結論: AI 社内 ヘルプデスクは、全部を任せるのではなく、答えが決まっている質問から部署別に任せ、残りを人に渡す設計です。この記事では、社内の問い合わせ窓口にAIを置くときに、部署別に何を任せて何を人に残すか、4つのタイプの違い、旧版の規程と閲覧権限の落とし穴、個人情報の注意点、5ステップの始め方、続け方と効果の測り方を書きます。
この記事の要点
- 最初にやるのは製品選びではなく、直近の問い合わせを部署別に数えること。答えが文書にある質問が多い部署から任せる
- AIの窓口は4タイプ（シナリオ型・AI型・RAG型・エージェント型）。社内文書で答えるなら、文書を探してから答えるRAG型が軸になる。文書を根拠にするので、会社ごとに違う規程にも答えられる
- 落とし穴は、旧版の規程を答える・閲覧権限のない文書を答えること。版管理・権限の引き継ぎ・根拠文書の表示を発注側が要求する
- 個人情報は、個人情報保護委員会の注意喚起（令和5年6月2日）に沿い、入力する前に利用目的の範囲内かを確かめる
- 効果は「解決率・未回答率・一次回答までの時間・担当者に回した件数」の4つで測る。更新担当を決めないと続かない
この記事は、社内の問い合わせ（IT・人事・総務・経理）に追われる中小企業の総務・情報システム・管理部門の方を想定しています。AIに任せる範囲と始め方を決めたい場面です。「問い合わせ対応をAIで楽にしたい」までは決めている段階です。問い合わせ自動化の全体像（社内向けと顧客向け、方式、費用）はAI 問い合わせ 自動化に、顧客対応まで広げる話はAI 問い合わせ 対応に書きました。ここでは、社内の窓口だけに絞ります。製品の比較や価格は扱いません。
なお当社には、社内ヘルプデスクを実際に構築した実績はありません。この記事の整理は、公開されている制度と一般的な業務の流れからの読み替えで、実測や自社の成果は書きません。
今日やることは1つです。直近の社内の問い合わせを部署別に数えてください。表計算ソフトの1枚で足ります。印を付けるのは今週です。
AI 社内 ヘルプデスクとは｜何が変わるか
AI 社内 ヘルプデスクとは、社員からの問い合わせにAIが先に答え、答えられないものを担当者に渡す窓口です。ヘルプデスクは、社内の質問を受ける窓口のことです。ここでいう窓口は、社員が最初に質問する入口で、AIのチャット画面を指します。入口が「担当者の受信箱」から「AIとの会話」に変わり、担当者は残った質問だけを見ます。
人だけの窓口は全件が担当者に届き、AIを置くと文書で答えられる質問だけ手前で終わる。
図の内容: 人だけの窓口では質問が全件担当者に届くが、AIを置くと、文書に答えのある質問はAIが回答して終わり、答えのない質問だけが担当者に渡る。
① 起きがちな課題4つ
社内の窓口で起きがちな課題と、AIを置いたときに変わる点を並べます。
| 課題 | 起きていること | AIで変わる点 |
|---|---|---|
| 対応に追われる | 同じ質問が何度も届き、担当者の本来の仕事が止まる | 定型の質問は担当者を介さず返る |
| 回答のブレ | 担当者によって答えが少し違う | 同じ文書を根拠に同じ答えを返せる |
| FAQが使われない | 作ったFAQの置き場所を社員が知らない | 質問すれば該当箇所が返る |
| 記録が活きない | 質問の記録があちこちに散らばり、何が多く聞かれているか分からない | 質問の履歴が残り、多い質問と足りない文書が見える |
確かめ方は、自社の窓口で上の4つのどれが一番重いかを担当者に聞くことです。「同じ質問が多い」のか「人によって答えが違う」のかで、最初に整える物が変わります。
4タイプの違い｜シナリオ型・AI型・RAG型・エージェント型
社内ヘルプデスクのAIは、シナリオ型・AI型・RAG型・エージェント型の4つに分けて考えると選びやすくなります。社内の文書で答えるなら、文書を探してから答えるRAG型が軸になります。
RAG（＝社内の文書を検索してから、その内容をもとに答える仕組み）は、AIが記憶で答えず、手元の文書を根拠にします。そのため、社内の規程のような「正解が会社ごとに違う」質問に向きます。構築の工程はRAG構築の進め方に、検索側の仕組みはAI社内検索とはに書いたので、ここでは窓口としての違いだけを見ます。
4タイプはどれもAIを使います。表の「AI型」だけは、社内の文書を見ず、AIが覚えている知識だけで答える型を指します。
| タイプ | 得意な問い合わせ | 必要な準備 | 弱点 |
|---|---|---|---|
| シナリオ型（＝あらかじめ決めた選択肢をたどる） | 手順が決まっている質問、問い合わせ先の案内 | 質問と答えの組み合わせを人が作る | 想定外の聞き方に答えられず、更新も手作業 |
