この記事でわかること
- 問い合わせ対応がAI活用の入口として選ばれる理由と、向かない問い合わせ
- 下書き支援／ナレッジ検索／顧客への直接応答という3段階の違い
- 分類・文書化・指示文づくりまで、導入の5ステップ
- 誤回答を防ぐために先に決めておく「人へ引き継ぐ条件」
- 費用と体制の判断軸と、よくある失敗パターン
問い合わせ対応がAI活用と相性の良い理由
社内でAI活用を進めるとき、最初の対象として問い合わせ対応を選ぶ企業が増えています。理由は単純で、問い合わせ対応は「頻度が高く」「型がある」「過去の正解が残っている」という、AIが力を発揮する条件がすべて揃っているからです。
多くの中小企業では、問い合わせ対応が特定の社員に集中しています。その人が休むと止まる、その人が辞めると社内に何も残らない——という状態は珍しくありません。しかも内容の大半は、過去に何度も回答してきた同じ質問です。
着目すべき数字：まず1か月分の問い合わせを分類してみてください。多くの場合、上位10〜20種類程度の質問が全体の大半を占めます。この「繰り返されている部分」こそ、AIに任せる価値がある領域です。全件を自動化する必要はありません。
逆に、AIに向かない問い合わせもあります。クレーム対応、契約条件の個別交渉、事故やトラブルの一次対応など、判断と責任が伴うものは人が担当すべき領域です。最初に「AIに任せる範囲」と「必ず人が出る範囲」の線を引くことが、設計の出発点になります。
自動化は3段階に分けて考える
「問い合わせ対応のAI化」と一言で言っても、実際には難易度も効果もリスクもまったく違う3つの段階があります。いきなり第3段階を目指すと失敗しやすいため、順番に進めるのが現実的です。
| 段階 | やること | お客様への影響 | 導入難易度 |
|---|---|---|---|
| 第1段階 返信の下書き支援 |
担当者が質問文をAIに渡し、返信案を作らせる。送信前に人が確認 | なし（送信するのは人） | 低。今日から始められる |
| 第2段階 社内ナレッジの検索 |
過去の回答・マニュアル・料金表をまとめ、担当者が根拠を探せる状態にする | なし（回答の速度と精度が上がる） | 中。情報の整理が必要 |
| 第3段階 顧客への直接応答 |
チャットやメールでAIが一次回答し、判断が必要なものだけ人へ引き継ぐ | あり（誤回答が直接届く） | 高。品質管理と引き継ぎ設計が必須 |
効果が見えやすいのは第1段階です。返信文を1から書く作業がなくなるだけで、1件あたり数分の短縮が積み上がります。件数が多い企業ほど、この段階だけでも十分な投資回収が見込めます。
第3段階の注意点：AIが顧客に直接回答する構成では、誤った内容がそのまま相手に届きます。料金・納期・契約条件・在庫といった「間違えると実害が出る情報」を扱う場合は、回答範囲を限定するか、必ず人の確認を挟む設計にしてください。「AIが答えたから」は、お客様への説明として通用しません。
導入手順｜5ステップ
実際に進めるときの手順を5つに整理します。第1段階から始める前提で書いていますが、第3段階を目指す場合も土台は同じです。
1か月分の問い合わせを分類する
直近1か月のメール・電話・チャットの問い合わせを一覧化し、内容で分類します。件数の多い順に並べると、どこに時間を取られているかが一目で分かります。ここで「1件あたり何分かかっているか」も記録しておくと、後の効果測定の基準になります。
完璧な分類は不要。上位10種類が見えれば十分に判断できる回答の「正解」を文書化する
上位の質問について、現時点での正しい回答を文書としてまとめます。担当者の頭の中にしかない情報を外に出す工程で、ここが最も時間がかかり、同時に最も価値があります。
このとき、条件によって回答が変わるもの（プラン別・地域別など）は、条件と回答の対応表にしておくと、AIに渡したときの精度が上がります。
過去の返信メールをそのまま素材にすると、ゼロから書くより早い返信の型（指示文）を作る
AIに毎回ゼロから指示するのではなく、「自社の口調」「必ず入れる要素」「使ってはいけない表現」をまとめた指示文をテンプレート化します。担当者が変わっても同じ品質の下書きが出る状態を目指します。
