社内問い合わせを減らすAIチャットボット｜RAGで自作する手順

「同じ質問が毎日のように飛んでくる」「経費精算のやり方を何度説明しても、また聞かれる」。情シスや総務、人事のご担当者なら、こうした繰り返しの社内問い合わせに時間を奪われている方も多いはずです。

この記事では、社内問い合わせを減らすためのAIチャットボットを、自分たちで作って運用していく具体的な道筋をお伝えします。どう作るかの手順だけでなく、つまずきやすいポイントや「ここは担当者が対応すべき」という線引きまで、率直に解説します。

Contents / 目次

1. 結論。社内問い合わせを減らすなら「RAG型チャットボット」を小さく作る
2. AIチャットボットの作り方。5つのステップで進める
3. どれくらい効果が出る。問い合わせ削減のリアルな成果イメージ
4. よくある失敗と、その防ぎ方
5. 導入前に知っておきたい落とし穴と妥協点
6. よくある質問（FAQ）
7. まとめ。小さく作って、育てる発想で始めよう

結論。社内問い合わせを減らすなら「RAG型チャットボット」を小さく作る

結論からお伝えします。社内問い合わせを本当に減らしたいなら、自社の文書に基づいて答える「RAG型」のチャットボットを、まず1業務だけに絞って作るのが正解です。

RAGとは、かんたんに言うと「AIに自由に答えさせるのではなく、自社の就業規則やマニュアルといった信頼できる資料を読ませた上で、その中から答えさせる」仕組みのことです。Retrieval-Augmented Generation（検索拡張生成）の略です。

なぜRAG型なのか。普通の生成AIに社内ルールを聞くと、それらしいウソ（ハルシネーション）を答えてしまうことがあります。「有給は入社半年で付与されます」と一般論で答えても、自社の規則とは違うかもしれません。RAG型なら、自社の正式な文書だけを根拠に答えるので、この事故をぐっと減らせます。

もう一つ大事なのが「小さく作る」ことです。いきなり全社のあらゆる質問に答えるボットを目指すと、資料集めとテストが終わらず失敗しやすくなります。まずは問い合わせの多い1業務、たとえば経費精算やパソコンの不調対応などに絞りましょう。

チャットボットには大きく3つのタイプがあります。自社に合うものを選ぶために、まず違いを押さえておきましょう。

タイプ	仕組み	向いている場面	注意点
シナリオ型（ルールベース）	あらかじめ決めた選択肢で会話を分岐させる	質問のパターンが少なく決まっている業務	想定外の聞き方に弱い
RAG型（生成AI＋社内文書）	社内資料を読み込み、その内容を根拠に自然な文章で答える	マニュアルやFAQが多い社内ヘルプデスク	文書の整備と更新が必須
エージェント型	答えるだけでなく、申請処理などの操作まで実行する	定型業務の自動化まで踏み込みたい場合	権限管理など設計のハードルが高い

ポイント。最初の一歩としては、RAG型を1業務に絞って作るのが、効果とリスクのバランスが最も良い選択です。エージェント型は魅力的ですが、操作権限が絡むぶん設計が難しく、まず答える機能で実績を作ってから広げるのが安全です。

社内のナレッジをAIに読ませる考え方そのものについては、RAGとは｜社内文書をAIに答えさせる手順を非エンジニア向けに解説でも詳しく解説しています。あわせて読むと、土台の理解が深まります。

AIチャットボットの作り方。5つのステップで進める

作り方の全体像はシンプルです。「対象を決める→資料を集める→AIに読ませる→テストする→公開して改善する」の5ステップで進みます。順番に見ていきましょう。

ステップ1。減らしたい問い合わせを1つに絞る

最初にやるべきは、対象業務をたった1つに決めることです。ここを欲張ると必ず行き詰まります。

選び方の基準はかんたんです。次の3つに当てはまる質問を選びます。

• 件数が多い：同じ問い合わせが繰り返し来ている
• 答えが文書で決まっている：マニュアルや規則を見れば答えが一意に出る
• 答えても感謝されにくい：定型対応で、本来は自動化したい業務

経費精算、勤怠の申請方法、PCやネットワークの初期対応などが典型です。

逆に、人事評価の相談やトラブルのクレーム対応など、感情や個別判断が必要なものは対象から外します。これらは担当者が対応すべき領域です。どの業務から始めるかの考え方は、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。

