結論: AIによる問い合わせの自動化は、全部を任せるのではなく、答えが決まっている質問だけをAIに任せ、誤答が許されない質問は人かルールで固めるのが基本です（ルールで固める＝AIに文章を作らせず、決めた文言をそのまま返す設定）。この記事では、社内向けと顧客向けの任せ方の違い、4つの方式、始め方5ステップ、誤答を防ぐ設計、費用の目安、向かないケースを順に書きます。
この記事の要点
- 線引きは「答えが決まっているか」で決める。営業時間・手続きの手順は任せ、返金や補償の可否のような判断は人に残す
- 始め方は5ステップ。棚卸し→任せる範囲の決定→回答元の整備→試験運用→人への引き継ぎ設計の順で、各ステップに人が確認する場所を置く
- 費用は、プロベルの調査でチャットボット開発が200万〜500万円、JAPAN AIラボの調査で運用保守が月額10〜30万円前後。他媒体の調査値なので、そのまま予算にせず見積を比べる物差しにとどめる
- 問い合わせが少ない会社、回答の元になる資料が無い会社は、今すぐ自動化しなくてよい。先に資料と問い合わせの記録を整えたほうが早い
この記事の読者は、問い合わせ対応に追われる中小企業の経営者、総務・情シス（＝社内のIT担当）、カスタマーサポートの担当者です。AIにどこまで任せ、どこから始めるかを決めようとしている場面を想定しています。「問い合わせ対応をAIで減らす」と方向を決めた人向けです。チャットボットの作り方や製品の比較は扱いません。それらは別の記事に任せます。
今日やることは、直近1か月分の問い合わせの仕分けです。メールの受信箱や社内チャットの記録から拾い出し、「答えが決まっている」か「判断が要る」かに分けます。紙でも表計算でも構いません。件数が多ければ、目につく範囲の数十件で足ります。この内訳が、この記事の線引きをそのまま自社に当てはめる材料になります。
AI 問い合わせ 自動化とは｜どこまで任せられるか
AI 問い合わせ 自動化とは、問い合わせの受け取りから人への引き渡しまでを、仕組みで進めることです。回答元（＝AIが答えを作るときに読む資料。マニュアルや料金表など）から答えを作り、答えられないものは人に渡します。任せられるのは、答えが資料に書いてある質問です。判断や例外対応が要る質問は人に残ります。
「答えが決まっている」とは、資料を見れば誰が答えても同じになる質問のことです。料金が複雑な会社でも、料金表に書いてある確認だけなら当てはまります。
背景には、回答の待ち時間が長くなると、問い合わせた人が離れてしまうという悩みがあります。社内なら、同じ質問が総務や情シスに何度も届き、本来の仕事が止まります。顧客向けなら、返信が遅れた間に別の会社へ相談が移ることがあります。AIは、この「同じ質問への一次回答（＝担当者が見る前の、最初の返事）」を早くするために使います。
任せる範囲と人に残す範囲は、次のとおり分けて考えます。
- 任せられる: 営業時間・場所・申込手順・料金表の確認・社内規程の場所の案内
- 人に残す: 返金・補償・契約変更の可否、個別の事情が絡む相談、強い不満を伴う連絡
- ルールで固める: 誤答が許されない質問（法律や安全に関わる案内など）。AIの自由な文章でなく、決めた文言を返す
確かめ方: 最近の問い合わせを並べ、答えが書いてある資料があるかを順に見ます。資料が見つからない質問は、AIに任せる前に資料を作る必要があります。
社内向けと顧客向けで変わる自動化の範囲
社内向けは誤答の影響が社内で止まりやすく、顧客向けは誤答がそのまま信用に響きます。そのため、顧客向けのほうが人に残す範囲を広く取ります。違いは次の表のとおりです。
| 観点 | 社内向け（ヘルプデスク） | 顧客向け（問い合わせ窓口） |
|---|---|---|
| AIに任せる | 就業規則・申請手順・社内ツールの使い方の案内 | 営業時間・料金表・申込手順などのよくある質問への一次回答 |
| 人に残す | 人事評価・個別の労務相談・例外承認 | 返金・補償・契約変更の判断、クレーム対応 |
| 誤答したときの影響 | 社員が手続きをやり直す。社内で訂正できる | 顧客に誤った約束をする。信用や契約に関わる |