署名・お詫びの表現・折り返しの目安時間など、社内で統一したい部分をここに入れ込んでおくと、文面のばらつきが減ります。
「断り方」「保留の伝え方」のテンプレートは特に効果が大きい情報の取り扱いルールを決める
問い合わせ内容には顧客の氏名・連絡先・取引内容が含まれます。どこまでをAIに入力してよいかを事前に決め、文書化してください。氏名や連絡先を伏せて相談する運用にするのか、業務利用向けの設定でそのまま扱うのかを明確にします。
あわせて、利用するサービスの設定（入力内容を学習に使わせない設定が可能か、保存期間はどうか）も確認しておきます。
ルールが曖昧なまま始めると、慎重な担当者ほど使わなくなる小さく始めて、記録しながら広げる
最初から全種類の問い合わせに適用せず、頻度が高く失敗コストの低いものから始めます。2〜4週間ほど運用し、「そのまま送れた割合」「修正が必要だった箇所」を記録してください。修正が多いパターンは、手順2で作った文書に情報が足りていないサインです。
修正内容をそのまま資料に反映すると、使うほど精度が上がっていく品質を落とさないための設計
問い合わせ対応は、社外に直接見える業務です。効率化と同時に、品質を守る仕組みを設計しておく必要があります。
人に引き継ぐ条件を先に決めておく
AIが一次対応する構成にする場合、「どういうときに人へ渡すか」を明文化しておくことが最重要です。目安としては次のような条件が挙げられます。
- 金額・契約条件・納期など、確約が必要な内容を含む場合
- クレーム・不具合・キャンセルなど、感情や責任が絡む場合
- 同じ相手から2回以上やり取りが続いている場合
- 用意した情報の範囲で答えられない質問である場合
「答えない」判断を許容する
無理に答えさせるより、「確認のうえ担当者からご連絡します」と返すほうが、結果的に信頼を損ないません。答えられない質問に、それらしい回答を作らせないことが品質管理の要点です。
運用の目安：導入直後は「AIの下書きをそのまま送れた割合」を記録してください。この割合が上がっていれば、資料の整備がうまく進んでいる証拠です。逆に下がっている場合は、扱う問い合わせの範囲を広げすぎている可能性があります。
問い合わせ対応AI化チェックリスト
【準備】
- 直近1か月の問い合わせを分類し、件数の多い順に並べた
- 1件あたりの対応時間を記録し、効果測定の基準を作った
- 上位の質問について現時点の正しい回答を文書化した
- 条件によって変わる回答を対応表にまとめた
【ルール】
- AIに入力してよい情報・してはいけない情報を明文化した
- 利用サービスの学習設定・保存期間を確認した
- 人に引き継ぐ条件を文書で決めた
- 答えられない場合の返し方を統一した
【運用】
- 頻度が高く失敗コストの低い問い合わせから始めている
- そのまま送れた割合・修正箇所を記録している
- 修正内容を元の資料に反映する担当が決まっている
- 料金・納期など実害が出る情報は人が確認する運用になっている
費用と体制の考え方
コストは「ツール費用」より「整備にかかる社内工数」のほうが大きくなるのが一般的です。判断軸を整理すると次のようになります。
| 進め方 | 向いているケース | 注意点 |
|---|---|---|
| 汎用の生成AIサービスで下書き支援 | まず第1段階を試したい／件数が中規模 | 情報の取り扱いルールと指示文の整備が前提。属人化しないよう共有場所を決める |
| 問い合わせ管理ツールのAI機能 | すでに問い合わせ管理ツールを使っている | 既存の運用に乗せやすい反面、できることがツールの機能範囲に縛られる |
| チャットボットの設置 | 同じ質問が大量に来る／サイト経由の問い合わせが多い | 回答範囲の限定と、人への引き継ぎ導線の設計が必須 |
| 個別の仕組み構築 | 社内システムとの連携が必要／件数が非常に多い | 費用と期間がかかる。前段の整理を終えてから検討する |
どの進め方を選ぶ場合も、手順1〜2（分類と文書化）を飛ばすと成果は出ません。ツールを入れれば勝手に賢くなるわけではなく、渡す情報の質がそのまま回答の質になります。
よくある失敗パターン
全件の自動化を目指してしまう
例外的な問い合わせまで含めて設計しようとすると、いつまでも運用が始まりません。頻出の上位から着手し、残りは人が対応する前提で構いません。
