問い合わせ対応にAIを使う前に｜メリット・デメリットと依頼先の選び方

問い合わせのうち、AIに答えさせてよいのはどれか

問い合わせ対応へのAI活用とは、取引先や顧客、社員から届く質問に対し、AIが製品カタログや社内規程、過去の対応記録を探して、根拠の文書を添えた回答や回答案を出す取り組みのことです。文書を探して答えの根拠にする仕組みは、RAG（検索拡張生成）と呼ばれます。たとえば「交通費の精算はいつまでか」と聞かれたら、AIは経費規程から該当する条文を探し、その条文を示して答えます。

AIに答えさせやすいのは、根拠の文書がはっきりしていて、誰が聞いても答えが同じ質問です。答えが取引先との約束になる質問や、個別の事情を判断する質問は、人が受けてください。

この表は、御社の問い合わせに合わせて作り直すための見本です。過去の問い合わせを並べてみると、AIに答えさせられる質問と、人が受けるべき質問の割合が見えてきます。

窓口によっても向く使い方が違います。Webサイトのチャットは型番や仕様の質問に、メールはAIが返信の下書きを作って担当者が確かめて送る使い方に向いています。たとえば納期の問い合わせメールなら、AIが基幹システムから該当する注文と納期を引いて返信の下書きを作り、担当者は数字と言い回しを確かめて送ります。電話は自治体の実証のような定型の受付が中心で、取引先からの込み入った相談には向きません。社内の問い合わせなら、社員が普段使う社内チャットから聞ける形にしておくと、使われるかどうかの差を小さくできます。

自治体の実証では、どのくらいの問い合わせをAIが受けられたか

問い合わせ対応のAIで効果を数字で示した実証は、自治体の電話の自動応答に多く、対象は住所の異動や証明書、住民税のような定型的な問い合わせです。福島市の市民課の実証では、対象にした定型の問い合わせの60%が職員に引き継がずにAIだけで終わり、利用者の満足度は82%でした。神戸市では、住民税の定型的な問い合わせの50%以上に、音声の自動応答がFAQから答えられました。企業がチャットで問い合わせを受けたときの効果を示した国内の公的な数字は、見当たりませんでした。

自治体の数字は、電話で受ける定型的な問い合わせのものです。取引先からの製品や納期の問い合わせで同じ割合になるとは限りません。

問い合わせ対応にAIを使うメリットは、担当者の仕事のどこに出るか

同じ質問への最初の応対をAIが受け持ち、ベテランに集中していた質問に各自がAIで答えを探せるようになります。

同じ質問への対応を、AIが先に受けられる

前の章の自治体の実証が対象にしたのは、住民票や住民税のように答えの決まった問い合わせでした。御社でも、型番から仕様を調べる質問や、規程の該当箇所を探す質問が月に何件あるかを数えると、最初の応対をAIに任せられる範囲が見えてきます。

型番から仕様を答え、カタログに無い型番は担当者に渡すチャットボットは、無料デモで触れます（登録不要）

ベテランに集中していた質問に、各自がAIで答えを探せる

弊社が開発した建設業向けのチャットボットでは、法規制や過去の事例についての照会が一部のベテランに集中していました。登録した事例と法規制のデータから根拠を探し、出典を付けて答える仕組みにしたことで、経験の浅い担当者でも、判断に使う資料をその場で探せるようになりました。答えに出典が付くので、担当者は元の資料までさかのぼって答えを確かめられます。

営業時間外にも、一次回答ができる

夜間や休日の問い合わせにAIが最初に答え、解決しなかった問い合わせを翌営業日に担当者が引き継ぐ形にすれば、取引先を待たせる時間を短くできます。ただし、電話番号や問い合わせフォームを隠してAIに誘導すると、取引先の不満が増えます。

答えられなかった質問から、資料の足りない部分が分かる

AIが答えられなかった質問を理由ごとに集めると、カタログやマニュアルに書かれていないことが見えてきます。弊社のデモでも、答えずに担当者へ渡した質問を回数の多い順に並べ、渡した理由も添えて一覧にしています。資料を直せば、次から同じ質問にAIが答えられるようになります。