| AI型（＝AIが覚えた知識だけで、言葉の意味を理解して答える） | 一般的な知識の質問、文章の言い換え | 利用ルールと入力してよい情報の整理 | 社内固有の規程は知らず、もっともらしい誤答が出る |
| RAG型（＝社内文書を探してから答える） | 規程・手順書・マニュアルに答えがある質問 | 文書の整理、版の管理、閲覧権限の設定 | 文書が古い・散らかっていると誤答が増える |
| エージェント型（＝聞き返し、複数文書のまとめ、申請や登録の実行までこなす） | あいまいな質問の聞き返し、申請の下書き、手続きの代行 | 連携先システム（＝AIが操作できる、勤怠や経費などの社内システム）の権限、実行してよい範囲の取り決め | 実行の誤りが実害になるため、承認の仕組みが要る |
4タイプは、右へ進むほど任せられる範囲が広がる。
図の内容: シナリオ型からエージェント型へ進むほど任せる範囲は広がり、社内文書で答える窓口の軸はRAG型になる。
RAG型にも弱い質問があります。「あれ、どうなってる？」のように主語や対象がない質問です。RAG型は質問の言葉で文書を探すため、何の話か分からないと関係のない箇所を拾います。聞き返せる仕組みがなければ、もっともらしい別の答えが返ります。
聞き返しは、型の違いではなく機能の有無で見ます。RAG型の製品でも、聞き返せるものと聞き返せないものがあるので、提供元に確認してください。エージェント型は、足りない情報を相手に聞き返し、複数の文書をまたいで答えをまとめ、必要なら申請の下書きまで進める型です。ただし、準備と承認の仕組みが重くなります。
選び分けの目安は次のとおりです。
| 問い合わせの傾向 | 向くタイプ |
|---|---|
| 手順や置き場所など、定型の質問が中心 | RAG型（まずここから） |
| 質問があいまいで、聞き返しが要る | 聞き返しの機能がある製品（エージェント型を含む） |
| 規程と手順書など、複数の文書をまたぐ質問が多い | 複数文書をまとめられるエージェント型 |
| 申請や登録まで進めたい | エージェント型（人の承認つき） |
迷うなら、定型の質問をRAG型で始め、聞き返しや複数文書の質問が人に渡る理由の上位になってから広げます。
確かめ方は、候補の提供元に「この窓口は4タイプのどれで、答えの根拠をどこから引いていますか」と聞くことです。答えが「AIが賢いので」だけなら、根拠の置き場所を説明できていません。
部署別の向き不向き｜IT・人事・総務・経理
部署別に見ると、答えが文書にある質問はAIに向き、本人の個別事情が要る質問は人に残すのが基本の線引きです。同じ部署でも、質問ごとにどちらかに分かれます。
| 部署 | AIに向く質問 | 人に残す質問 | 注意点 |
|---|---|---|---|
| IT・情報システム | パスワード再設定の手順、ソフトの使い方、申請の流れ | 端末の故障の切り分け、権限の付与の判断 | 権限の操作を伴う実行は人の承認を挟む |
| 人事 | 休暇の種類、手続きの手順、規程の確認 | 個人の評価・給与・配置、休職や異動の相談 | 本人の情報を含む質問は入力範囲を決める |
| 総務 | 備品・会議室・書類の置き場所、社内の連絡先 | 契約や取引先とのやり取り、トラブル対応 | 古い連絡先や配置の情報が残りやすい |
| 経理 | 経費精算の期限と手順、申請書の書き方 | 個別の仕訳の判断、金額が絡む例外 | 規程の改定直後は旧版を答えやすい |
| 法務・購買・営業事務など | 契約書のひな形の場所、発注の手順、見積書の作り方 | 契約内容の判断、取引先ごとの例外 | 部署をまたぐ手順は担当が曖昧になりやすい |
この表の入口は、問い合わせの分類です。分類の設計基準はAI 問い合わせ 分類に書いたので、ここでは「文書に答えがあるか」「本人の事情が要るか」の2つの問いだけで線を引きます。
IT・人事・総務・経理に慣れたら、同じ線引きで法務・購買・営業事務などへ広げられます。広げる順番も、文書に答えがある質問が多い部署からです。
自社の業種で読み替えるときは、部署名ではなく質問の性質で見ます。たとえば少人数で管理業務を兼ねる会社では、人事も総務も同じ担当が受けています。それでも質問は「手順を聞く」か「事情を相談する」かに分かれます。前者から任せれば足ります。
確かめ方は、数えた問い合わせの1件ずつに「答えが文書にあるか」と「本人の事情が要るか」を付けることです。両方が「文書にある・事情は要らない」の質問が、最初に任せる候補になります。
部署別の表を使うときは、質問文だけでなく、回答後に社員が行う操作まで見ます。「パスワードを忘れた」という質問には、再設定画面の場所を案内できます。ただし、本人の代わりに認証を通したり、確認を省いて権限を付けたりすることは別の仕事です。案内が終わったことと、手続きが完了したことを混同しないようにします。