| 最初に置く安全策 | 回答の下に根拠の資料名を出し、迷ったら担当者へ | 答えられない質問は人へ引き継ぎ、補償の約束はAIにさせない |
社内向けは、質問する人が社員なので、誤答があっても指摘が返ってきやすくなります。それで改善しやすいため、最初の一歩に向いています。ただし、人事や労務の質問は誤答に気づかれにくいので、最初から人に残します。顧客向けは、外から見える分、回答の範囲を限り、人への引き継ぎを最初から作ります。
社内向けでも、人事や契約の資料を全社員に見せてよいわけではありません。質問者が元の資料を読める権限を持つかを確認し、その人が読める資料だけを回答元にします。資料名だけを隠しても、回答文に内容が含まれれば伝わってしまいます。
顧客向けでは、公開している案内と、本人確認が必要な照会を分けます。たとえば、申込方法は共通の案内で答えられても、申込状況は顧客ごとに違います。チャットに名前を書いたことだけを本人確認の代わりにせず、既存の確認手続きへつなぎます。
社内向けか顧客向けかで迷うなら、先に社内向けで試します。回答元の整備と引き継ぎ設計の勘どころをつかんでから、顧客向けへ広げます。
確かめ方: 直近の問い合わせを「社内から」「顧客から」に分け、件数が多いほうと、誤答の影響が重いほうを見比べます。件数が多く影響が軽いほうから始めます。
自動化の4つの方式｜ルール型・FAQ型・生成AI型・併用
方式は4つに分かれます。誤答が許されない質問はルール型とFAQ型で固め、言い回しの幅がある質問に生成AI型を使うのが基本です。
ルール型は「申込」→「取り消し」のように選択肢をたどらせ、決めた答えを出します。FAQ型は、担当者が登録した質問と答えを返します。どちらも答えは人が決めた文言で、AIが文章を作りません。
| 方式 | 仕組み | 向く質問 | 弱いところ |
|---|---|---|---|
| ルール型 | 選択肢をたどって決めた答えに着く | 手続きの振り分け、誤答NGの案内 | 想定外の質問に答えられない。道筋を作る手間がかかる |
| FAQ型 | 登録した質問と答えを返す | よくある質問の一次回答 | 言い回しが違うと見つからないことがある |
| 生成AI型 | 資料を読んで、文章で答えを作る | 言い方が多様な質問、長い規程の要約 | 資料に無いことをもっともらしく答えることがある |
| 併用型 | 上の3つを質問の種類ごとに使い分ける | 社内外の問い合わせ全般 | 設計に手間がかかる。担当を決めないと更新が止まる |
質問が来たら、まず種類で振り分け、間違えると困る質問はルールとFAQ、幅のある質問は生成AI、判断は人へ渡す。
図の内容: 問い合わせを受けたら種類で振り分け、誤答NGはルール型とFAQ型、幅のある質問は生成AI型、判断が要る質問は人に渡す流れを示します。
既存のチャットボットが使われなくなる原因にも触れます。自社固有の質問に合わないことです。製品に付属する汎用の答えは、自社の料金表や社内規程と合いません。自社の質問に合わせた回答元を用意しない限り、使われないチャットボットになります。
誤答が許されない質問の固め方は、次の3段です（考え方の例で、当社で試した結果ではありません）。
- 質問を選択肢で絞る（例:「申込について」→「取り消し」）
- 行き着いた先で、決めた文言のFAQを返す
- 選択肢に当てはまらない場合は、AIに文章を作らせず担当者へ渡す
生成AI型を使う場合も、質問をそのまま読ませず、先に型へそろえると安定します。たとえば「用件（申込・取り消し・料金）」「対象（個人・法人）」「知りたいこと」の3欄に直してから、回答元を探させます。この整え方は、使う仕組みの設定で行います。言い回しが違っても、同じ型に入れば同じ資料に着きます。
もう1つは、問い合わせる人のストレスを減らす見せ方です。入口の文面で「何を聞けるか」を示し、答えられないときは理由と次の窓口をすぐ出します。見た目より、答えられる範囲を伝えることを優先します。
方式ごとの作り方は、別記事のAIチャットボットの作り方で書きました。この記事では「どの質問にどの方式を当てるか」だけを決めます。
確かめ方: 候補の仕組みに「誤答NGの質問に、決めた文言だけを返す設定はできますか」と聞きます。できなければ、その質問は人かルールに固定します。
