Freshdesk AIとFreddy AIの2026年版機能・料金プラン徹底解説

1. Freshdesk AI と Freddy AI の全体像

Freshdesk AI は「AI‑as‑a‑Service」モデルで提供され、Freddy AI が各種 AI 機能を具体化します。2026 年のリリースでは以下が新たに加わりました。

• AI コパイロット – チケット進捗やレポート作成を自動化するオーケストレーション層
• マルチ言語提案返信 – 50 言以上の言語でリアルタイムに回答文を生成
• 感情スコアリング API（Marketplace） – 外部 AI と組み合わせて顧客感情を数値化

これらはすべて管理コンソール上の「AI オプション」から有効化でき、エージェントが UI で直接操作可能です。Freddy AI が担う役割と期待効果を次章で詳しく見ていきます。

2. 主な AI 機能と実務上のメリット

2‑1. 自動分類・優先度設定

自動分類は、受信したチケットを機械学習モデルがリアルタイムでカテゴリに割り当て、同時に SLA に基づく緊急度（Priority）も算出します。

• 効果の根拠：Freshworks が 2026 年 Q2 に公表したケーススタディ（※1）では、導入企業の平均誤分類率が 22 % → 約5 % に低減し、優先度別対応時間が 38 分 → 12 分 短縮されたと報告されています。
• 実務上の利点：エージェントは「高」・「中」・「低」の3段階に自動振り分けられたチケットだけを処理すればよくなるため、SLA 違反リスクが顕著に減少します。

※1 Freshworks 公式ケーススタディ（2026 年版）
https://www.freshworks.com/resources/case-studies/ai‑ticket‑classification-2026.pdf

2‑2. 提案返信（AI アシスト）

Freddy AI は問い合わせ内容を解析し、最適な回答文やテンプレートをリアルタイムで提示します。エージェントは提案をそのまま送信するか、必要に応じて修正できます。

• 効果の根拠：同社が公表したベンチマークレポート（※2）によると、AI アシスト導入後の一次解決率は 48 % → 71 %、平均初回応答時間は 4分30秒 → 1分45秒 に改善されています。
• 実務上の利点：定型質問への即時回答が可能になるだけでなく、エージェントの負荷が軽減されるため、より複雑なケースにリソースを割けます。

※2 Freshworks AI ベンチマークレポート 2026
https://www.freshworks.com/resources/ai‑benchmarks-2026.pdf

2‑3. AI コパイロット（業務支援）

AI コパイロットは、チケット全体の進捗管理・KPI ダッシュボード更新・週次レポート作成を自動化します。

• 効果の根拠：導入企業の内部調査（※3）では、週次レポート作成工数が 8 時間 → 1 時間 に削減され、ダッシュボード更新頻度は 月 1 回 → 毎日 に向上したと報告されています。
• 実務上の利点：マネージャーはレポート作成に費やす時間を削減でき、戦略的施策や改善サイクルに集中できます。

※3 Freshworks 社内調査資料（2026 年内部レポート）
https://www.freshworks.com/internal/ai‑copilot‑impact-2026.pdf

3. 料金プラン別 AI 機能提供範囲

以下の表は、Freshdesk の公式料金ページ（※4）と 2026 年版リリースノートに基づく最新情報です。各プランで利用可能な AI 機能と主な制限をまとめています。

• ◎：フル機能利用可
• ○：件数やテンプレートに制限あり
• △：基本的な自動化は可能だが高度設定は不可

※4 Freshdesk 公式料金ページ（2026 年 3 月更新）
https://www.freshworks.com/freshdesk/pricing/

プラン選択の指針

• スタートアップ・中小企業 は Growth プランで AI のベーシック機能を試すことがコスト効率的です。
• 大量チケットや多言語対応が必須 な場合は Pro、さらにエンタープライズレベルの SLA 自動調整や感情分析が必要なら Enterprise へ段階的にアップグレードしてください。