人事なら、休暇の申請手順と、本人がその制度の対象になるかの判断を分けます。必要な書類の置き場所は案内できても、事情を聞いて適用を決める相談は担当者へ渡します。社員が詳しい事情を書き始める前に相談先が見えるよう、画面の最初に「個人の事情がある相談は○○へ」と一行表示してください。
経理でも同じです。経費申請の提出先は文書から答えられますが、添付した領収書が認められるかは条件次第です。「提出先はこちらです」という回答から「この支出は精算できます」と結論を広げないようにします。試験（＝本番の前に、実際の質問を何問か投げて答えを確かめること）では、手順の質問に例外の事情を加えます。人へ渡す判断に切り替わるかを確かめてください。
総務の問い合わせでは、場所や担当が変わった情報に注意します。文書の中身が正しくても、案内先が廃止されていれば社員は動けません。運用担当者は、回答に出た申請画面や担当部署へ実際にたどり着けるかまで確認します。回答文の読みやすさだけで合格にしないことが大切です。
旧版の規程・権限の落とし穴
AIの窓口でいちばん起きやすい事故は、改定前の規程を答えることと、閲覧権限のない文書を答えることです。どちらも、社員が窓口を使わなくなる原因になりやすいものです。
- 旧版を答える: 規程を改定しても、AIが読む文書が古いままだと、旧版の内容を自信ありげに返します。経費の締め日が変わった直後に、前の締め日を案内するような場面です
- 権限のない文書を答える: 人事の評価資料のように、一部の人しか見られない文書をAIが読める状態にすると、質問した人によっては見てはいけない内容が回答に出ます
発注側・運用側が要求してよい条件は、次の3つです。
| 要求してよい条件 | 中身 | 確かめ方 |
|---|---|---|
| 版の管理 | 文書に版（いつの規程か）を持たせ、古い版は読ませない | 改定した文書を差し替えて、回答が変わるかを試す |
| 権限の引き継ぎ | 質問した人が見られる文書だけから答える | 権限の違う2人で同じ質問をして、回答が違うかを見る |
| 根拠文書の表示 | 回答に、どの文書のどの部分から答えたかを添える | 回答から元の文書を開き、書いてあるかを照らす |
社内側の最小の準備は、版については、最新版だけを別のフォルダに置き、古い版は入れないことです。権限については、人事の評価資料のように見られる人を限るべき文書が、実際に限られた場所に置かれているかを確認します。限られていなければ、AIに読ませる文書から外します。
確かめ方の中でも、版の差し替えテストは契約前にできます。営業担当に「自社の規程を1つ入れて、その場で差し替えを見せてほしい」と頼み、AIの答えが変わるかを見てください。変わらないなら、更新の仕組みを聞き直す合図です。
文書を集める段階では、保存先だけで最新版を判断しないようにします。作成中の案、承認済みの規程、廃止した規程が同じ場所にあれば、対象を分けてください。文書ごとに、内容を決める部署、適用する社員の範囲、使い始める時点を確認します。どれを正しい文書として扱うかは、運用担当者だけで決めず、規程を管理する部署に確かめます。
改定後のルールの使い始めの日より前に規程を登録しても、登録した時点から答えに使ってよいとは限りません。現在の手続きを尋ねた質問と、改定後の手続きを尋ねた質問を分けて試します。時点が分からなければ聞き返すか担当者へ渡し、AIに都合のよい版を選ばせない運用にします。
権限の確認では、回答が違うだけで合格にはしません。制限された本文が出なくても、資料の題名や要約に伏せたい情報が含まれる場合があるためです。権限のない社員には、本文・要約・引用のどれからも内容が出ないことを確かめます。異動で権限を失った後も同じように確認し、過去の会話から見えてしまわないかを試験項目に含めます。
元の文書へリンクできても、回答が正しい証拠にはなりません。引用箇所に対象者や例外条件が書かれていないかを読みます。「申請できます」という部分だけを拾い、その前にある条件を落としていれば誤答です。回答と根拠を照らす担当者は、結論だけでなく、その結論が成り立つ条件も確認してください。
個人情報を入力するときの注意
社員の個人情報を含む質問をAIに入力するときは、利用目的の範囲内かを先に確認します。個人情報保護委員会は、令和5年6月2日付の「生成AIサービスの利用に関する注意喚起等について」で、次のように求めています。
「個人情報取扱事業者が生成 AI サービスに個人情報を含むプロンプトを入力する場合には、特定された当該個人情報の利用目的を達成するために必要な範囲内であることを十分に確認すること。」