効果は、AIだけで終わった件数に1件の対応時間を掛け、そこから文書の更新と答えの確認にかかる時間を引いて見積もります。この運用の手間を引かないと、効果を大きく見積もることになります。

問い合わせ対応にAIを使うデメリットは何か。誤った案内をしたらどうなるか

帝国データバンクの調査（2026年5月14日、回答10,312社）でも、生成AIの懸念の1位は「情報の正確性」で、50.4%の会社が挙げました。問い合わせ対応では、誤った案内が取引先や顧客に直接届くことが、いちばん大きなリスクです。導入を決める前に、誤案内が起きたときの対応と、文書の更新を続ける負担も見積もってください。

社内文書を根拠にしても、ハルシネーション（誤った回答）はゼロにならない

米スタンフォード大学の研究者が2024年5月に公表した検証では、文書を検索して答える法律調査用のAIでも、17%から33%の割合で誤りや作り話が含まれました。米国の法律分野で測った数字です。それでも、RAGを使えば誤りがなくなるわけではないことは分かります。古い版の規程やカタログが混ざっていれば、AIは古い答えを返します。

AIが誤って案内したら、導入した会社が責任を問われることがある

カナダ・ブリティッシュコロンビア州の民事紛争解決審判所は2024年2月、航空会社のチャットボットが忌引きの割引運賃を後から申請できると誤って案内した件で、航空会社に差額などの支払いを命じました。航空会社は自社サイトの情報すべてに責任を負うとして、過失による不実表示を認めた判断です（少額の民事紛争の判断で、日本で同じ結論になるとは限りません）。政府機関向けに作られたデジタル庁の生成AIのガイドライン（2026年6月12日）も、対策をすべて行っても「リスクをゼロにすることはできないとの前提」で、リスクが表に出たときの対応を準備するよう求めています。誤った案内が見つかったら、AIを止める手順に加えて、同じ質問をした取引先を会話の記録から探し、正しい内容を連絡する手順も決めておきます。

外から届く文章で、AIが操られることがある

問い合わせの文章やメールに、AIへの指示を紛れ込ませて想定外の動きをさせる攻撃があります（プロンプトインジェクション）。IPAの「情報セキュリティ10大脅威 2026」でも、AIの利用全般にかかわるリスクとして「AIの利用をめぐるサイバーリスク」が組織向けの3位に初めて入りました。セキュリティの国際団体OWASPも「OWASP Top 10 for LLM Applications 2025」で、RAGなどの手法ではこの攻撃を防ぎきれないとしています。社外向けのチャットボットには社内文書を読ませず、部署ごとに見られる文書を分けておいてください。

問い合わせに含まれる個人情報の扱い

問い合わせには、取引先担当者の名前や連絡先、社員の事情が含まれます。個人情報を生成AIサービスに入力することについては、個人情報保護委員会が2023年6月に注意を呼びかけています。外部のAIサービスを使うなら、入力が学習など応答以外に使われないか、会話の記録がどのくらいの期間、どこの国で保存されるかを、契約と設定で確かめてください。

文書の更新が止まると、古い答えを返し続ける

規程を改定したときや製品の生産が終わったときに、誰がいつAIの読む文書を差し替えるかを決めておかないと、AIは古い内容を案内し続けます。文書の更新と答えの確認にかかる手間は、毎月の運用費に含めて見積もってください。稼働の前に、AIの答えを直せる人、毎月の指標を見て直す範囲を決める人、依頼先との窓口になる人を決めておきます。1人が兼ねても構いませんが、空席は作らないようにします。

