Klarna の AI アシスタントが 8500 万人のユーザー向けに大規模カスタマーサポートを再定義した方法
Klarna は LangGraph と LangSmith を活用した AI エージェントを導入し、700 名のフルタイム従業員に相当する業務を 8500 万人のユーザーに対して自動化することで、カスタマーサポートのスケーラビリティと効率性を劇的に向上させた。
キーポイント
LangGraph と LangSmith を活用した AI エージェントの実装
Klarna は単なるチャットボットではなく、支払い処理や返金対応など複雑なタスクを実行できる「エージェント」を構築し、LangChain の LangGraph（ワークフロー管理）と LangSmith（監視・評価）を基盤として採用した。
700 名の従業員に相当するスケーラビリティの実現
250 万回を超える会話実績を持つこの AI システムは、多部門にまたがるエスカレーション処理を自動化し、実質的に 700 人のフルタイムスタッフの業務能力を代替している。
グローバル市場での顧客体験の向上
スピード、精度、アクセシビリティを兼ね備えたソリューションにより、8500 万人のアクティブユーザーと 250 万件の日次取引を支えながら、世界的なカスタマーサポートの質を再定義した。
影響分析・編集コメントを表示
影響分析
この事例は、LLM を単なる対話ツールとしてではなく、実務を完遂する「エージェント」として運用する際の具体的なアーキテクチャと効果を証明した点で重要です。特に、LangGraph を用いた複雑なワークフロー制御と LangSmith による品質管理の組み合わせが、大規模企業における AI の信頼性とスケーラビリティを担保する標準的なパターンとなりつつあります。
編集コメント
Klarna の事例は、AI エージェントが単なる実験段階を超え、実務の根幹を担うレベルに到達したことを示す決定的な証拠です。特に LangGraph を活用した複雑な業務フローの自動化手法は、他社における大規模導入の参考モデルとして極めて価値が高いと言えます。
Klarna は、消費者中心で AI を活用した決済・ショッピングソリューションにより、グローバルな商取引のあり方を変革しました。同プラットフォームには 8500 万人以上のアクティブユーザーと、1 日あたり 250 万件の取引が登録されており、Klarna は、より賢く柔軟な金融ソリューションを消費者に提供しながらショッピングを簡素化するフィンテック業界のリーダーです。
Klarna の主力となる AI アシスタントは、ショッピングおよび決済体験を革命的に変えています。LangGraph を基盤とし、LangSmith によって駆動されるこの AI アシスタントは、顧客の決済処理から返金対応、その他の決済関連のエスカレーションまで、多岐にわたるタスクを処理します。
これまでに 250 万件もの会話に対応してきた同 AI アシスタントは、単なるチャットボットの域を超え、700 名のフルタイムスタッフに相当する業務を遂行する変革的な エージェント です。迅速な結果の提供と、企業全体の効率向上を実現しています。
チャレンジ：カスタマーサポートのスケーリングとエスカレーション対応
エスカレーション過多への対処
Klarna は、多部門にわたるエスカレーション（上級処理）の管理において、日益増する課題に直面していました。高まる消費者の期待に応えるため、Klarna には、スピード、精度、アクセシビリティを兼ね備えつつ、グローバル市場でスケーリング可能なソリューションが必要でした。
"LangChain は、AI を活用したアシスタントの実現というビジョンを達成し、サポートの規模拡大と世界中での優れた顧客体験の提供において、素晴らしいパートナーとなってくれました。"— セバスチャン・シミアトコフスキ氏**、Klarna 代表取締役兼共同創設者
ソリューション：LangGraph と LangSmith を活用
精度とパフォーマンスを牽引するパートナーシップ
Klarna は、AI アシスタントを信頼性が高くスケーラブルな マルチエージェント システムへと進化させるため、LangGraph と LangSmith に注力しました。主な改善点は以下の通りです：
- コントロール可能なエージェントアーキテクチャ：Klarna の AI アシスタントは、LangGraph フレームワークを使用してリクエストをルーティングし、異なるタスクを処理しました。これにより、レイテンシの削減、信頼性の向上、運用コストの削減が実現されました。
- 文脈認識型インテリジェンス：Klarna は、特定のシナリオに合わせてプロンプトを動的に調整することで、AI アシスタントが一貫して関連性が高く文脈を考慮した回答を提供し、トークンコストとレイテンシを削減することを確保しました。
- テスト駆動型開発：LangSmith を用いることで、Klarna は AI アシスタントの動作をステップバイステップで確認し、発生した問題を特定することができました。LangSmith の活用により、Klarna は AI アシスタントの重要なユースケースを厳密にテストし、LLM（大規模言語モデル）評価とプロンプトの反復を通じてエージェントのパフォーマンスを検証・改善しました。
- プロンプト最適化：Klarna の知見は逆に LangSmith のプロンプトエンジニアリング機能を向上させました。特に、Klarna はメタプロンプティングのような高度な機能の開発と設計に影響を与えました。メタプロンプティングでは、ユーザーが特定の改善点を提案し、それに基づいてプロンプトを提示することで、最適化されたプロンプトが回答品質にどのような影響を与えるかを確認できます。
影響
LangGraph で構築され、LangSmith で洗練された Klarna の AI アシスタントは、チームが顧客の昇格（エスカレーション）をより効果的に処理できるよう支援しました。過去 9 ヶ月間で以下の成果を達成しています：
- より迅速な解決：顧客問い合わせの平均解決時間を80%短縮し、ユーザーへの応答を高速化するとともに、アナリストやエンジニアが週に数時間かけていた調査時間を削減しました。
- チャット対応におけるAI自動化の拡大：反復的なサポートタスクの約70%を自動化し、カスタマーサービス担当者が複雑で高価値なやり取りに集中できる環境を整えました。
- 精度の向上：拒否の根本原因特定が改善され、顧客からのエスカレーション（上級対応要請）が大幅に減少しました。
関連コンテンツ
LangSmith
コーディングエージェントの予測可能な動作を実現した方法
Martha Janicki
2026年6月15日
5分
事例紹介
Box AIの構築：エンタープライズ向けコンテンツプラットフォームがDeep Agents（深層エージェント）でAIネイティブへ移行した方法
Sofia Sulikowski
2026年6月12日
6分
LangSmith
エージェントに最適なサンドボックスを選ぶ方法
ラフル・ベルマ
2026 年 6 月 12 日
6 分
エージェントが実際に何をしているかを確認する
LangSmith は、エージェントエンジニアリングプラットフォームであり、開発者がすべてのエージェントの決定をデバッグし、変更の評価を行い、ワンクリックでデプロイできるよう支援します。
原文を表示
Klarna has reshaped global commerce with its consumer-centric, AI-powered payment and shopping solutions. With over 85 million active users and 2.5 million daily transactions on its platform, Klarna is a fintech leader that simplifies shopping while empowering consumers with smarter, more flexible financial solutions.