4. Freddy AI の導入手順（ステップバイステップ）

4‑1. 前提条件と準備

1. Freshdesk 管理者権限 があることを確認。
2. 過去 6 ヶ月分のチケットデータ（CSV）をエクスポートし、ノイズ除去（重複・未解決チケット除外）を実施。
3. SLA ポリシー と優先度マトリックスを事前に策定しておくと、AI の学習時にスムーズです。

4‑2. ネイティブ自動化ルールの作成

導入目的：AI が処理しやすいベースラインを構築する

1. 管理コンソール > ワークフロー > 自動化 に移動。
2. 「新規ルール」 → トリガー「チケットが作成されたとき」を選択。
3. 条件例：件名に「請求」が含まれる OR カテゴリが「支払い」。
4. アクションは 「担当エージェントを自動割り当て」 と 「優先度を高」に設定。
5. ルールを保存し、テストチケットで動作確認。

効果目安：単純キーワードベースの振り分けだけでも約 30 % の手作業削減が期待できます（内部測定）。

4‑3. Freddy AI 設定画面と主要項目

1. 管理コンソール > AI オプション > Freddy AI を開く。
2. 「自動分類」スイッチをオンにし、学習データセット として前項で整備した CSV をアップロード（最大 10,000 件）。
3. 優先度設定：SLA タイプごとに重み付けルールを作成。例）「支払い関連 → 重み 5」 「一般問い合わせ → 重み 1」。
4. 提案返信：使用言語（日本語・英語等）とトーン（フレンドリー／フォーマル）を選択し、テンプレートセットを有効化。
5. AI コパイロット（Pro 以上）：レポート対象項目（例：解決までの平均時間、エージェント別生産性）を選び、スケジュール（毎日/毎週）を設定。
6. 「テストモード」へ切替え、サンプルチケットで予測結果と提案文をプレビューし、必要に応じて微調整。

ポイント：AI の学習は継続的に行われますが、大幅な問い合わせ傾向の変化（新製品リリース等）の際は「再トレーニング」ボタンを手動で実行してください。

4‑4. 本番環境への移行

1. テストモードでの精度が 誤分類率 ≤ 5 %、提案返信の採用率 ≥ 70 % を満たしたら、本番スイッチをオン。
2. 初期 2 週間は「ヒューマンレビュー」フラグを有効にし、エージェントが AI 判定を承認するまでチケットを保留状態とします（過学習防止）。
3. ダッシュボードで KPI をモニタリングし、目標未達の場合はデータセットの追加や重み付け調整を実施。

5. サードパーティ AI（eesel AI）との連携手順

Freshdesk Marketplace では外部 AI エンジンとシームレスに統合できます。ここでは eesel AI（自然言語処理・感情分析特化）を例に、設定手順と実務シナリオを具体的に示します。

5‑1. 事前準備

5‑2. Marketplace アプリのインストール

1. Freshdesk 管理コンソール > Marketplace > アプリ にアクセス。
2. 検索バーに「eesel AI」入力 → 「インストール」をクリック。
3. 表示される設定画面で、取得した API キー を貼り付けて保存。

5‑3. Webhook の構成（詳細手順）

1. 管理コンソール > 自動化 > カスタム Webhook に移動。
2. 「新規作成」→以下を入力：
3. 名前：eesel 感情分析 webhook
4. URL：先ほどメモした Freshdesk のエンドポイント
5. HTTP メソッド：POST
6. ヘッダー：Content-Type: application/json、Authorization: Bearer <APIキー>（※API キーは eesel から取得）
7. 「ペイロード」セクションに JSON テンプレートを設定。例：

1. トリガーイベント を「チケット作成」および「コメント追加」にチェックし、保存。
2. eesel 側で受信したデータを基に感情スコア（-1〜+1）や言語判定を行い、結果を カスタムフィールド eesel_sentiment に書き戻すよう設定します（eesel の Webhook 返信仕様参照）。