ステップ2。答えのもとになる資料を集めて点検する

チャットボットの賢さは、読ませる資料の質でほぼ決まります。AIが優秀でも、元の資料が古かったり矛盾していたら、間違った答えしか返ってきません。

選んだ業務に関する文書を集めましょう。マニュアル、FAQ、就業規則、過去の問い合わせメールへの回答などです。集めたら、次のチェックリストで点検してください。

• 最新版か：古いバージョンや、すでに廃止されたルールの文書を混ぜない
• 矛盾がないか：同じテーマで違うことを書いた文書が2つあると、AIが混乱する
• 1文書1テーマか：長大な文書より、テーマごとに分かれている方がAIは正確に引ける
• 機密情報の扱い：個人情報や給与データなど、読ませてはいけないものを除外する
• 更新の担当者：その文書を今後誰が直すのか、責任者を決めておく

AIに入れてはいけない情報の線引きに不安があれば、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を先に確認しておくと安心です。

ステップ3。AIに資料を読ませて答え方を指示する

次に、集めた資料をAIに読み込ませ、答え方のルールを与えます。具体的なツールの画面操作は製品ごとに変わるため公式ドキュメントで確認していただきたいのですが、考え方はどのツールでも共通です。

大事なのは「資料にないことは答えさせない」という指示を最初に入れることです。これがハルシネーション対策の肝になります。出発点として、こんな指示文（たたき台）を渡してみてください。

あなたは［自社名］の社内ヘルプデスク担当です。
以下のルールを必ず守って回答してください。

- 提供された社内資料に書かれている内容だけを根拠に答える
- 資料に答えがない場合は、推測せず「資料内に該当がありません。
  ○○窓口にご確認ください」と案内する
- 専門用語はかみ砕いて、手順は番号付きで説明する
- 参照した資料名を回答の最後に明記する

対象業務は［経費精算］に関する質問です。

このseed（たたき台）はそのまま完成形ではありません。AIは指示に無い条件を推測で埋めることがあるので、根拠にする資料、資料に答えが無いときの案内先、対象業務の3つは短くても書いて渡します。あとはAIと対話しながら、自社の言い回しや業務の特殊事情に合わせて詰めていくのが効率的なやり方です。

ステップ4。公開前に「意地悪なテスト」をする

作ったらすぐ全社公開、は禁物です。必ず社内の数人でテストします。このとき、わざと変な聞き方をするのがコツです。

次の3類型の質問を投げて、AIが知ったかぶりをしないか確認します。

• あいまいな質問：主語や条件をわざとぼかして聞く
• わざと範囲外の質問：読ませた資料にない内容を聞く
• ひっかけ：事実と違う前提を混ぜて誘導してみる

範囲外の質問にきちんと「分かりません、窓口へ」と返せるかが、合格ラインの一つです。

ステップ5。公開して、ログを見ながら育てる

公開はゴールではなくスタートです。チャットボットは作って終わりではなく、使われ方を見て育てるものだと考えてください。会話ログを見れば「答えられなかった質問」が分かります。それが、次に追加すべき資料のリストになります。

どれくらい効果が出る。問い合わせ削減のリアルな成果イメージ

うまく運用できると、繰り返しの問い合わせ対応にかかっていた時間を、目に見えて減らせます。削減の幅は、扱う業務量や元の問い合わせ件数によって大きく変わります。

国の行政機関でも導入は進んでいます。たとえば総務省とデジタル庁は2024年3月26日に、マイナンバー・子育て・医療保険・年金・税など、住民からの問い合わせが多い分野のよくある質問に答える国・地方共通相談チャットボット「Govbot（ガボット）」の提供を始めました。総務省は、住民の利便性の向上と自治体の窓口負担の軽減につながることを見込んでいます。中小企業でも同じ発想で十分に取り組めます。

具体的な数字は、扱う業務量や元の問い合わせ件数で大きく変わるため一概には言えません。ただ、考え方として試算してみましょう。仮に1日20件の定型問い合わせがあり、1件の対応に往復5分かかっているとします。これだけで1日100分、月20営業日で約33時間かかっている計算です。

このうち、よくある質問の6割をチャットボットが拾えたとすると、月20時間ほどの担当者の時間が戻ってくることになります。これはあくまで例示の試算ですが、削減の感覚はつかめるはずです。

効果を出すために押さえたい点は、次の3つです。

• 対象を絞っている：全部を任せず、効果の大きい業務に集中している
• 逃げ道を用意している：AIが答えられない時、すぐ人につながる導線がある
• 更新を続けている：ログを見て、月に一度は資料や答え方を手直ししている