Klarna’s flagship AI Assistant is revolutionizing the shopping and payments experience. Built on LangGraph and powered by LangSmith, the AI Assistant handles tasks ranging from customer payments, to refunds, to other payment escalations.
With 2.5 million conversations to date, the AI Assistant is more than just a chatbot; it’s a transformative agent that performs the work equivalent of 700 full-time staff, delivering results quickly and improving company efficiency.
The Challenge: Scaling Customer Support & Handling Escalations
Overcoming escalation overload
Klarna faced growing challenges in managing multi-departmental escalations. To meet rising consumer expectations, Klarna needed a solution that could combine speed, accuracy, and accessibility while scaling across global markets.
"LangChain has been a great partner in helping us realize our vision for an AI-powered assistant, scaling support and delivering superior customer experiences across the globe."— Sebastian Siemiatkowski, CEO and Co-Founder, Klarna
The Solution: Powered by LangGraph and LangSmith
A partnership driving precision and performance
Klarna turned to LangGraph and LangSmith to evolve their AI Assistant into a reliable, scalable multi-agent system. Key improvements included:
- Controllable agent architecture: Klarna’s AI assistant routed requests and handled different tasks using the LangGraph framework. This helped decrease latency, improve reliability, and cut operational costs.
- Context-aware intelligence: By dynamically tailoring prompts to specific scenarios, Klarna ensured that their AI assistant consistently delivered relevant, context-aware responses while reducing token costs and latency.
- Test-driven development: With LangSmith, Klarna could pinpoint what issues arose by seeing step-by-step how their AI assistant behaved. Leveraging LangSmith, Klarna rigorously tested critical use cases for their AI assistant, then validated and refined agent performance with LLM evaluations and prompt iteration.
- Prompt optimization: Klarna’s insights in turn improved LangSmith’s prompt engineering features – notably, Klarna helped inspire and design advanced capabilities like meta-prompting. Meta-prompting allows users to suggest specific improvements to the prompts, by prompting them and seeing how the optimized prompt impacted response quality.
The Impact
Built with LangGraph and refined with LangSmith, Klarna’s AI assistant has empowered their teams to handle customer escalations more effectively. They’ve achieved the following results in the past 9 months:
- Faster resolutions: Reduced average customer query resolution time by 80%, enabling faster responses to user queries and saving analysts and engineers hours a week of investigation time.
- Increased AI automation for chat handling: Automated ~70% of repetitive support tasks, freeing up customer service agents to handle complex, high-value interactions
- Improved accuracy: Improved root cause identification for rejection, leading to a significant reduction in customer escalations.
Related content
LangSmith
How We Made Coding Agent Spend Predictable
Martha Janicki
June 15, 2026
5
min
Case Studies
Building Box AI: How an Enterprise Content Platform Went AI-Native with Deep Agents
Sofia Sulikowski
June 12, 2026
6
min
LangSmith
How to Choose the Right Sandbox for Your Agent
Rahul Verma
June 12, 2026
6
min
See what your agent is really doing
LangSmith, our agent engineering platform, helps developers debug every agent decision, eval changes, and deploy in one click.
関連記事
Gemini 3.5 Flash にコンピュータ操作機能を導入
Google DeepMind は、AI モデル「Gemini 3.5 Flash」に、ユーザーの代わりにブラウザやアプリケーションを直接操作する機能を実装したと発表した。これにより、複雑なタスクの自動化が可能になる。
AI エージェントに記憶機能を実装する方法
LangChain が、AI エージェントに長期・短期の記憶機能を組み込むための具体的な手法とアーキテクチャを解説している。
おトク革命～楽しい自動値引き体験の裏側
メルペイの決済プラットフォーム開発チームが、残高管理や帳簿連携を担当するエンジニアにより、利用者が繰り返し使いたくなるよう決済体験を楽しくする「おトク革命」プロジェクトの内容を紹介している。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み