依頼先に渡す前に、問い合わせの何を数えておくか

依頼先に相談する前に、社内で次の4つをそろえておくと、話が具体的になり、見積もりの前提もそろいます。担当者の方が上司に報告するときの材料にもなります。

在庫や納期の数字は、AIにどう渡せばよいか

在庫数や納期のように毎日変わる数字は、AIに文書として読ませず、販売管理や在庫のシステムから問い合わせのたびに引く形にします。文書に書き写して読ませると、書き写した時点の古い数字を答えてしまいます。弊社の検証でも、そうなりました。

弊社は2026年10月に、架空の製品カタログで試しました。AIは商用の生成AI（Claude Sonnet 5.5）です。まず、価格も在庫も載せないカタログで試しました。「カタログを根拠に答える」指示と、担当者に回す選択肢だけを用意した条件でも、価格や納期の約束などの答えるべきでない質問20件は、すべてAIが自分から担当者に回しました。ここまでは期待どおりです。次に、カタログに参考価格（2025年4月改定）と9月1日時点の在庫数を書き足しました。価格・在庫・納期・値引きを聞く10件すべての回答に、書き写した古い数字が入りました。4件は担当者に回さず、そのまま答えています。残る6件は担当者に回していますが、その回答文にも古い価格や在庫数を書いていました。日付の注記はどれにも付いていましたが、注記があっても、取引先はその数字を見て手配を考えます。質問と一緒にAIへ渡す指示文に「価格や在庫の約束は答えずに担当者へ渡す」という決まりを書き足すと、10件すべてを担当者に回し、数字を出した回答は0件になりました。

ただし、指示文の決まりは毎回守られるとは限りません。同じ質問でも答えが揺れることがあり、言い換えや、問い合わせに紛れ込ませた指示で外れることもあります。価格や在庫の数字は、そもそもAIが読む文書に載せないでください。そのうえで、回答に金額や在庫数のような数字が入っていたら送る前に止める確認を、仕組みとして入れておきます。

AIが答えずに担当者へ渡すこと（有人対応への切り替え。エスカレーションとも呼ばれます）は、根拠が見つからないとき以外にも起こす条件を決めておきます。利用者が「解決しない」を押したとき、同じ質問を言い換えて2回以上聞かれたとき、「至急」「返金」のように苦情につながる言葉が出たときです。渡すときは会話をそのまま添え、取引先に同じ説明を二度させないようにします。

基幹システムに用意しておきたいのは、品目マスター（商品を登録した一覧表）に旧型番と後継品の対応を持てること、在庫と納期をAPIやCSVで外から読めること、取引先ごとにどの数字を見せてよいかを分けられることの3つです。在庫は帳簿上の数ではなく、ほかの注文に引き当てた分を除いた出荷できる数を返すようにし、回答案には数字を引いた時刻を添えます。誰がどの数字を見てよいかは、AIへの指示ではなく基幹システムとのつなぎ込みで絞り、ログインした取引先の注文しか返さない作りにします。在庫の問い合わせへの回答案づくりは、販売管理にAIを使う前に確認したいことでも触れています。

問い合わせ対応のチャットボットを作る手順はAIチャットボット導入の6ステップで、社内文書を根拠に答える仕組みの精度の上げ方は社内AI・RAG構築の7つの実装ポイントでまとめています。

社内の問い合わせ（総務・人事）は、どこからAIに任せるか

就業規則や経費精算、休暇の取り方のような社内の問い合わせは、取引先との約束にならないぶん、AIを試し始めやすい対象です。答えの根拠は規程やマニュアルにあり、同じ質問が繰り返し届きます。一方で、社員なら誰でも見てよい文書と、一部の人しか見られない文書が混ざっている点は、社外向けより気をつけます。

規程を改定したら、AIが読む場所の文書を新しい版に差し替え、改定の履歴はAIが探さない別の場所に保管します。給与や人事評価のように一部の人しか見られない文書は、最初は読ませず、部署ごとに見せてよい文書を分けてから広げます。

正しく答えても、使われなければ問い合わせは減らない

社内向けのチャットボットでは、答えの精度に加えて、質問するまでの手間が使われるかどうかを左右します。専用のページを開く手間があると、総務に直接聞く人が減らないことがあります。社員が普段使う社内チャット（TeamsやSlackなど）から聞ける形にして、まず1〜2部署で日常的に使われるかを確かめると、広げるかどうかを判断できます。