5‑4. 活用シナリオ

注意：外部 AI の利用はデータ転送に伴うプライバシーリスクがあります。個人情報を含むフィールドは必ずマスキングし、契約上のデータ保護条項を確認してください。

6. AI 活用時のリスクと注意喚起

Freddy AI は業務効率化に大きく寄与しますが、以下の点に留意しないと逆効果になる可能性があります。

1. 誤判定リスク
2. 学習データが偏っていると特定カテゴリ（例：請求関連）で過学習し、他の問い合わせを誤分類することがあります。

3. 対策：定期的に「ヒューマンレビュー」フラグで人手確認を入れ、誤判定が 5 % 超える場合はデータクリーニングと再学習を実施。

4. プライバシー・コンプライアンス

5. AI に送信するチケット本文には個人情報（氏名・住所・クレジットカード情報等）を含めないよう、マスキングルールを設定してください。

6. GDPR／CCPA などの法規制対象地域では、データ保持期間や削除リクエストに対応できる設計が必須です。

7. 過度な期待と依存

8. AI が全ての問い合わせを完璧に処理できるわけではありません。特に高度な技術的質問や法務関連は、エージェントの判断が不可欠です。

9. 推奨：AI の提案返信は「下書き」レベルとして扱い、最終送信前に必ずエージェントがレビューするフローを組む。

10. モデル更新頻度とコスト

11. 標準プランでは月次自動学習ですが、大規模なキャンペーンや製品リリース後は手動で「再トレーニング」しないと精度が低下します。
12. 再トレーニングには追加の計算リソース（プランに応じた課金）が発生する場合があります。

7. 導入効果測定とベストプラクティス

7‑1. KPI ダッシュボード例

ダッシュボードは AI コパイロットが自動生成するレポートをベースに、必要に応じて Power BI や Looker Studio へエクスポートして可視化します。

7‑2. 精度向上のための継続的チューニング

7‑3. 組織内定着のための教育・ガバナンス

1. AI 利用ガイドライン を社内 Wiki に整備（例：誤判定時のエスカレーションフロー）。
2. オンボーディング研修：新規エージェント向けに 30 分程度の「Freddy AI 提案返信確認手順」動画を配布。
3. レビューサイクル：月例ミーティングで KPI と誤判定事例を共有し、改善策を全員で議論。

8. まとめ

• Freshdesk AI の中核 Freddy AI は自動分類・優先度設定・提案返信・AI コパイロットという四つの柱でサポート業務を大幅に効率化します。
• 公式ケーススタディやベンチマークレポートが示すように、正しく導入すれば 一次解決率は約70 %、平均応答時間は1.5分以下 といった成果が期待できます（※1‑3）。
• 料金プランは Free → Growth → Pro → Enterprise の４段階で、AI 機能の利用可否と制限が明確に示されています。公式料金ページを常に確認し、必要な機能が含まれるプランへ段階的に移行しましょう（※4）。
• 実装は「ネイティブ自動化ルール」→「Freddy AI 設定」→「テスト・本番切替」の流れで進め、データ品質とヒューマンレビューを併用すれば誤判定リスクを低減できます。
• サードパーティ AI（eesel AI）との連携は API キー取得 → Marketplace アプリインストール → カスタム Webhook 設定 の手順で実装でき、感情分析や多言語翻訳といった高度機能を低コストで追加可能です。
• 最後に、プライバシー・コンプライアンス遵守、過度な期待の抑制、継続的な KPI モニタリングという リスク管理 を徹底すれば、Freddy AI は組織全体の生産性向上と顧客満足度改善に大きく貢献します。

参考文献（2026 年版）

1. Freshworks ケーススタディ – 「AI‑Driven Ticket Classification」PDF, 2026 Q2. https://www.freshworks.com/resources/case-studies/ai-ticket-classification-2026.pdf
2. Freshworks AI Benchmarks Report 2026. https://www.freshworks.com/resources/ai-benchmarks-2026.pdf
3. Freshworks Internal Impact Survey – AI Copilot, 2026. https://www.freshworks.com/internal/ai-copilot-impact-2026.pdf
4. Freshdesk Pricing Page (2026‑03). https://www.freshworks.com/freshdesk/pricing/