言葉を日常語に直すと、プロンプトはAIに打ち込む質問文のことです。個人情報は氏名のように特定の個人が分かる情報です。個人データは、個人情報を検索できるよう名簿や台帳に整理したものの中の情報を指します。つまり、社員の氏名や評価を質問に書かせる設計にしないことが、最初の行動です。
同じ注意喚起は、次の場合に個人情報保護法に違反する可能性があるとしています。本人の同意なく個人データを含むプロンプトを入力し、その個人データが応答の出力以外の目的で取り扱われる場合です。そのため、生成AIサービスを提供する事業者が、個人データを機械学習に利用しないこと等を十分に確認するよう求めています。機械学習（＝入力した内容がAIの学習材料にされること）に使われると、提供元の学習に回るおそれがあるためです。また、生成AIサービスでは、入力されたプロンプトに対する応答結果に不正確な内容が含まれることがある、とも述べています。
社内ヘルプデスクに置き換えると、確認することは3つです。
- 社員の氏名・評価・健康情報などを、質問に書かせる設計にしていないか
- 入力した内容が、提供元の機械学習に使われない設定になっているか
- AIの答えが不正確なことを前提に、根拠の文書を出し、人の確認に渡す道があるか
社内のルールとして書き起こす手順はAI ガイドラインに書きました。確かめ方は、提供元に「入力した内容を機械学習に使いますか。使わない設定は契約で担保されますか」と聞き、答えを書面でもらうことです。
導入5ステップ
導入は、数える・印を付ける・文書を絞る・合格ラインを決める・少人数で試す、の5ステップで進めます。社員向けに動かす前に、ステップ1〜4を終わらせてください。
5ステップのうち、社員向けに窓口を動かすのは最後の1つだけ。
図の内容: 導入は、①部署別に数える、②答えが文書にある質問に印を付ける、③対象文書を最新版に絞る、④試す質問と合格ラインを決める、⑤少人数で試し人に渡す道を付ける、の順で、社員向けに窓口を開くのは最後だけ（提供元のデモで自社の文書を試すのは⑤より前でもよい）。
| ステップ | 担当（役割） | 成果物 | 止める基準 |
|---|---|---|---|
| ① 期間を決めて、問い合わせを部署別に数える | 運用担当者（総務・情シスなど） | 部署別の件数表 | 問い合わせに使う時間を先に測り、その時間が許容できるなら、導入を急がない |
| ② 答えが文書にある質問に印を付ける | 各部署の担当者 | 印付きの質問リスト | 印の付く質問がほとんど無ければ、先に文書を整える |
| ③ 対象文書を最新版に絞る | 文書の持ち主（各部署） | 最新版の文書一式と、版の一覧 | 最新版がどれか決められない文書は、対象から外す |
| ④ 試す質問と合格ラインを決める | 運用担当者と部署の責任者 | 試す質問の一覧と、合格の条件 | 正答と引き継ぎの条件を決められないなら、試験に進まない |
| ⑤ 少人数で試し、人に渡す道を付ける | 運用担当者 | 試験の記録と、人に渡した質問の一覧 | 誤答が1件でも給与や評価・配置のように重大な内容に及べば、その範囲の回答を止め、担当者が直接受ける形に戻す |
従業員が少ない会社では、1人が複数の役割を兼ねて構いません。その場合の最小の動きは、1人で次の順に進めることです。①問い合わせを表に記録する、②答えが文書にある質問に印を付ける、③その文書の最新版を1つのフォルダに置く。④と⑤は、同じ人が試す質問を選んで試します。
ステップ①の数え方は、期間を決めて、過去のメールやチャットから拾うことです。口頭や電話で受けていて記録が残っていない会社は、今から1件ずつ1行で表に記録を始めます。このとき、対応にかかった時間も一緒にメモしておくと、あとで効果を比べられます。
ステップ②で印の付く質問がほとんど無かった会社は、先に文書を整えます。まず、よく聞かれる質問の上位から、答えを1枚の文書に書くことが最初の一歩です。
無料トライアルやデモがある提供元なら、ステップ⑤の前に自社の文書を数点だけ入れて試します。提供元の用意した見本の文書では、旧版や権限の問題が見えません。印を付けた質問リストから10問ほど選び、自社の言葉で聞いてみてください。
試せる提供元の探し方は、まず契約中のチャットツールや文書管理ツールの確認です。社内文書をもとに答えるAI機能があるかを見ます。製品の比較はこの記事の範囲外です。見つからない場合も、ステップ④の合格条件を提供元に見せ、同じ条件で試せるかを聞くところから始められます。
試す質問は、実際の窓口で受けた内容を、個人を特定できない形に整えて用意します。合格の条件は、たとえば「根拠の文書が正しく出る」「旧版を答えない」「権限のない文書を答えない」のように、確かめられる形で書きます。進め方全体の担当・成果物・止める基準はAI 導入 進め方でも同じ型で整理しました。
