チームが改善すべき箇所とスケールすべき箇所を判断するための根拠へと変えます。

エージェントを測定し、次に行動させる

3つのユースケースすべてに共通するプレイブックは、2つのアクションに集約されます。まず、エージェントをプロダクトとして測定する：誰が使っているか、何を依頼しているか、どこで失敗しているか、そして成果を変えているかどうか。次に、適切なタイミングで行動できるよう、十分なコンテキストをエージェントに与える。

エージェントのモデルは、その推論方法を決定します。プロダクトコンテキストは、その推論が目の前のユーザーにとって適切かどうかを左右します。エージェントをROIレビューで生き残らせたいなら、まずそこから始めましょう。

Pendo for Agentsは、構築または購入したあらゆるエージェントにプロダクトコンテキストを連携し、何が機能しているか、どこを改善すべきかを把握するのに役立ちます。詳しくは Pendo for Agents.