仕事を引き取るAIの同僚－第4回：「またその質問？」を言わなくてよくなる仕事の任せ方

この記事のポイント

・「またその質問？」を減らす 社内FAQのAI自動応答 の組み方
・ChatGPT・Notion AI・Slack botで作る 3種類の仕組み
・実企業の導入事例（サッポロHD・国分グループ・キリンビール等）の 削減実績
・答えの精度を保つ ナレッジベース設計の4つのコツ

同じ質問の繰り返しが生むコスト

社内ヘルプデスクや人事・総務への問い合わせには、似た質問が何度も寄せられます。実企業の公開事例では、FAQやAIチャットボットで一次対応可能な問い合わせは 全体の45〜70%程度 と報告されています。

・サッポロHD×野村総合研究所 共同ニュースリリース（2017年7月6日）：社内AI PoCで発生した問い合わせの 45% がAIで回答可能
・PKSHA Technology プレスリリース（2022年12月12日）：国分グループ本社で13カテゴリ・250件のFAQをAIチャットボットに搭載、月最大約1,200件の問い合わせで 自己解決率約70% を実現
・PERSOLビジネスプロセスデザインの社内アンケートで「困ったときはFAQを使う」と答えた人が約6割の組織で、Helpfeel導入後 1か月で社内問い合わせ件数が約25%減少

実企業の導入効果（公開事例）

企業	対象範囲	主な成果
サッポロHD	社内問い合わせ	AIで45%を一次回答／検索時間 3分45秒→30秒
国分グループ	人事・総務	FAQ約250件で自己解決率 約70%
PERSOL BPD	IT・人事労務・経理	導入1ヶ月で有人問い合わせ 約25%減
キリンビール	社内業務システム	月240〜250件→月約30件（約90%削減）
JR九州	財務・人事・営業・総務・システム部門（約6,000名）	月平均181時間削減／電話応対件数 スタッフ体感で約4割減
学研メディカルサポート	管理部門	導入検討時の試算で年間 約400時間・80万円相当の削減（実際はそれ以上の効果を体感とコメント）

AIに任せられる問い合わせ vs 人が対応すべき問い合わせ

質問の性質	AI向き	理由
手順・ルール・期限の確認	◎	規程文書をそのまま回答できる
過去の事例を探す	◎	ナレッジベース検索が強み
申請フォームの場所・記入方法	◎	誘導するだけで完結
例外対応・判断が必要な事案	△	必ず人間にエスカレーション
個人情報・人事評価が絡む件	×	ガバナンス上NG

実装パターン3種：規模と投資額で選ぶ

パターンA：ChatGPT＋GPTs（小規模・試験導入向け）

所要時間：半日〜1日／費用：月20ドル（ChatGPT Plus）〜

1. 社内規程・よくある質問（Q&A形式で200〜500件）をまとめる
2. ChatGPTで「GPTs（マイGPT）」を作成
3. ナレッジベースをアップロード
4. システムプロンプトで「この資料に基づいて回答。不明な場合は人事に連絡」と指示
5. 部署にURLを共有

パターンB：Notion AI / Confluence AI（ドキュメント連動型）

所要時間：2〜3日／費用：月10〜20ドル／ユーザー

社内ドキュメントが既にNotion・Confluenceにある場合、組み込みAIで即座にナレッジ検索が可能に。文書更新が自動で反映されるのがメリット。

パターンC：Slack bot＋Dify / LangChain（本格導入）

所要時間：1〜2週間／費用：開発コスト＋月数百ドル程度

Slackの質問投稿を検知して自動回答する本格実装。社員が普段使うSlackで完結するため、利用率が大きく上がる傾向があります。詳しい実装は次々回（第6回）でDifyを使った構築手順を解説します。

ナレッジベース設計 4つのコツ

コツ	内容
① Q&A形式に分解する	マニュアル全体を渡すのではなく「Q：〇〇はどうする？ A：〇〇する」の形で200〜500件程度に分解（国分グループは約250件で自己解決率70%）
② 更新日を明記	古い規程に基づいた回答を防ぐため、Q&A各項目に「最終更新日」を付与し、AIに「更新日の新しい情報を優先」と指示
③ エスカレ先を常に併記	AIの回答末尾に必ず「詳細は〇〇部（担当：△△さん）まで」と記載。判断を超える事案を人間に確実にリダイレクト
④ 月次で「回答できなかった質問」を棚卸し	AIが回答できなかった質問ログを確認しQ&Aに追加。これだけで回答精度が継続的に改善

導入時に起きがちな落とし穴

① ナレッジベースの矛盾：古いマニュアルと新しい通達が混在するとAIの回答がブレる。

② 「AIが言ったから」問題：AIの回答を鵜呑（うの）みにする社員が出る。「最終確認は人間」を明文化する。

③ 利用率の低迷：Slack/Teams等の既存チャネルに組み込み、「AIに先に聞く」文化を明示的にルール化することが重要。

Gartnerの2024年調査（5,728人対象）では、セルフサービスで完全解決した顧客サービス課題は14%のみ という海外ベンチマークもあります。「FAQを置けば自動解決」ではなく、質問パターンに沿った設計品質が成果に直結します。

明日からできる3つのアクション

① 過去の問い合わせログから「頻出Top10」を書き出す
半日あれば終わります。完璧を目指さず、まず10件のQ&Aから始める。

② ChatGPT Plus（月20ドル）でGPTsを1つ作る
ナレッジをアップロードして、システムプロンプトを書くだけ。1日で動くものができます。

③ 月次で「回答できなかった質問」を見直す
最初は精度が低くても、月1回の棚卸しを続ければ3か月で実用レベルに。

今回のまとめ

公開事例ベースで、FAQやAIで一次対応可能な問い合わせは 45〜70%。AIに任せれば、企業事例では有人問い合わせ 25〜90%削減 も可能。小さく始める（GPTs）→育てる（月次メンテ）→拡張する（Slack連携） の順で進めましょう。

次回（第5回）は「考え始める前が一番しんどい仕事」をテーマに、計画・下準備をAIの同僚に整えてもらうコツを解説します。

<文/岡崎 凌>