始め方5ステップ
始め方は、棚卸し→任せる範囲の決定→回答元の整備→試験運用→人への引き継ぎ設計の5ステップで、各ステップに人が確認する場所を置きます。
5ステップの全体像。どのステップにも「人が確認する場所」を置く。
図の内容: 5つのステップを順に並べ、各ステップで人が確認することを下段に示しています。
① 問い合わせの棚卸し
最近の問い合わせを集め、質問の種類ごとに件数を数えます。メール・電話のメモ・社内チャットなど、記録が散らばっている場合は、まず1つの表にまとめます。ここで人が確認するのは、件数の多い質問の上位です。自動化の効果が出るのは、同じ質問が何度も届く部分だからです。
確かめ方: 件数の多い質問を書き出し、それぞれ「答えが決まっているか」に○△×を付けます（○＝資料を見れば答えが決まる、△＝場合による、×＝判断が要る）。
② 任せる範囲の決定
棚卸しの結果から、任せる質問・人に残す質問・ルールで固める質問に分けます。「ここまではAIに任せる」という範囲を、経営者か部門長が了承します。迷う質問は、最初は人に残します。範囲は後から広げられますが、広げすぎてから狭めると信用が戻りません。
確かめ方: 「この質問でAIが間違えたら、誰が・どう訂正するか」を1文で答えられる質問だけ、AIに任せます。
③ 回答元の整備
AIが答える元になる資料を整えます。発想として役に立つのは、過去の回答からFAQを作ることです。実際に人が返した回答を質問ごとにまとめれば、自社の言い回しで書かれた回答元になります。資料が古いまま読ませると、古い答えが出ます。担当者が内容を確認し、更新日を付けます。
FAQを作る工程は次の5つです。AIに下書きを任せる場合も、4と5は人が行います。
- メール・チャット・電話メモから、過去の問い合わせと返信を集める
- 同じ意味の質問を1つにまとめ、件数の多い順に並べる
- 返信から、一般に案内してよい部分だけを取り出して答えを書く
- 担当者が内容を確かめ、適用する条件と例外を書き足す
- 更新日と更新する担当者を付けて登録する
過去の回答は、そのまま正解集にしないでください。特定の顧客にだけ認めた対応や、すでに終了した手続きが混ざっているためです。一般に案内してよい内容を担当者が選び、適用する条件と例外を分けて書き直します。個別の名前や連絡先は回答例に残しません。
料金表と申込案内で内容が違う場合は、どちらを使うかを先に決めます。古い資料も検索できる状態だと、AIが新旧を混ぜて答えるおそれがあります。更新する担当者は、資料を差し替えた後に、関連する質問をもう一度試して回答まで変わったか確認します。
社内資料を探して読ませ、答えを作らせる仕組み（RAGと呼ばれます）の詳細は、別記事のRAG構築の進め方で書いています。
確かめ方: 回答元の資料ごとに「最終更新日」と「更新する担当者」が書かれているかを見ます。どちらも無い資料は、先に直します。
④ 試験運用
最初は社内や一部の窓口だけで出します。AIの回答を人が全件読み、間違え方のパターン（例: 古い料金を答えた）をメモします。ここで見るのは、回答が資料に基づいているか、答えられない質問を無理に答えていないかです。
試験に使う質問には、素直に答えられるものだけでなく、条件が足りないものも混ぜます。「申し込みを取り消したい」のような質問なら、手続きの案内と返金の判断を混同しないかを見ます。以下は試験用の例で、導入実績や効果を示すものではありません。
| 試す質問の例 | 期待する動き | 確認するところ |
|---|---|---|
| 「申込方法を教えて」 | 公開済みの手順と資料名を案内 | 手順を勝手に足していないか |
| 「例外でも返金できる？」 | 可否を約束せず担当者へ渡す | 一般規約だけで個別判断していないか |
| 「さっきと説明が違う」 | 食い違いを受付し、人へ引き継ぐ | 同じ回答を繰り返していないか |
| 「資料にない条件で契約したい」 | 答えを作らず相談窓口へつなぐ | 存在しない条件を提示していないか |
同じ内容を短い言葉や別の言い回しでも尋ねます。回答の表現が変わっても、案内する条件と引き継ぐ判断が変わらないかを確かめます。誤答が見つかったら、資料不足なのか、質問の振り分けなのかを分けて直します。