外部の相談先を使う場合は、AI導入の相談窓口の使い方に書いた「相談前に整理しておくこと」が、ステップ①〜③の成果物とほぼ重なります。印付きの質問リストを持っていくと、相談の質が変わります。
試験の質問には、普段よく聞かれる言い方を使います。文書の見出しをそのまま入力したときだけ答えられても、社員が略称や日常の言葉で尋ねる場面では役に立ちません。答えを知っている担当者が質問を用意し、別の利用者が自分の言葉で聞いてみると、説明が足りない箇所を探せます。
答えられる質問に加えて、資料にない質問、条件が足りない質問、資料どうしで記載が食い違う質問も用意します。正解の文章だけでなく、「追加で聞く」「担当者へ渡す」という期待する動きも書いておきます。AIが文書にない答えを補ったときは、自然な文章でも合格にしません。
試験で失敗したら、質問・回答・参照した文書・期待した動きを並べます。文書に答えがなければ担当部署が追記し、文書はあるのに探せなければ検索の設定を見直します。正しい箇所を見つけたのに解釈を誤った場合は、回答の作り方を確認します。原因を分けてから直すと、文書を増やすだけの対応を避けられます。
確かめ方は、ステップ④で決めた合格条件を提供元に見せ、自社の文書で同じ条件を試してもらえるかを聞くことです。
答えられない質問を人に渡す設計
AIが答えられないときは、社員が相談先を探し直さずに済む形で担当者へ渡します。引き継ぎ先と、引き継ぎが届いたことの確認までを窓口の仕事として決めておきます。
人へ渡す条件は、画面に見える言葉にします。根拠の文書がない、適用する規程を決められない、個別の承認が必要、回答を読んでも解決しない、といった場合です。社員自身が担当者への相談を選べる入口も置きます。AIとの会話を続けないと人につながらない設計では、困っている社員ほど手間が増えてしまいます。
引き継ぐ内容は、質問の要旨、確認した文書、解決しなかった点を中心にします。会話全文を、全社員が見られる共有の問い合わせ先にそのまま送る運用は避けます。人事の相談内容などが、関係のない社員にも見えてしまうためです。本人が送信内容を確かめられるようにしてください。個別事情を扱う相談は、その内容を受け取る担当部署に渡します。問い合わせ履歴を共有する範囲も、元の文書の閲覧権限とは別に決めておきます。
社員には「どの窓口が受け付けたか」「返答をどこで確認できるか」を表示します。担当部署が決まらない問い合わせは、総合窓口で受け取るなど、行き先が空欄にならないようにします。窓口の受付時間外や連携先の停止中には、その状態と別の連絡方法を案内してください。送信に失敗したのに受付済みと表示する動きは、試験で取り除きます。
確かめ方は、AIが答えられない質問を送って、担当者の受信から社員への返答まで通してみることです。担当者が受け取れたか、必要な情報が足りているか、回答後に対応済みと分かるかを見ます。人が答えた内容を共通の文書へ戻す場合も、個別事情を取り除き、規程を管理する部署が内容を確かめてから反映します。
続ける運用と効果の測り方
運用は、更新担当を決め、解決状況と回答の根拠を定期的に見ることで続きます。入れて終わりにすると、規程が改定されるたびに旧版を答える窓口になります。
| 指標 | 意味 | 見るタイミング |
|---|---|---|
| 解決率 | AIの回答で質問者が解決した割合 | 試験中から継続して確認 |
| 未回答率 | AIが答えられなかった割合。足りない文書の目印。減らすのは、答えるべきなのに答えられなかった分だけ | 定期的に確認。多い質問から文書を足す |
| 一次回答までの時間 | 質問から最初の返事が返るまでの時間 | 定期的に確認。人に渡した質問と分けて見る |
| 担当者に回した件数 | 担当者に回った件数。AIの限界の目印 | 定期的に確認。件数より、渡された理由を見る |
指標を取る仕組みとして、2つを頼んでおくと続けやすくなります。1つは、答えられなかった質問を一覧で見られること。もう1つは、回答ごとに「役に立った・立たなかった」を押せる評価ボタンです。一覧は足りない文書の洗い出しに、評価は誤答や古い回答の発見に使います。週に1回、一覧と低評価の回答を担当者が見る時間を決めておきます。
更新担当は、規程を改定した部署に置くのが現実的です。改定の連絡が総務に回り、総務が文書を差し替える、という運用では、連絡と差し替えの間に抜けが生じます。改定した人が差し替える決まりにして、「直近に改定した規程が、AIの答えに反映されているか」を改定のたびに確かめます。
