AI業務整理室
「問い合わせ対応を仕分ける」の見出しと「業務整理の型」のラベルを配した記事ヒーロー画像。淡いクリームの地に山吹色の枠、左下にAI業務整理室のロゴ

問い合わせ対応を整理する / 2026年7月3日

問い合わせ対応の属人化を、AIの前に「4つに分ける」｜チャットボット・FAQツールを当てる順番と選び方

「あの人がいないと問い合わせが回らない」状態は、AIチャットボットを乗せても解決しません。問い合わせを4類型に分け、FAQ系から順にChatGPTやチャットボットを当てる手順・プロンプト・ツールの選び方を、今週動ける形で整理しました。

“あの人”がいないと回らない、中小企業の問い合わせ現場

社員30名のサービス業の会社で、こんな話を聞きました。顧客からの問い合わせに的確に答えられるのは、入社10年目のベテラン社員ひとりだけ。新人や中堅も対応しようとするのですが、契約内容や過去のやり取りを正確に把握できず、結局「これ、どう返せばいいですか?」とベテランに確認することになる。ベテランが休んだ日は、午後の問い合わせがまるごと翌日にずれ込む——。

士業事務所でもECの小売でも、規模も業種も違うのに、聞こえてくるのは同じ言葉です。「あの人がいないと、顧客対応が回らない」。

属人化は、誰かが情報を抱え込んでいるから起きるのではありません。属人化が「いちばん速く回る運用」になっているから続きます。マニュアルを引くより隣のベテランに聞く方が30秒で済む。目の前の1件を処理する方が、手順書を書くより優先される。新人にゼロから教える時間は取れない。この日常的な判断の積み重ねが、ナレッジを個人に溜め、組織に残さない構造を固定します。個人の頑張りで解こうとしても限界があるのは、そのためです。

だからここで多くの会社が打つ一手が「AIチャットボットを入れる」「過去のメールをChatGPTに学ばせる」なのですが、これは高い確率で続きません。理由ははっきりしています。整理されていない情報の上にAIを乗せても、AIは整理された答えを返せないからです。古いFAQを読ませればズレた回答が返り、定型化されていない過去メールを学ばせても、AIが覚えるのは「ベテランがどう判断したか」ではなく表層的な文面パターンだけ。結局「AIの下書きをベテランが確認する」工程が増え、負担がむしろ重くなることさえあります。

順番が逆なのです。AIを入れる前に、問い合わせそのものを整える。そこから始めます。

自分でやるなら：4つに分けて、FAQ系から順にAIを当てる

やることは3ステップです。①問い合わせを4類型に分けて棚卸しする、②FAQ系を「答えの型」としてドキュメントにする、③その型にAIを当てる。順番を守ると、少人数でも今週から動けます。

ステップ1：問い合わせを4つに分ける（棚卸し）

まず、直近2週間の問い合わせを次の4類型に振り分けます。エクセルでもスプレッドシートでも、1枚あれば十分です。

  • FAQ系：繰り返し聞かれる定型質問（営業時間・料金・解約方法など）。答えが固定されている。
  • 個別判断系：契約状況や過去経緯に依存する質問（「うちの契約だとこの機能は使える?」「先月の請求額を確認したい」）。
  • クレーム系：感情への配慮が要るやり取り（不満・トラブルの謝罪）。
  • 緊急系：速度が最優先の対応（システム障害・決済エラー・配送トラブル）。

振り分けたら、各類型について3つだけ書き出します。(1)誰が答えているか／(2)1件あたり何分かかっているか／(3)どの情報源を見て答えているか（メール履歴・契約管理システム・社内Slack・暗黙知など）。これだけで「自社のどこが属人化しているか」が事実として見えます。「FAQ系の8割をベテラン1人が処理している」と分かれば、そこがAIの当てどころです。