確かめ方: 試験運用の期間に出た回答を人が読み、誤答と「答えるべきでなかった回答」を分けて数えます。範囲を広げるのは、間違え方のパターンが回答元の修正で減ってからです。
⑤ 人への引き継ぎ設計
AIが答えられない、または答えるべきでない質問を、誰がどの手段で受け取るかを決めます。引き継ぎ先が決まっていない自動化は、問い合わせがどこにも届かない穴になります。受け取る人と、返信の目標時間を決めておきます。
ここは説明上は最後のステップですが、④の試験運用と並行して進めます。引き継ぎ先の仮決めは試験運用の前に済ませます。試験中に届き方を確かめ、運用開始前に受け取る担当者と対応手順を確定します。相談者には、担当者へ渡したことと、返答を待つ場所が分かる案内を出します。
担当者へは、質問の要点、AIが案内済みの内容、参照した資料、引き継いだ理由を渡します。必要のない個人情報まで通知にコピーしないよう、渡す項目も決めておきます。担当者が不在のときの代わりの窓口と、通知に失敗したときの連絡方法も用意します。
「送信しました」という画面表示だけでは、引き継ぎの確認になりません。担当者が受け取って質問の続きに答えられるかまで確かめます。問い合わせた人が同じ説明を最初から繰り返さずに済むことも、試験で見るべき点です。
確かめ方: 試験運用でわざと答えられない質問を入れ、担当者に実際に届くかを確かめます。
誤答を防ぐ設計3つ
誤答を防ぐ設計は、質問の切り分け、根拠資料の限定、人への引き継ぎ条件の3つです。業者に頼む場合は、どれも要求してよい条件です。
誤答防止は「切り分け→根拠を限定→引き継ぎ条件」の3段で重ねる。
図の内容: 質問の切り分け、根拠資料の限定、人への引き継ぎ条件の3つを重ねて誤答を防ぐ設計を示します。
① 質問の切り分け
最初の画面や入口で、質問の種類を振り分けます。たとえば「申込」「料金」「その他」のような選択肢を出し、用件を選んでもらいます。誤答が許されない質問は、AIの自由な文章でなく、決めた文言を返します。業者に頼む場合は、「AIに文章を作らせず、決まった文言だけ返す設定にできますか」と聞けます。
入口で絞ると、問い合わせた人は自分の用件に早く着き、AIが的外れな資料を読む場面も減ります。選択肢は多すぎないようにし、最初は問い合わせの多い用件に絞ります。「その他」から人へ渡す道は残します。
② 根拠資料の限定
AIが読んでよい資料を決め、答える元をその資料だけに絞ります。資料に書いていないことは「分かりません」と返し、人へ渡します。回答に資料名を出す設計にしておくと、担当者が誤答を見つけやすくなります。業者に頼む場合は「回答に根拠の資料名が出るか」「資料に無い質問に推測で答えない設定ができるか」を聞けます。
③ 人への引き継ぎ条件
次の場合は、AIが答えず人に渡す合図（条件）を決めます。
- 資料に答えが見つからない
- 強い不満や怒りを示す言葉がある
- 個人情報や契約内容を含む
- 同じ質問を繰り返している（答えが伝わっていない）
個人情報や契約内容については、2通りの運用があります。受け付けたうえでAIは答えず担当者に渡す運用と、入口の画面に入力してはいけない情報を書いて、そもそも入力させない運用です。どちらにするかを先に決めます。
確かめ方: 見積や提案の段階で、この3つが標準でできるか、追加費用がかかるかを聞きます。「できます」だけでなく、設定画面や実際の動きを見せてもらいます。
費用の目安
費用は、他媒体の調査で、チャットボットの開発が200万〜500万円、カスタマーサポート向けが300万〜1,000万円です。運用保守は月額10〜30万円前後が目安として挙がっています。表の額は、専用に作り込む場合の調査値で、要件の範囲次第で変わります。
| 項目 | 目安 | 出典・位置づけ |
|---|---|---|
| チャットボットの開発費 | 200万〜500万円 | プロベルの調査（当社の取得日: 2026年7月17日・確度は中） |
| カスタマーサポート向けの開発費 | 300万〜1,000万円 | プロベルの調査（当社の取得日: 2026年7月17日・確度は中） |
| 運用保守費 | 月額10〜30万円前後 | JAPAN AIラボの調査（当社の取得日: 2026年7月17日・確度は中） |