効果は、自社で記録した対応時間から考えます。導入前の時間の記録が無ければ、今からステップ①の記録に、対応にかかった時間を足します。その時間を、導入後に人が対応した時間と比べてください。その際は、文書の更新、回答の見直し、誤答の訂正に使った時間も含めます。問い合わせの件数が減っても、運用の手間が増えれば、担当者の負担が減ったとは言えません。費用対効果の組み方は、AI導入の社内説得の資料術と合わせて考えると、説明しやすくなります。
解決率は、AIが返信した割合と分けてください。計算は、AIが返信した質問のうち、質問者が解決したと確認できた質問の割合です。返答があっても、社員が手続きを進められなければ未解決です。回答の末尾で解決したかを尋ね、返事がないものは解決に数えず、状態が分からないものとして残します。担当者へ聞き直した場合も、AIだけで解決した扱いにはしません。
同じ社員が表現を変えて聞き直した質問は、会話の回数だけで数えると負担が見えにくくなります。最初の相談から解決までを追えるようにし、質問が繰り返された理由を確認してください。文書が見つからないのか、説明が難しいのかで、直す場所は変わります。
未回答率も、低ければよいとは限りません。権限のない内容や個別判断を適切に人へ渡した結果なら、想定どおりの動きです。答えるべき質問に答えられなかった場合と、答えない決まりを守った場合を分けます。改善するのは前者で、後者を無理に減らすと、任せる範囲を越えてしまいます。
早見表｜導入前の確認項目
導入前に、次の表で「良い答え」が返るかを確かめてください。NGの答えが返った項目は、契約や導入の前に聞き直します。
| 確認項目 | 良い答え | NGの答え |
|---|---|---|
| 答えの根拠 | 回答に元の文書の場所が付く | 「AIが学習しているので」だけ |
| 規程の更新 | 文書を差し替えると回答が変わる | 更新に開発の作業が毎回要る |
| 閲覧権限 | 質問者の権限で見える文書だけから答える | 全員が全文書から答えを受け取る |
| 個人情報 | 入力した内容を機械学習に使わないと書面で示す | 設定は「標準のまま」で説明がない |
| 答えられないとき | 担当者に渡る道と、渡した履歴がある | 「分かりません」で終わる |
| 試験 | 少人数・限定した質問で、合格の条件を決めて試せる | 全社一斉の導入しか選べない |
| 自社文書での試用 | 無料トライアルなどで、自社の文書を入れて試せる | 見本の文書でのデモしかない |
| 運用の見える化 | 答えられなかった質問の一覧と、回答の評価ボタンがある | 利用回数しか見られない |
| 聞き返し | あいまいな質問に、足りない情報を聞き返せる | 的外れな答えをそのまま返す |
AI 社内 ヘルプデスクを今すぐ入れなくていい会社・この記事に含まれないこと
社内ヘルプデスクのAIを今すぐ入れなくていい会社は、次の条件に当てはまる会社です。
- 社内の問い合わせに使う時間が許容できる範囲で、担当者が困っていない会社。先に時間を測って少ないと分かったなら、AIより他の改善を先に考えます
- 規程や手順書がそもそも整っておらず、人の頭の中にしか答えがない会社。先に文書を作る方が、効果が出ます
- 問い合わせの大半が、本人の個別事情を聞く相談で占められている会社。AIより、相談の時間を確保する方が効きます
- 規程の改定に責任を持つ人が決まっていない会社。更新担当が決まるまでは待ちます
この記事に含まれないことは、次のとおりです。
- 製品の比較や価格。社内検索の仕組みと選び方はAI社内検索とは、導入の費用はAI 導入 費用に書きました
- 顧客向けの問い合わせ対応。チャネルの役割分担と引き継ぎはAI 問い合わせ 対応へ
- チャットボットの作り方。手順はAIチャットボットの作り方へ
- 社内ルールの作り方。10項目と手順はAI ガイドラインへ
Summary in English
An internal AI help desk works best when it does not take over every question. Companies should hand over only the questions whose answers already exist in company documents, department by department, and leave the rest to people. The article proposes five steps: count internal inquiries by department, mark questions answerable from documents, narrow the source documents to the latest versions, set test questions and pass criteria, and run a small trial with a handoff path to a human.
