1. 事例の概要と数値の出所
Cars24の事業規模と技術体制
Cars24は、インド・UAE・オーストラリアで中古車の売買仲介を手がける企業であり、社内に専任のエンジニアリング組織を有し、プロダクト開発・インフラ整備・データ基盤を内製で運用している。従業員規模・資本力・技術体制のいずれも、日本の中小企業とは大きく異なる点をまず確認しておく必要がある。
なお、展開地域のうちインドは電話による商談文化が根強く、UAEは多言語対応が前提の市場であり、日本市場とは商習慣・個人情報規制・言語処理の要件が異なる。後述する転用可否の判断はこの差異を踏まえて読む必要がある。
公表された数値の内訳と留意点
OpenAIの公式事例ページ（openai.com/customer-stories、Cars24掲載、2025年時点）によると、Cars24がOpenAI APIを活用して構築した音声・チャットエージェントの成果として以下の数値が示されている。
- AIエージェントが月間100万分を超える会話を処理
- カスタマーサポートの解決率が50%向上
- 主要業務の所要時間が80%短縮
- 失効していた売り手リード（連絡が途絶えていた売却見込み客）の12%を再獲得
これらはCars24による自己申告値であり、計測方法・比較基準期間・対象業務の範囲はOpenAIの公式ページ上では詳述されていない。「80%短縮」がどの業務のどのステップを対象にしているかは現時点で不明であるため、数字そのものを自社目標値として流用することは適切でない。
月100万分という処理量を人員換算すると、1人のオペレーターが月に対応できる通話量を仮に2,000分（1日約100分×20営業日）とした場合、単純計算で500人月相当の業務量になる。これはエージェント（AIが手順を判断して自動で応対する仕組み）を常時数十席規模のコールセンターに相当する並列稼働で動かした結果と言い換えられる。ただしこの換算は概算であり、実際の稼働率・平均通話時間・業務の複雑さによって大きく変わる点に留意されたい。
2. 事例の信頼性評価
「誇大発表」か「実体のある事例」か
結論から言えば、この事例は誇大なものではなく「実体のある事例」に分類できる。根拠は、OpenAIの公式ページ上に具体的な数値と使用ツールの内訳が明記されており、「AIで業務を革新した」といった抽象的な表現にとどまらず、業務工程に対応した指標が示されている点にある。
一方で留意点がある。第一に、数値はCars24側の発表であり独立した第三者機関による検証ではない。第二に、「12%再獲得」「50%向上」「80%短縮」はそれぞれ異なる業務・部門の数字であり、全社的に均一に達成された成果である可能性は低い。「AIで応対業務を効率化できる方向性は実証されている」という読み方が妥当であり、「同じ数字が誰でも再現できる」という読み方は適切でない。
3. 日本での適用可能性と環境ギャップ
道具は揃っているが実装ノウハウは乏しい
OpenAI APIおよびChatGPT Enterprise（企業向けの管理機能・セキュリティ設定が付加されたChatGPTのサービス形態）はいずれも日本語に対応しており、テキスト・音声それぞれのエージェントを日本語で構築することは技術的に可能な状態にある（OpenAI公式ドキュメント、2025年時点）。この点で「海外企業だけに使える仕組み」ではない。
ギャップは実装ノウハウの側にある。音声AIで電話応対を自動化する構築事例は海外では複数公開されているが、日本語を対象とした中小企業向けの実装パターンや費用感に関する公開情報は現時点では乏しい。特に電話音声エージェントについては、日本語特有の敬語表現・地名・車種名などの固有名詞の認識精度、誤応対時の責任設計など、別途検証が必要な要素が多い。
加えて、日本では個人情報の取り扱いに関する法的要件（個人情報保護法およびその関連ガイドライン）が通話録音・データ保存の運用設計に影響するため、Cars24が展開するインドやUAEとは異なる制約のもとでシステムを設計する必要がある。
4. 転用しやすい業務と転用しにくい業務
中小企業が現実的に切り出せる三つの領域
Cars24の事例から中小企業が現実的に切り出せるのは、大規模音声処理ではなく以下の三領域と考えられる。
一つ目は、定型問い合わせへの一次対応である。営業時間・在庫状況・料金・手続きの流れなど、回答が定型化できる質問をAIに処理させる用途は、チャット形式であれば日本語でも精度を確保しやすく、開発工数も少ない。
二つ目は、失効リードの再接触である。見積もり後に連絡が途絶えた顧客に対して、AIが文面を下書きしたフォローメッセージを送る運用がこれに相当する。Cars24が公表した「失効リード12%再獲得」と対応する部分であり、人員が限られた営業組織でも取り組みやすい。送信判断・送信タイミングの最終確認を人間が行う設計にすれば、誤送信リスクも抑えられる。
