問い合わせフォームの一次対応をAIで自動化する設計手順

問い合わせフォームから届く連絡に、返信が追いつかない。似た質問への同じ返答を毎日書いている。そんな状態を、AIで軽くしたい方に向けた記事です。

ここでは、問い合わせフォームの一次対応をAIで自動化するための設計手順を、非エンジニアの方でも自分の手で組み立てられる粒度でお伝えします。読み終わる頃には、どこまでをAIに任せ、どこを人が持つべきかを線引きでき、明日から試せる自動返信とAI下書きの仕組みの全体像が描ける状態を目指します。

なお、フォームそのものの設置や社内問い合わせの仕分けは範囲が広いため、深掘りが必要な方は問い合わせをAIで自動仕分けする手順もあわせて読むと、この記事の設計がつなげやすくなります。

Contents / 目次

1. 問い合わせフォームの一次対応は「受付」と「仕分け」の2層で自動化する
2. AIで自動返信と一次対応を組み立てる具体的な手順
3. 自動化で何が変わるのか。期待できる成果の考え方
4. よくある失敗と、その防ぎ方
5. 使ってみて分かる落とし穴と、現場での妥協点
6. まずは小さく試すことから始めましょう

問い合わせフォームの一次対応は「受付」と「仕分け」の2層で自動化する

問い合わせフォームの一次対応の自動化は、「即時の受付返信」と「内容の仕分け・下書き生成」の2層に分けて設計するのが結論です。全部をAIに丸投げするのではなく、機械が確実にできる部分と、AIが得意な部分を切り分けます。

一次対応とは、問い合わせが届いた直後に行う最初の対応のことです。かんたんに言うと、お客さまを待たせないための「受け止め」の部分を指します。ここを自動化できると、返信の初速が上がり、担当者は本当に人が判断すべき案件に集中できます。

まず、やるべきことの全体像を3つに整理します。順番に見ていきましょう。

• 受付の自動返信：フォーム送信の直後に「受け付けました」と自動で返す。人の手を一切介さず、機械的に送る層です
• 内容の仕分けと下書き：届いた本文をAIが読み、種類（質問・見積依頼・クレームなど）と緊急度を判定し、返信の下書きまで作る層です
• 人の最終確認と送信：AIが作った下書きを担当者が確認し、必要なら直して送る層です。ここは人が持ちます

この3層のうち、1つ目は昔からある機能で、2つ目が生成AIで大きく変わった部分です。3つ目を省かないことが、事故を防ぐ最大のポイントになります。

下の表に、それぞれの層で「誰が担うか」と「気をつける点」をまとめました。

層	担い手	目的	注意点
受付の自動返信	フォーム機能（機械）	お客さまを待たせない	定型文なので誤りは起きにくい
仕分け・下書き	生成AI	分類と返信案づくり	誤分類・作り話が起きうる
最終確認・送信	人（担当者）	誤送信を防ぐ砦	ここを省くと事故に直結

ポイント。最初から完全自動を狙わないことです。まずは「受付返信」と「AIによる下書き」までを自動化し、送信は人が担う半自動から始めると、失敗しても被害が小さく、改善もしやすくなります。

AIで自動返信と一次対応を組み立てる具体的な手順

ここからが本題です。問い合わせフォームの一次対応をAIで組み立てる手順を、ステップに分けて解説します。特定のツールの画面ボタン名ではなく、どのツールでも共通して使える「準備するもの・AIに渡すもの・確認するもの」を軸に書きます。

ステップ1。自動化のゴールを数値で決める

最初にやるのは、ゴールを数字で決めることです。ここが曖昧なまま進めると、あとで「結局なにが良くなったのか分からない」状態になります。

たとえば「初回返信までの時間を平均4時間から30分にする」「よくある質問への手作業の返信を半分に減らす」のように、今の状態（Before）と目指す状態（After）をセットで書きます。まずは自社の直近1か月の問い合わせを数えて、種類ごとの件数を出すだけでも十分な出発点になります。

ステップ2。過去の問い合わせを分類して「型」を作る

次に、AIが判断する材料をそろえます。AIは、参照するデータが薄いと的確な仕分けができません。ここが自動化の土台です。

過去3〜6か月の問い合わせを集め、種類ごとに分けます。多くの会社では、次のような型に落ち着きます。

• 一般質問：営業時間・料金・仕様など、答えが決まっているもの
• 見積・資料請求：営業担当につなぐべきもの
• 不具合・クレーム：感情への配慮と、人の即対応が要るもの
• 取引先・採用など：担当部署へ振り分けるもの