Four types of tools are compared: scenario-based, generative AI, retrieval-augmented generation (RAG, which searches company documents before answering), and agent-type tools that execute procedures. For answers based on internal rules, RAG is the core. Two common failures are answering with an outdated regulation and answering from documents the asker is not permitted to see. Buyers can reasonably require version control, inherited access rights, and a visible source document for every answer.
On personal data, Japan's Personal Information Protection Commission, in its notice, asks operators to confirm that entering personal information into a generative AI service stays within the specified purpose of use, and that the provider does not use personal data for machine learning. Success is measured by resolution rate, unanswered rate, time to first response, and cases handed to staff. The authors have no implementation record for internal help desks, so the article rests on public rules and general practice.
まとめ｜任せるのは「答えが文書にある質問」から
- 社内ヘルプデスクのAIは、全部を任せず、答えが決まっている質問から部署別に任せる
- 窓口は4タイプ。社内文書で答えるなら、文書を探してから答えるRAG型が軸になる
- 部署別には、答えが文書にある質問を任せ、本人の個別事情が要る質問を人に残す
- 旧版の規程と閲覧権限の落とし穴は、版の管理・権限の引き継ぎ・根拠文書の表示で防ぐ
- 個人情報を入力する前に、利用目的の範囲内かと、機械学習に使われないかを確かめる
- 続けるには更新担当を決め、解決率・未回答率・一次回答までの時間・担当者に回した件数を定期的に見る
次のアクションは、3つのうちどれか1つで構いません。
- 今日: 直近の社内の問い合わせを部署別に数える
- 今週: 答えが文書にある質問に印を付け、対象にする最新版の文書を決める
- 今月: 試す質問と合格の条件を決め、少人数で試す準備をする
問い合わせの数え方や任せる範囲の線引きで迷ったら、当社の無料相談（初回30分）で、印を付けたリストを一緒に見ることもできます。
次に読む
- 顧客対応まで広げたい → AI 問い合わせ 対応｜チャネル別の役割分担と運用5ステップ
- 社内ルールを整えたい → AI ガイドライン｜社内ルールに入れる10項目と作る5ステップ
- チャットボットを自作したい → AIチャットボットの作り方｜生成AIで自作する5つの手順
- 問い合わせの分け方を決めたい → AI 問い合わせ 分類｜任せる範囲と4つの設計基準
更新履歴
- 2026-10-18: 初版公開。個人情報保護委員会の注意喚起（令和5年6月2日）を反映
- 次回更新予定: 2026年11月（社内規程・個人情報保護に関する法令や注意喚起の改定の有無を再確認）
本記事は2026年10月18日時点の個人情報保護委員会の公開資料に基づきます（公開日: 2026年10月18日）。個人情報の取り扱いの最終判断は、最新の公式資料または専門家に確認してください。
参考・出典