問い合わせを「定型度」×「感情・判断の重さ」の2軸で4類型に分けた図。FAQ系はAIを当てやすく、クレーム系・緊急系は人が担う、と結論づけている

分ける狙いは、AIを当てる場所と、当てない場所を先に決めることにあります。「定型度が高く、判断の重さが軽い」FAQ系はAIと相性がよく、「感情や信用が絡む」クレーム系・緊急系は人が担う。全部にAIを当てたくなる気持ちを、ここで一度止めます。

ステップ2：FAQ系を「答えの型」にする（ドキュメント化）

AIに渡す前に、FAQ系の答えを文章として書き出します。ここで使うツールは2択で考えれば十分です。

  • スプレッドシート（Google スプレッドシート／Excel）：社員5〜10名で、まず1枚から始めたい場合。「質問／回答／注意点／最終更新日」の4列で足ります。
  • Notion（＋Notion AI）：問い合わせの種類が多く、検索性や更新のしやすさを重視する場合。過去のやり取りを貼り付けて、Notion AIに「よくある質問と回答の形に整理して」と頼むと、たたき台が一気に作れます。

選び方の軸はシンプルです。 更新する人が1〜2人で件数も多くないならスプレッドシート、複数人で育てていくならNotion。どちらでも構いませんが、「誰がいつ更新するか」を先に決めることだけは外さないでください（つまずきの筆頭がここです）。

（各ツールの機能・料金は変わります。最新情報は各社の公式サイトでご確認ください。）

ステップ3：型にAIを当てる（返信下書き→チャットボット）

FAQ系の型ができたら、いよいよAIです。ここは小さく始める順番があります。

まずは「返信下書き」から。 チャットボットをサイトに設置する前に、ステップ2で書き出した回答例を ChatGPT／Claude に渡し、社内で使う返信の下書きを作らせます。選び方は、無料で試しやすく汎用的なのがChatGPT、長めの丁寧な文章や社内資料をまとめて読ませたいときに扱いやすいのがClaude、という程度で十分。どちらも無料版で検証できます。

コピペで使えるプロンプトはこれです。肝は「勝手に埋めさせない」設定です。

あなたは当社のカスタマーサポート担当です。
以下の【過去の回答例】の口調とルールをまねて、
【今回の問い合わせ】への返信の下書きを作ってください。

# 過去の回答例（3〜5件を貼る）
[Q. 解約したい → A. いつもご利用ありがとうございます。解約は…]

# 今回の問い合わせ
[顧客からのメール本文を貼る]

# 条件
・事実がわからない部分は［要確認：〇〇］と書き、勝手に埋めない
・金額・契約内容など事実に関わる箇所は断定しない
・最後に「送信前に確認すべき点」を箇条書きで添える

［要確認：〇〇］を必ず書かせるルールにしておくと、AIが事実を作文する（ハルシネーション）リスクをそのまま可視化できます。ベテランは全文を書き直すのではなく、［要確認］の箇所だけをチェックして埋める運用になり、確認時間が10分単位に縮みます。

過去回答→AIが返信下書き→人が［要確認］をチェック→送信、の流れ。人のチェックを必ず挟む検証ゲートを工程として描いた図

次に、繰り返しが多いと分かってから「チャットボット／FAQツール」。 返信下書きで手応えがあり、FAQ系の件数が多い（顧客が同じ質問を何度も送ってくる）場合に、初めて顧客向けの自動応答を検討します。中小企業でよく候補に挙がるのは次の3つです。

  • Tayori：FAQページと問い合わせフォームをまとめて作れる。無料プランがあり、まず「よくある質問ページ」を公開して人への問い合わせ自体を減らしたい会社に向く。
  • Helpfeel：質問の言い回しのゆれに強い検索型。「これ何て検索すればいいか分からない」質問が多い、FAQの件数が多い会社向け。
  • ChatPlus：Webサイトに会話型で乗せられ、シナリオ＋AI応答を低価格から。チャット窓口として置きたい会社向け。

選び方の軸は「まず問い合わせ数そのものを減らしたい（＝FAQページ型：Tayori）」か、「探しにくいFAQを賢く引かせたい（＝検索型：Helpfeel）」か、「サイト上で会話的に応じたい（＝チャット型：ChatPlus）」か。ランキングで上から選ぶのではなく、ステップ1の棚卸しで見えた「自社のFAQ系が多い理由」に合わせて選びます。