それぞれの型に、実際の返信例を2〜3通ずつ添えておきます。この「型＋返信例」が、後でAIに渡す一番大事な材料になります。よくある質問の答えが社内で散らばっている場合は、先に社内ナレッジに答えるRAG構築手順の考え方で情報を1か所に集めておくと、この後がぐっと楽になります。

ステップ3。受付の自動返信を設定する

受付の自動返信は、フォーム側の自動返信機能で設定します。ここはAIを使わず、定型文を機械的に返す層です。誤りが起きにくいので、まずここを固めます。

自動返信文に入れる項目は、次の4つを目安にします。

• 受付の確認：「お問い合わせを受け付けました」の一文
• 返信の目安：「通常◯営業日以内にご連絡します」
• 急ぎの導線：電話番号など、緊急時の別の連絡先
• 控えの内容：送信された問い合わせ内容の写し

ステップ4。AIに仕分けと下書きをさせる

ここが生成AIの出番です。届いた問い合わせ本文をAIに渡し、「種類の判定」「緊急度の判定」「返信の下書き」の3つを一度に出させます。

プロンプト（AIへの指示文）は、作り込みすぎる必要はありません。今のAIは、ざっくり頼めば自分で整えてくれます。出発点として、次のような短いたたき台を用意し、あとはAIと対話しながら自社に合わせて詰めてください。

あなたは［会社名を入力］のカスタマー担当です。
以下の問い合わせ本文を読み、次の3つを出力してください。

1. 種類（一般質問／見積・資料請求／不具合・クレーム／その他 から1つ）
2. 緊急度（高・中・低）と、その理由を一言で
3. 返信の下書き（丁寧語。事実が確認できない点は「確認します」と書き、断定しない）

参照してよい情報は、以下のFAQと返信例だけです。
ここに書かれていないことは推測で答えず、「担当者から折り返します」としてください。

［FAQと返信例を貼り付け］

--- 問い合わせ本文 ---
［本文を入力］

ポイントは、最後の「書かれていないことは推測で答えるな」という一文です。これがないと、AIが事実にない内容をもっともらしく作ってしまいます。いわゆるハルシネーション（作り話）を抑える指示で、業務利用では欠かせません。仕組みと防ぎ方は生成AIのハルシネーションはなぜ起きるかと防ぎ方で詳しく解説しています。

ステップ5。出力を人が確認して送る運用にする

AIの下書きは、そのまま送らず、必ず人が確認してから送ります。ここを自動送信にしない、というのが安全設計の核心です。

確認の観点は、次の3点に絞ると速く回せます。

• 事実の正誤：料金・納期・仕様など、数字と固有名が合っているか
• 温度感：クレームに対して機械的すぎないか、事務的になっていないか
• 約束の有無：できない約束や、社外に出せない情報を書いていないか

この確認を「1件1分」で回せる形にできると、返信の質を保ったまま、量をさばけるようになります。

ステップ6。ログをためて毎週見直す

最後に、うまくいかなかった問い合わせを記録して、毎週見直す仕組みを作ります。自動化は、作って終わりではなく育てるものです。

「AIが誤分類した」「下書きを大きく直した」ケースを1週間ためて、原因を型に反映します。多くは、ステップ2のFAQや返信例に情報が足りないことが原因です。ここを足していくと、翌週から精度が上がっていきます。

自動化で何が変わるのか。期待できる成果の考え方

一次対応を自動化すると、変わるのは「初回返信までの速さ」と「担当者の集中できる時間」です。24時間いつでも受付返信が返り、届いた問い合わせは仕分け済みで担当者の手元に届くため、朝イチで分類する手間がなくなります。

効果のイメージを、仮の数字でつかんでみましょう。実際の数値は業種や問い合わせの内容で大きく変わるため、あくまで試算です。

項目	導入前（例）	導入後の狙い（例）
初回返信までの時間	平均4時間	受付は即時、本返信は30分〜1時間
1件あたりの返信作成	10分	確認中心で2〜3分
定型質問の割合	問い合わせの半分	下書き流用で大幅に時短

ここで大事なのは、「削れた時間で何をするか」を先に決めておくことです。単に楽になるだけでなく、空いた時間を見積の精度向上やフォロー連絡に回すと、売上につながる動きに変えられます。

ポイント。成果が出ている会社に共通するのは、AIに任せる範囲を最初は狭く決め、ログを見ながら少しずつ広げている点です。いきなり全部を自動化した会社より、半自動から育てた会社のほうが、結果として定着しています。