- 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」 https://www.ppc.go.jp/news/careful_information/230602_AI_utilize_alert/（参照日: 2026年10月18日）
- 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」別添１（PDF） https://www.ppc.go.jp/files/pdf/230602_alert_generative_AI_service.pdf（参照日: 2026年10月18日）
FAQよくある質問
- AIヘルプデスクとは何ですか？
- 社員や顧客からの問い合わせに、AIが最初に答える窓口のことです。この記事では社内向け、つまり社員からのIT・人事・総務・経理の質問に絞ります。AIが答えられない質問は担当者に渡す形にするのが基本で、すべてをAIに任せる仕組みではありません。
- ヘルプデスクでAIを活用するとどうなりますか？
- 答えが社内文書に書いてある質問は、担当者を介さずその場で返せるようになります。担当者は、本人の事情を聞かないと決まらない相談や、例外の判断に時間を使えます。ただしAIの回答は不正確なことがあるため、根拠の文書を回答に添え、解決しない質問を人に渡す仕組みとセットで考えます。
- 社内ヘルプデスクにAIを入れると、どの問い合わせから任せるべきですか？
- 答えが社内の文書にすでにあり、誰が聞いても同じ答えになる質問からです。たとえば申請書の置き場所、手続きの手順、規程の確認などが当てはまります。本人の個別事情で答えが変わる質問や、金額・給与・評価の判断が要る質問は、人に残します。
- 生成AIで社内の問い合わせ対応はどこまで自動化できますか？
- 文書に答えがある質問への最初の回答と、担当者への振り分けまでが現実的な範囲です。個別の判断、例外の承認、本人確認が要る手続きは人に残します。範囲は一度に決めず、少人数で試して、解決した件数と担当者に回した件数を見ながら広げます。
- AIヘルプデスクは事例を見る前に何を確認すればよいですか？
- 自社の問い合わせの中身です。直近の問い合わせを部署別に数え、答えが文書にある質問がどれだけあるかを見ます。他社の事例の数字は、問い合わせの種類も文書の整い方も違うため、そのまま自社に当てはまりません。事例を見るなら、何を任せて何を人に残したかの線引きに注目します。
- AIヘルプデスクを使うとき、社員の個人情報を入力してもよいですか？
- 入力する前に、利用目的の範囲内かを確認する必要があります。個人情報保護委員会は、個人情報を含むプロンプト（＝AIに打ち込む質問文）を生成AIサービスに入力する場合、特定された利用目的の達成に必要な範囲内かを十分に確認するよう注意喚起しています。本人の同意なく個人データを入力し、応答出力以外の目的で扱われる場合は、個人情報保護法に違反する可能性があるとも述べています。提供事業者が個人データを機械学習に利用しないことの確認も求められています。
- RAG型とエージェント型は、どう選び分ければよいですか？
- 手順や置き場所など定型の質問が中心なら、RAG型（＝社内の文書を探してから答える型）から始めます。質問があいまいで聞き返しが要る場合や、複数の文書をまたぐ質問が多い場合は、聞き返しと文書のまとめができる機能を持つ製品、たとえばエージェント型（＝聞き返しや申請の実行までこなす型）が候補になります。申請まで実行させるなら、人の承認を挟む仕組みが必要です。
- AIヘルプデスクはIT部門以外でも使えますか？
- 使えます。人事・総務・経理のほか、法務・購買・営業事務などでも、答えが文書にある質問から任せる考え方は同じです。個別の判断や例外の承認は人に残します。広げる順番は、文書に答えがある質問が多い部署からです。
- AIヘルプデスクを入れたあと、どうやって回答を良くしていきますか？
- 答えられなかった質問の一覧と、回答の評価ボタンを使います。一覧からは足りない文書が、低評価の回答からは誤答や古い規程が見つかります。週に1回など見る時間を決め、見つかった点は文書の担当部署が直します。
- AIヘルプデスクを社内のチャットツールで使えますか？
- 使えるタイプがあります。社内で使っているチャットツールに窓口を置く形にすると、社員は新しい画面を覚えずに質問できます。ただし、どのツールでどう動くかは提供元によって違うため、契約前に自社のチャットツールで実際に動かして確認します。
- 社内ヘルプデスクの仕事はAIで楽になりますか？
- 同じ質問への返信が減る分は楽になります。一方で、文書の更新、回答の見直し、AIが答えられなかった質問の確認という新しい仕事が生まれます。更新担当を決めずに入れると、古い規程を答えるAIが残り、かえって手間が増えます。