ポイント。成果を決めるのは、作るときの技術力よりも、公開した後に地道に育て続けられるかどうかです。

よくある失敗と、その防ぎ方

社内チャットボットで起こりやすい失敗を3つ、起きる流れと防ぎ方のセットで紹介します。

失敗1。資料が古くて、間違った案内をしてしまう

制度や手順が変わったのに、元の資料を更新しないまま放置するケースです。AIは古い資料を真面目に読んで、古いルールを自信満々に案内してしまいます。社員は「ボットが言ったから」と信じてしまい、かえって混乱が広がります。

防ぐには、資料ごとに更新担当者と見直しの周期を決めておくことです。「制度変更があったら、まずボットの資料を直す」を業務フローに組み込みましょう。誰のものでもない状態が一番危険です。

失敗2。答えられない質問に、無理やり答えてしまう

範囲外の質問に対して、AIがそれらしいウソをつくパターンです。「分かりません」と言えない設定のまま公開すると起きます。一度でも間違った案内をされると、社員はボットを信用しなくなり、結局また人に聞くようになります。

防ぐ方法は2つです。

• ステップ3で示したように「資料にないことは答えるな」と明確に指示すること
• 答えられない時に、人の窓口へ案内する逃げ道を必ず用意すること

失敗3。作って満足し、誰も使わなくなる

導入を一度きりのプロジェクトと考えてしまう失敗です。公開後にログを見ず、改善もしないと、最初の精度のまま放置され、徐々に「使えないボット」と見なされ、使われなくなっていきます。

防ぐには、運用を業務として組み込むことです。月に一度でいいので「答えられなかった質問」を確認し、資料を足す時間を決めておきましょう。問い合わせ自体をデータとして見える化すると改善しやすくなります。やり方は総務・情シスへの問い合わせをデータ化する集計フォーム自作術も参考になります。

導入前に知っておきたい落とし穴と妥協点

ここからは、導入前に知っておきたい注意点をお伝えします。検討段階で知っておくと、判断を誤らずに済みます。

まず大前提として、チャットボットは「ない資料」からは答えを作れません。社内マニュアルがそもそも無い場合は、チャットボット作り以前に、マニュアルやFAQを書き起こす作業が本体になります。ここを軽く見ると、いつまでも精度が上がりません。

次に、内製と外注の切り分けです。RAG型を小さく1業務で試すだけなら、ノーコードのツールを使って自分たちで作れる範囲です。一方で、人事システムや勤怠データと連携させたり、申請処理まで実行させるエージェント型に踏み込むと、権限管理やセキュリティの設計が必要になり、難易度が一気に上がります。

機密データを扱うチャットボットでは、誰がどの情報にアクセスできるか（権限）の設計を軽視すると、見えてはいけない情報が回答に混ざる事故につながります。APIキーやアクセス権は「技術的な細部」ではなく、ガバナンスの問題として扱ってください。

コストの見落としにも注意が必要です。ツールの月額料金だけを見がちですが、本当のコストは「運用にかかる人の時間」です。資料を更新し、ログを見て改善する担当者の工数を見込んでいないと、結局回らなくなります。

そして向き不向きです。問い合わせの種類が毎回バラバラで、文書化しにくい属人的な業務には、チャットボットは向きません。逆に、答えが決まっていて件数が多い業務には、これ以上ない相性です。

自社の問い合わせがどちらに寄っているかを、まず冷静に見極めることが何より大事です。社員にいきなり使わせる前の社内浸透（チェンジマネジメント）も、地味ですが成否を分けます。

よくある質問（FAQ）

まとめ。小さく作って、育てる発想で始めよう

社内問い合わせを減らすAIチャットボットは、特別な開発力がなくても、考え方さえ押さえれば自分たちで始められます。鍵は、RAG型で1業務に絞って小さく作り、答えられない時は人につなぎ、ログを見て育て続けることです。

とはいえ、社内資料の整備、セキュリティの設計、運用体制づくりまで含めると、自社だけでやり切るのは大変だと感じた方もいるかもしれません。コレットラボのAI導入支援・DX支援では、AIに任せる業務の洗い出しと順番の検討から、担当者が使い続けられるかの確認まで支援しています。まずは現状のご相談だけでも構いません。AI導入支援・DX支援について、お気軽にご相談ください。