よくある失敗と、その防ぎ方

ここでは、現場で実際にやりがちな失敗を挙げます。どれも「ありがち」だからこそ、先に知っておくと避けられます。

失敗1。目的を決めずに「とりあえず導入」してしまう

「他社もやっているから」と目的を決めずに始めると、導入後に効果が測れず、社内で「結局使えない」と評価されて止まります。よくある状況です。

防ぐには、ステップ1で決めた数字を関係者で共有しておくことです。「初回返信を30分に」のような1つの指標があれば、成果の判断がぶれません。最初の1業務の決め方は中小企業が最初の1業務を決める手順も参考になります。

失敗2。参照データが薄いままAIに答えさせる

FAQや返信例が整理されていない状態でAIに任せると、的外れな分類や、あいまいな返信ばかりになります。AIは、渡された材料以上のことは正しく答えられません。

防ぐには、ステップ2の「型＋返信例」を先に作り込むことです。完璧でなくてよいので、まず主要な型の返信例を各2〜3通そろえてから動かします。データが育つほど精度が上がる、と理解しておくと焦らずに済みます。

失敗3。AIの回答をノーチェックで自動送信する

下書きをそのまま自動送信にすると、誤った情報や、クレームへの不用意な返信がそのままお客さまに届き、トラブルに直結します。これが一番怖い失敗です。

防ぐには、ステップ5の人の確認を必ず挟むことです。特にクレームと見積は、金額や約束が絡むため、当面は自動送信の対象にしない、と決めておくのが安全です。

失敗4。個人情報の扱いを決めずに使い始める

氏名・住所・注文番号などをそのままAIに入力してしまい、情報の扱いが社内で不明確なまま運用が広がるケースもあります。あとで問題になりやすい部分です。

防ぐには、AIに渡す前に個人情報を伏せ字に置き換えるルールを先に決めることです。何を入力してよいかの線引きはAIに入力してはいけない個人情報と社内ルールの作り方で整理しています。

使ってみて分かる落とし穴と、現場での妥協点

ここは、教科書的な解説では省かれがちな「本音」の部分です。自動化はメリットばかりではありません。導入前に知っておくと、期待とのズレを防げます。

まず、一次対応をAIにしても、二次対応の負荷は消えません。むしろ、仕分けが速くなる分、人が対応すべき難しい案件が早く手元に届きます。楽になるのは「単純な返信」であって、交渉や謝罪が必要な場面は、これまで通り人の仕事として残ります。

次に、内製と外注の切り分けです。よくある質問への下書き生成くらいなら、自社の担当者でも十分に組めます。一方で、基幹システムや顧客管理と連携して在庫や契約情報を見に行くとなると、設計と保守の負担が一段上がります。「どこまで自分たちでやり、どこから任せるか」を先に決めておくと、途中で止まりません。

コストの見落としも起きがちです。ツールの月額だけでなく、FAQを整える手間、毎週ログを見直す運用の人手、AIの利用にかかる従量の費用まで含めて考える必要があります。運用が回らずに放置され、精度が上がらないまま止まる、というのが一番もったいないパターンです。

向き不向きもあります。問い合わせの種類が毎回まったく違う専門性の高い業種では、下書きの流用が効きにくく、効果は限定的になります。逆に、同じような質問が繰り返し届く業種ほど、自動化の恩恵は大きくなります。自社がどちらかを、導入前に一度冷静に見ておくことをおすすめします。

まずは小さく試すことから始めましょう

今日できる最初の一歩として、直近1か月の問い合わせを種類ごとに数えてみてください。10分もあれば、自社で一番多い質問の型が見えてきます。それが、自動化する対象を決める材料になります。さらに具体的なボットの作り方に進みたい方は、GPTsで問い合わせ対応ボットを作る手順と失敗回避もあわせてどうぞ。

ここまで読んで、設計の全体像は見えたけれど自社のデータ整理や運用の仕組みづくりまでは手が回らない、と感じた方もいると思います。そんなときは、気軽に相談してください。

コレットラボのAI業務システム化支援では、次のような業務の自動化をお手伝いしています。

• 問い合わせ対応・FAQ
• 提案書作成の仕組み化
• 議事録・日報
• 顧客データの整理と活用

どの業務から自動化するかの整理だけでも一緒に進められます。現状を棚卸しするところからで大丈夫です。AI業務システム化の詳細はこちらからお話を聞かせてください。