作る前に、チャットボットが本当に要るかを確かめる手もあります。弊社が研修を担当した建材メーカーでは、最初のご相談は社内の問い合わせに答えるチャットボットでしたが、先に社員の方が自分の業務でAIを試す研修を行いました。試したあとなら、チャットボットが要るかを自社で判断できます。

チャットボットの開発は、どこに頼めばよいか

依頼先を比べるときは、AIの技術力より先に、次の5点を確かめてください。

商談では、次の質問をそのまま使えます。

稼働したあとは、次の数字を毎月見ます。導入前の件数と対応時間は、比べる基準として残しておいてください。

依頼先の種類ごとに、向いている場面は違う

弊社は、問い合わせ対応のAIをどう進めているか

弊社の進め方は会社ごとに変えますが、建設業向けのチャットボットの開発と、研修の支援では、次のように進めました。

1. 答えには、根拠にした文書を添えます建設業向けのチャットボットでも、答えに出典を付ける形にしました。開発の期間は約3か月でした。根拠：建設業向けチャットボットの開発事例
2. AIに読ませてよい文書と、読ませない文書を先に分けます建材メーカーでの研修では、普段扱っている書類のうちAIに読ませてはいけないものを事前のヒアリングで確かめ、データの線引きを自社のルール案にするコマを設けました。根拠：建材メーカーでの研修事例
3. 精度は、直す前と直した後を測って比べます製造業の団体での研修では、整えていない文書のままRAGを組んで精度が出ないことを体験し、文書の整え方や分け方を段階的に変えて、改善の前後を数字で比べました。研修での取り組みです。根拠：製造業の団体でのRAG研修事例

問い合わせのAIで、法律上気をつけることは何か

AIのために新しく覚える法律は、ほとんどありません。AI推進法（2025年9月全面施行）に罰則はなく、国の「AI事業者ガイドライン」にも法的な拘束力はありません。AIを使っても、今までの法令はそのまま当てはまります。

内容は2026年10月8日時点の公表資料をもとにしています。社外向けのチャットボットの案内が取引条件の約束とみなされるか、海外のAIサービスに個人データを渡してよいかは、会社ごとに答えが変わります。弁護士などの専門家に確認してください。

問い合わせ対応のまわりで、弊社が手がけた開発と研修

「実際にはどんなものを作るのか」をイメージしていただけるよう、問い合わせ対応に近い3件を紹介します。

• 開発事例｜建設業建設業向けのチャットボット散らばっていた法規制と事例をデータにまとめ、出典を付けて答える仕組みです。開発は約3か月でした。事例を読む
• 研修事例｜建材メーカー・株式会社タブチ様チャットボットの相談から、先に研修へ社内の問い合わせに答えるチャットボットのご相談から、要否を自社で判断できるよう、先に研修を行いました。事例を読む
• 研修事例｜製造業の団体RAGの精度を、直す前と後で比べる研修40名の受講者が、社内文書を根拠に答える仕組みの精度を、改善の前後で数字で比べました。事例を読む

無料デモ｜登録もインストールも要りません

読むより、触ったほうが早いかもしれません

型番から仕様を答えるチャットボットと、社内文書を根拠に答える検索を、架空のデータで実際に動かせます。答えられない質問をどう扱っているかを見てみてください。

型番から仕様を答えるカタログに無い型番は担当者へ 社内文書を根拠に答える根拠が足りなければ答えない 受注を1か所に集める納期の問い合わせの元になる数字

デモ一覧を見る在庫の数字をどこから引くかは在庫と棚卸のデモで見られます

よくある質問

登壇・セミナー実績

開催レポートを読む →

開催レポートを読む →

神戸商工会議所・石川県庁など、各地の商工会議所や自治体でAI活用セミナーに登壇しています。