| 年間の保守費 | 開発費の10〜20%程度 | JAPAN AIラボの調査（当社の取得日: 2026年7月17日・確度は中） |
これらは他媒体の調査値で、当社が自社案件で測った数字ではありません。要件の広さで大きく変わるため、見積を取る際の比較の物差しとして使い、そのまま予算にしないでください。
保守費の目安は、月額10〜30万円前後と、年間で開発費の1〜2割程度という2通りで示されています。見積では、どちらの形で出ているかをまず聞きます。
見積を比べるときは、回答元を整える作業、窓口への組み込み、公開後の修正を誰が担うかを揃えます。安く見えても、FAQの作成や資料の更新が自社作業なら、その担当者の時間が必要です。時間の目安は、後の「自社でやる？外注する？」の表を見てください。利用料に何が含まれ、問い合わせが増えたときに何が追加されるかも確認します。
月額の運用保守費と、開発費に対する年間保守費の割合は、同じ契約に重ねて足す数字とは限りません。サービス利用料や回答の点検が含まれるかで見積の範囲は変わります。調査値から年額を決め打ちせず、候補先に費目と対象期間を出してもらいます。
導入後の評価では、AIが返した件数だけで効果を判断しないでください。人が修正に使った時間、引き継ぎ後の対応、資料更新の負担も記録します。自動回答が増えても、誤答の訂正で担当者の仕事が増えるなら、任せる範囲を見直す必要があります。
参考として、当社の入口の価格も並べておきます。当社は「AIエージェント／チャットボット構築」の仕事も受けています（AIエージェント＝決めた手順をAIが自分で進める仕組み）。AI適用診断（＝AIを業務に当てはめられるかを見極めるサービス）は2週間で、本番には接続せず、現場に同席して進めます。ライト診断は15万円、標準診断は30万円（いずれも税別）です。専門家を借りる案件例は月20〜36万円（週1〜2回・月20時間〜）で、初回相談は無料（30分）です。診断に本番化・保守は含まれず、別契約です。上の調査値と優劣を比べる意図はありません。「いきなり数百万円の開発に入らず、小さく確かめる入口もある」という選択肢の紹介です。
費用全般はAIエージェント導入費用やAI受託開発の費用相場でも書いています。診断の中身はAI適用診断とはで確認できます。
確かめ方: 見積を取るときは、開発費と運用保守費を分けて出してもらい、年間の保守費が開発費の何割かを計算します。調査値の10〜20%から大きく外れるときは、理由を聞きます。
個人情報を扱うときの注意
個人情報や契約内容は、入力してよい範囲を決めるまでAIに渡さない運用にします。個人情報保護委員会は、生成AIサービスの利用に関する注意喚起等を行っています。問い合わせには氏名・連絡先・契約内容が含まれやすいため、AIに何を入力してよいかを先に決めます。
今日決められる行動は、「氏名・連絡先・契約内容は入力しない」と決めることです。迷う情報は入れないと決めておけば、あとから範囲を広げられます。
委員会のページには、生成AIサービスが普及していることを踏まえ、利用に関する注意喚起等を行う旨が書かれています。具体的な注意点は別添の資料にあります。読むときはそちらを確認してください。入力してはいけない情報の整理と設計の考え方は、別記事の中小企業の生成AIセキュリティで書いています。
確かめ方: 候補の仕組みに「入力した内容が、AIの改良に使われて他社の回答に出てしまわないか」「保存される期間と場所はどこか」を聞き、答えを書面でもらいます。
問い合わせの内容をAIに読ませる前の入力ルールは、問い合わせ分類でAIに任せる範囲と人に戻す基準の記事でも、カテゴリと優先度の決め方と合わせて整理しています。
早見表｜任せる／残す／止める
早見表は、質問のタイプごとに「任せる・人に残す・まだ止める」を決める道具です。「止める」は、その質問をまだAIに任せず、人が答えるという意味です。
| 質問のタイプ | 判断 | 理由と確かめ方 |
|---|---|---|
| 営業時間・場所・申込手順 | 任せる | 答えが資料に書いてある。回答と資料を突き合わせる |
| 料金表・プランの違いの案内 | 任せる（根拠の資料名を付ける） | 古い料金を答えると誤案内になる。資料の更新日を確認する |