三つ目は、社内文書の要約・下書き補助である。ChatGPT Enterpriseに相当するツールを財務・法務・営業の担当者が使い、議事録・契約書・提案書などの作成時間を短縮する用途は、システム連携を伴わないため最もすぐに始めやすい。
導入が向かないケースと見送り条件
以下の状況では、現時点での導入は効果よりも負荷が大きくなるリスクがある。
電話音声を全面的にAIに委ねる運用は、通話基盤の整備・音声認識精度の検証・誤応対時の対応フロー設計が前提となり、専任の技術担当者なしでは維持が困難である。Cars24が実現した月100万分規模の音声自動化は、この条件が整った体制のうえに成立している。
また、問い合わせ内容が非定型で個別判断を多く要する業務、顧客との関係構築がやり取りの質に強く依存する業務、回答誤りが契約・法律・安全性に直結する業務については、AIの一次対応が返ってリスクを高める可能性がある。
さらに、FAQを整理する担当者が社内に確保できない状況や、チャット応対の品質を継続的に確認するための担当工数を設けられない状況も、導入を見送るべき条件となる。AIの応対品質は初期設定後も継続的な見直しが必要であり、「一度設定すれば放置できる」という前提は成立しない。
5. 具体的な始め方と費用感
情報システム部門なしでも着手できる最小手順
以下の手順は、専任の情報システム担当者がいない環境を前提としている。なお、手順3以降は外部の開発パートナーへの依頼が必要になる。
手順1として、既存のメール・電話メモ・チャット履歴から、繰り返し来ている質問を20〜30件書き出す。これがAIに読み込ませる「回答の元データ」になる。この作業は非エンジニアが単独で実施できる。
手順2として、ChatGPT Enterpriseまたは有料プランのChatGPTにそのFAQを入力し、一次回答の品質を確認する。API連携やエージェント化はこの時点では不要で、まず「使えるか」を低コストで確かめる目的に絞る。
手順3として、効果が確認できた場合に限り、自社サイトのチャット窓口への組み込みを検討する。この段階でOpenAI APIの利用と、外部の開発パートナーへの依頼が必要になる。
費用の目安
ChatGPT Enterpriseの利用料は人数課金制であり、少人数での導入であれば月あたり数万円規模から検討できる。ただし正式な料金はOpenAIへの問い合わせが必要であり（2025年時点で価格は非公開）、本記事では確定値として示せない。
OpenAI APIはトークン数（AIが一度に処理できる文字量の単位）に基づく従量課金であり、テキスト中心のFAQ対応を小規模で検証する範囲であれば月数千円から試せると考えられる（利用量により変動するため、OpenAI公式の料金ページで最新単価を確認のこと）。音声処理を加えると費用は大幅に増加するため、効果をテキストで先に確かめてから拡張するほうが合理的である。
6. エンジニア向けツールの位置づけ
Codex・Linear・GitHubは開発組織がない環境には直接関係しない
Cars24の事例では、Codex（コード作業を補助するAIツール）、Linear（タスク・バグ管理ツール）、GitHub（ソースコード管理サービス）の活用も報告されている。これらは開発チームが自社システムを内製・改修する際に使うツールであり、自社にエンジニアリング組織がない中小企業には直接関係しない。
マーケティング・営業・管理部門の担当者が参考にすべき部分は、前述の「定型問い合わせ対応」「失効リードの再接触」「文書作成補助」の三領域であり、Codex等のツール群を模倣する必要はない。自社にエンジニアがいる場合は、開発効率化の観点でこれらのツールを別途検討する余地はあるが、本記事の主題である「応対業務への転用」とは切り離して判断すべきである。
7. 判断基準のまとめ
着手すべきケースと見送るべきケースの分岐
問い合わせの一次対応と失効リードのフォローを対象に、テキスト・チャット形式から小規模で始める場合は、費用・技術・言語精度のいずれの面でも着手できる環境が整っていると考えられる。FAQの整理という初期作業を担える担当者が一人でも確保できれば、手順1・2は情報システム部門なしで実行可能である。
一方、音声自動化の全面導入・専任担当者の不在・問い合わせ内容の非定型性・回答誤りが契約や安全に直結する業務のいずれかに該当する場合は、現時点での導入を見送り、国内での実装事例が蓄積された段階で改めて評価することが妥当である。
Cars24の事例が示す方向性—AIで応対業務を効率化し、失効リードを掘り起こす—は中小企業にも適用できる考え方だが、同社が実現した数値をそのまま自社目標に置くことは根拠を欠く。自社の問い合わせ量・担当者の工数・許容できるリスク水準を起点に、転用できる部分を個別に見極めることが実務上の正しい順序である。
本記事はAskive編集長・四月 鶉（Yotsuki Uzra）監修のもと編集しています。
本記事はAskiveのAIネイティブ編集部が執筆し、編集長 四月鶉（Yotsuki Uzra）が監修しています。内容は公開時点で確認できた情報に基づきます。