【GainSight MCP活用】②デジタルCSでのAI活用レポート
はじめに
本投稿は、AI時代のデジタルCSというテーマで、こんなことを実現することで価値を最大化できるのではということを試してみたレポートです。今回はメール施策に視点を置いて考えてみました。
AIと人との役割分担は以下の表のとおりです。
| 工程 | 担うのは | 理由 |
|---|---|---|
| ターゲットの選定・原因の解釈 | 人 | 顧客との関係性や文脈を踏まえた判断が必要 |
| 原因の分類・対象リスト化 | AI | スコアカードの読み取りとグルーピングは機械的にできる |
| 原因別のメール文面作成 | AI | 同じ原因なら「原因に触れるトーン」を一度設計すれば使い回せる |
| テンプレート登録・設定 | AI（画面操作） | 繰り返しの手作業で、変更は元に戻せる |
| 送信するかどうかの最終判断 | 人 | 顧客への接点の責任は人が負う |
「判断」はAIに任せるのではなく、人が下した判断の「後始末」までを担ってもらいます。
全体フロー
スコアを読んで原因を分類するのはAI、その結果を見て「誰にどう関わるか」を決めるのは人。文面作成と登録をAIが済ませ、最後の送信判断は再び人に戻ります。
実装のポイント: データはMCP、画面はClaude in Chrome
データの読み書きはGainsight MCP、画面でしかできない作業はClaude in Chromeと使い分けます。
- MCPでやること: 対象顧客の取得、スコアカードのメジャー単位の読み取り、コンタクトの取得。結果が構造化されているので、分類や集計に向きます
- 画面操作でやること: デジタルジャーニーのメールテンプレート作成など、APIやMCPに出てこない設定作業
- 使い分けの目安: 「データを読む・書く」はMCP、「画面でしか設定できない」ものはChrome。両者を組み合わせると、抽出から登録までが一本の流れになります
画面操作では、設定項目（配信種別、オプトアウトのカテゴリなど）をAIが独断で選んでいる点に注意が必要です。作成後に人が確認する前提を置きます。
検証で得た学び
検証を通して見えたのは、「AIの前にデータとスコア設計を整える」必要性です。
- 分類の質はスコア設計に依存する: メジャーが空や古い値のままだと、原因を分類できない
- スコアカードが複数あると、原因の言葉を揃える必要がある: ことなるメジャー名を、「利用量」「学習接点」など共通の原因グループに束ねる
- 「低下」の判定には履歴が必要: 現在値だけでは「低い」と「下がった」を区別できない
- 原因の粒度は粗い方が回すところが多い: メジャー単位でテンプレートを作ると本数が増えすぎるため、グループ単位が現実的
- 差し込み項目をあとから設定する前提で作る: テンプレートを作っても、トークン設定が終わるまでは送信できない
運用上の注意
送信と登録の実行は、必ず人が確認してから行います。
- 送信は人が決める: AIが作ったリストと文面は「下書き」で、対象と文面の最終確認を担当者が行う
- 顧客に見せる言葉を選ぶ: スコアやメジャー名といった社内用語はメールに出さず、「最近のご利用状況」のような表現に置き換える
- 配信設定は明示する: オプトアウトや配信種別など、影響範囲の大きい設定をAIが選んだ場合は、その理由を残す
- 変更は元に戻せる範囲から始める: まずはテンプレート作成やリスト作成といった、取り消せる操作に限る
まとめと今後の展開
AIによる画面操作を組み合わせることで、かなりAIエージェント活用の幅が広がるなと感じました。ただ、自由度が高い反面、画面操作の代行などはどこまでAIに任せるべきかという線引きは考えるべきだなとも思いました。AI活用の安全性を考えると、製品提供されている機能を使うべきだなと考えています。機能別にAI生成機能も追加されているのでそれを使いつつ、GainSight Agent Studioで一括設定できることに期待です！！！