| 社内規程・申請手順の問い合わせ | 任せる | 社員が訂正を返しやすい。回答に資料名を出す |
| 返金・補償・契約変更の可否 | 人に残す | 個別の事情と責任が絡む。AIには約束させない |
| 強い不満・クレーム | 人に残す（受付と整理までAI） | 謝罪と補償の判断は人。検知したらすぐ人へ |
| 個人情報を含む相談 | 止める（AIに任せず人が受ける。何を入力してよいか決めるまで） | 入力の扱いが決まっていない間は、AIに渡さない |
| 回答元の資料が無い質問 | 止める（AIに任せず人が答える。資料を作ってから） | 資料が無いと推測で答える。先に資料を作る |
迷う質問は、表のどこに当てはまるかを決めるまで、人が答えます。
確かめ方: 自社の最近の問い合わせを、この表に当てはめてみます。どこにも当てはまらない質問があれば、判断を保留し、担当者と行を足してから範囲を決めます。
自社でやる？外注する？の判断基準
担当者の時間と回答元の資料が揃っていれば自社、どちらかが欠けるなら外注か伴走が向きます。判断は、担当者の時間、回答元の資料の有無、更新の担当、費用、急ぎ度の5項目で行います。
| 判断項目 | 自社でやりやすい | 外注・伴走（＝外部の人に付き添ってもらって進める形）が向く |
|---|---|---|
| 担当者の時間 | 週に数時間、回答の確認に使える人がいる | 担当者が他業務で手一杯 |
| 回答元の資料 | FAQや規程が整っている | 資料が散らばっている、古い |
| 更新の担当 | 更新する人が決まっている | 更新の担当が決まらない |
| 費用の考え方 | 小さく始めて、自社で育てたい | 要件が多く、最初から設計を頼みたい |
| 急ぎ度 | 数か月かけて整えられる | 短期間で立ち上げたい |
自社で難しい部分だけを外部の専門家に頼む方法もあります。専門家を週1〜2回で借りる形は、別記事のAI専門家レンタルとはで書きました。内製と外注の比べ方はAIエージェント外注が参考になります。
確かめ方: 表の各項目について、自社で担える人と作業時間を書き出します。担当者が決まらない工程は、資料の整備や引き継ぎ設計など、範囲を絞って外部に頼めるかを検討します。
今すぐ自動化しなくていい会社と、この記事に含まれないこと
次の条件に当てはまる会社は、今すぐ自動化しなくて構いません。
- 同じ質問が何度も届くことがなく、担当者の手が止まっていない（問い合わせが少ない）
- 回答の元になる資料がまだ無い（先に資料づくりが必要）
- 問い合わせの大半が、個別の事情を伴う相談や交渉である
- 個人情報の入力ルールが決まっていない（先にルールづくりが必要）
こうした会社は、問い合わせの記録を1つの表にまとめ、回答を文章に残すところから始めたほうが、のちの自動化が早く進みます。
この記事に含まれないことは次の3つです。
- チャットボット自体の作り方（4方式・5手順）はAIチャットボットの作り方へ
- 社内資料を読ませる仕組みの詳細手順はRAG構築の進め方へ
- 電話での一次対応は電話対応AIへ
あわせて、社内検索の仕組みと選び方はAI社内検索とはに書いています。特定製品の比較や個別の事例の効果数字も、この記事には含みません。
確かめ方: 上の条件に当てはまる理由を書き出します。資料や入力ルールが不足しているなら、その準備を先に進めます。負担が小さいなら、導入を急がず記録を残します。
Summary in English
Automating inquiry handling with AI works best when you do not hand everything to AI. Let AI answer only questions whose answers are already written down, such as business hours, procedures and price lists. Keep questions that need judgment, such as refunds, compensation and complaints, with people.