※ ここで挙げるのは代表的な一例です。 これらを必ず使わなければならない、というわけではありません。自社の問い合わせの実態に合うものを選んでください。（各ツールの仕様・料金は変わります。導入前に公式サイトで最新情報をご確認ください。）

つまずきやすいポイントと回避策

「FAQがすぐ古くなる」 → 走り出す前に更新の担当と頻度（月1回など）を決める。対応した新しいパターンは、その週のうちに1行足す。更新者が決まっていないFAQは、半年で必ず陳腐化します。

「AIが事実を作文して、間違った回答を送りそう」 → 上のプロンプトの［要確認］ルールを徹底し、人のチェックを必ず挟む。契約金額など事実に関わる情報は、AIに渡す範囲を絞る。

「チャットボットを入れたのに誰も答えを入れない」 → ボットは”箱”であって”答え”ではありません。ステップ2のFAQドキュメントが先。型ができる前にボットだけ設置すると、必ず「聞いてもダメだから人に問い合わせる」に戻ります。

「過去メールを学ばせれば判断まで再現できるはず」 → 再現できるのは文面の雰囲気までで、判断のロジックは学べません。だからこそステップ1で「誰が・何を見て・どう答えているか」を言語化しておく必要があります。

ここから先は「設計」が要る領域

3ステップの多くは、自社で組めます。一方で、自走だけでは越えにくい壁もあります。

ひとつは、どの類型からAIを当て、どこは人が残すかの優先順位づけ。 FAQ系が少なく個別判断系が大半、という会社では、同じ手順でも効き方が変わります。「AIを当てない業務をきちんと切り分ける」ことが、当てる業務を決めることと同じくらい成果を左右します。もうひとつは、担当が変わっても回る仕組みにすること。属人化した対応はツールを入れても「その人専用の運用」になりがちで、誰が引き継いでも同じ手順で回る状態にするには、ルールをドキュメント化してから自動化に入る順番が要ります。

さらに長い目で見れば、蓄積したFAQ系のデータで自社のナレッジを学んだAIが育っていく——これは”ナレッジ整理から始めた会社”では得にくい副産物ですが、全体の設計とセットで初めて効いてきます。

このあたりは、ツールの使い方というより業務設計の話です。部分的には進んだのに全体が楽にならない、優先順位の付け方に迷う——そう感じたら、そこが設計を見直すサインです。

今週からできる、最初の一歩

問い合わせ対応の整理は、全社で一度に始める必要はありません。今週試せることが3つあります。

今週やる3ステップ（2週間分を4類型に振り分ける／最多類型を棚卸しする／FAQ系だけAIで下書きを試す）を並べた図

  1. 直近2週間の問い合わせを、4類型に振り分ける。 完璧な分類は不要、エクセル1枚で十分です。件数の比率が見えるだけで、次の打ち手の優先順位がはっきりします。
  2. 最も件数の多い類型について、誰が・何分で・何を見て答えているかを書き出す。 5〜10件サンプリングすれば傾向はつかめます。これがそのまま”対応の型”の原型になります。
  3. FAQ系が大半なら、その類型だけChatGPTかClaudeの無料版で試す。 過去の回答例を3〜5件渡して下書きを作らせ、ベテランが［要確認］だけを10分でチェックする運用を1週間。効けば横展開、効かなければ整理に戻ります。

この3ステップを2〜3週間回すだけで、「うちの問い合わせのどこを整理すべきか」「AIを当てる順番はどうあるべきか」が、感覚ではなく事実として見えてきます。AIを入れる前に、まず4つに分けるところから始めてみてください。

本記事で紹介したChatGPT・Claude・Notion（Notion AI）・Google スプレッドシート・Tayori・Helpfeel・ChatPlus は、いずれも代表的な一例です。機能・料金は変更される場合があります。最新情報は各社の公式サイトでご確認ください。