過去の回答を整理せずにツールだけ導入する
渡す情報がなければ、出てくるのは一般論です。「うちのサービスに合っていない回答が出る」という不満の大半は、情報を渡していないことが原因です。
担当者が使うかどうかを確認していない
現場が「自分で書いたほうが早い」と感じている状態では定着しません。導入時に一緒に指示文を作り、実際の問い合わせで一度試すところまで伴走してください。
効果を測っていない
対応時間・件数・そのまま送れた割合のいずれも記録していないと、続けるべきか判断できません。導入前の数値を必ず取っておきましょう。
無料AI業務診断
「うちの問い合わせは自動化できるのか」を判断するには、まず業務の棚卸しが必要です。無料のAI業務診断で、任せられる範囲と人が残すべき範囲を一緒に整理します。
無料でAI業務診断を受けるLnXの見解
問い合わせ対応のAI活用について相談をいただくとき、私たちが最初にお願いするのは「直近1か月の問い合わせを、内容ごとに数えてみてください」ということです。ツールの比較より先に、この作業をやったほうが確実に進みます。数えてみると、想像していたより種類が少なく、上位数種類で大半が占められていることに気づく企業がほとんどです。
そして、そこで作った「よくある質問と正しい回答の一覧」は、AI導入の有無にかかわらず資産になります。新人教育の資料になり、サイトのFAQページになり、営業資料の材料にもなります。AI導入の本当の価値は、ツールそのものより「社内の暗黙知を文書にする機会になること」だと私たちは考えています。
一方で、慎重に扱うべき線引きもあります。料金や納期のように、間違えるとお客様に直接迷惑がかかる情報は、人が確認する工程を残すべきです。効率化のつもりで信頼を失っては本末転倒になります。LnXでは、まず業務の棚卸しから入り、どこまで任せてよいかの線引きを一緒に決めたうえで、無理のない範囲から着手することをおすすめしています。
よくある質問
Q チャットボットとAIによる問い合わせ対応は何が違いますか？
従来型のチャットボットは、あらかじめ用意したシナリオや選択肢に沿って回答する仕組みが中心でした。生成AIを使う場合は、用意した資料をもとに質問の意図をくみ取って文章で回答できるため、想定外の言い回しにも対応しやすくなります。一方で、資料にない内容まで答えようとしてしまうリスクがあるため、回答範囲の限定と人への引き継ぎ条件の設計が欠かせません。
Q 顧客の氏名や連絡先をAIに入力しても大丈夫ですか？
利用するサービスの契約形態や設定によって扱いが変わるため、一律に「大丈夫」とは言えません。実務上は、氏名・連絡先・取引先名を伏せた状態で相談する運用にするのが安全です。あわせて、入力内容が学習に使われない設定が可能かどうか、保存期間はどうなっているかを確認し、社内ルールとして文書化しておいてください。個人情報の取り扱いについては、自社のプライバシーポリシーとの整合も確認が必要です。
Q どのくらいの問い合わせ件数があれば導入する価値がありますか？
件数の絶対値より、「同じ質問がどれくらい繰り返されているか」で判断するほうが実態に合います。月の問い合わせが数十件でも、その大半が同じ内容なら効果は出ます。逆に件数が多くてもすべて内容が異なる場合は、下書き支援としての効果に留まります。まず1か月分を分類して、繰り返しの割合を確認してみてください。
Q AIが間違った回答をしてしまった場合、責任はどうなりますか？
自社の名義で送った回答である以上、対応の責任は自社にあります。「AIが答えたこと」は顧客への説明になりません。だからこそ、金額・納期・契約条件など間違いが実害につながる情報は人が確認する運用にする、回答できない質問には無理に答えさせない、といった設計が重要になります。導入前に人が出る条件を明文化しておいてください。
Q 既存の問い合わせフォームやメールのままでも始められますか？
始められます。第1段階の「返信の下書き支援」であれば、既存の受付方法を変える必要はありません。担当者が受け取った質問文をAIに渡し、下書きを作らせて確認のうえ送信するだけです。システム連携やツール導入は、下書き支援で効果が確認できてから検討するほうが、無駄な投資になりにくくなります。