Four methods exist: rule-based, FAQ-based, generative AI and a mix. Lock questions where a wrong answer is unacceptable into fixed wording, and use generative AI only for questions phrased in many ways. Internal help desks are easier to correct, so they are a good place to start; customer-facing answers affect trust directly, so keep more with people.
The steps are five: take inventory of past inquiries, decide what to delegate, prepare source documents (for example, an FAQ built from past replies), run a small trial in which people read every answer, and design the handoff to a human. Three conditions reduce wrong answers: routing questions by type, limiting answers to named documents, and defined handoff conditions.
For cost, a Probel survey reports chatbot development at 2 to 5 million yen and customer-support systems at 3 to 10 million yen; JAPAN AI Lab reports maintenance at roughly 100,000 to 300,000 yen per month (secondary sources, medium confidence). Japan’s Personal Information Protection Commission has issued a notice on generative AI services, so decide what may be entered first. Companies with few inquiries or no source documents can wait. Today’s action: sort recent inquiries into “answer is fixed” and “needs judgment.”
まとめ｜任せるのは「答えが決まっている質問」だけでいい
- 線引きは「答えが決まっているか」。営業時間や手順は任せ、返金・補償の判断は人に残す
- 社内向けは誤答を直しやすく、最初の一歩に向く。顧客向けは人に残す範囲を広く取る
- 方式は4つ。誤答NGの質問はルール型とFAQ型で固め、幅のある質問に生成AI型を使う
- 始め方は5ステップで、各ステップに人が確認する場所を置く。引き継ぎ設計を最後に回さない
- 誤答防止は、質問の切り分け・読んでよい資料の限定・引き継ぎ条件の3つ。入力してよい情報は先に決める
- 費用は他媒体の調査値で、見積を比べる物差しにとどめる。問い合わせが少ない、資料が無い会社は、先にそちらを整える
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: 最近の問い合わせを「答えが決まっている／判断が要る」に分ける
- 今週: 件数の多い質問について、回答元の資料と最終更新日があるかを確認する
- 今月: 任せる範囲を決め、誤答NGの質問と人への引き継ぎ先を書き出す
自社だけで線引きや回答元の整備を進めるのが難しいときは、無料相談で今の状況をお聞かせください。
次に読む
- 作り方の4方式を知りたい → 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【2026年9月】
- 社内資料を読ませる仕組みを知りたい → RAG構築の進め方｜4工程の手順・チャンク設計・動作確認まで【2026年8月】
- 入力してはいけない情報を知りたい → 中小企業の生成AIセキュリティ｜入力してはいけない情報と設計の3原則
- 専門家に頼む形を知りたい → AI専門家レンタルとは｜仕組み・費用相場・選び方4項目【2026年9月】
更新履歴
- 2026-10-05: 初版公開。個人情報保護委員会の注意喚起ページと、他媒体の費用調査値（2026年7月17日取得）を反映
- 次回更新予定: 2026年11月（費用の調査値と、個人情報保護委員会の注意喚起の更新を再確認）
本記事は2026年10月5日時点の公開情報と当社の事業資料に基づきます（公開日: 2026年10月5日）。費用は他媒体の調査値で、実際の金額は要件で変わります。個人情報の扱いは、個人情報保護委員会の資料と自社の法務窓口で確認してください。
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5日）
- プロベル（他媒体の調査値・チャットボットとカスタマーサポートの開発費） https://probel.jp/promaga/b/1379/（参照日: 2026年7月17日）
- JAPAN AIラボ（他媒体の調査値・運用保守費） https://japan-ai.co.jp/media/5590/（参照日: 2026年7月17日）
- 当社調査: AI Expertの案件区分と診断・専門家の価格を、当社の事業資料で2026年10月5日に確認
FAQよくある質問
- AIは問い合わせ対応を自動化できますか？
- 答えが決まっている質問なら自動化できます。営業時間、手続きの手順、料金表の確認のような質問が代表例です。一方、返金の可否やクレームの対応のように判断が要る質問は、人に引き継ぐ前提で設計します。全部を任せるのではなく、任せる質問と人に残す質問を先に分けるのが基本です。
- AIによる問い合わせ対応の自動化は、どう進めればよいですか？
- 5つの順で進めます。①問い合わせの棚卸し、②任せる範囲の決定、③回答元の整備、④試験運用、⑤人への引き継ぎ設計です。いきなり全社に出さず、最近の問い合わせから代表的な質問を選び、答えが決まっている質問だけで小さく始めます。
- 問い合わせ対応のAIに入れてはいけない情報は何ですか？
- 個人情報や取引先の機密など、外部に出ると困る情報です。個人情報保護委員会は、生成AIサービスの利用に関する注意喚起を行っています。何を入力してよいかは、使うサービスの規約と自社のルールを先に確かめ、迷う情報は入れない運用にします。
- AIの自動化とはどういうことですか？
- 人が毎回やっていた作業を、決めた条件のもとでAIと仕組みが代わりに進めることです。問い合わせの場合は、質問を受け取り、回答元の資料から答えを作り、答えられないものを人に渡すところまでが対象になります。判断の最終責任は人に残します。
- 生成AIを使った問い合わせ対応には、どんな事例がありますか？
- 社内では、就業規則や申請手順に関する質問に答えるヘルプデスクが典型です。顧客向けでは、よくある質問への一次回答と、人への引き継ぎ前の内容整理があります。この記事では、効果を示す事例の数字は挙げず、任せる範囲の決め方を書いています。事例を見るときは、会社の規模、解決したかった課題、導入後に人が何を続けているかの3点を確かめてください。
- チャットボットが使われなくなるのはなぜですか？
- 自社固有の質問に合わない答えを返すことが主な原因です。付属の汎用の答えは、自社の料金表や社内規程と食い違います。自社の過去の問い合わせからFAQを作り、答えられない質問は人へ渡す道を用意すると、使われやすくなります。
- 過去の問い合わせからFAQを作るには、どうすればよいですか？
- 過去の問い合わせと返信を集め、同じ意味の質問を1つにまとめて件数の多い順に並べます。返信から一般に案内してよい部分だけを取り出して答えを書き、担当者が条件と例外を確かめ、更新日と担当者を付けて登録します。個人名や連絡先は残しません。
- 問い合わせ対応のAIシステムには、どんな種類がありますか？
- 大きく4つです。決めた選択肢をたどるルール型、登録した質問と答えを返すFAQ型、資料を読んで文章で答える生成AI型、それらを組み合わせる併用型です。誤答が許されない質問はルール型とFAQ型で固め、言い回しの幅がある質問に生成AI型を使う設計が基本です。
- コールセンターはAIでなくなりますか？人員は減らされますか？
- 答えが決まっている質問はAIに移りやすい一方、判断や共感が要る対応は人に残ります。当社が確認できた範囲では、人員の増減を示す根拠となる数字は用意していません。自社で検討するときは、まず問い合わせを「答えが決まっている／判断が要る」に分け、人が担う範囲を決めてから体制を考えます。
- AIでクレームや感情的な問い合わせに対応できますか？
- 最初の受付と内容の整理までなら任せられますが、謝罪や補償の判断は人に残すのが安全です。クレームを示す言葉や強い不満を検知したら、AIの回答を止めて担当者に渡す条件を先に決めておきます。AIが自動で補償の約束をしないよう、回答できる範囲も限定します。
