社内の問い合わせ対応は、AI 活用の入口として真っ先に候補に挙がるテーマです。情報システム部門への「パスワードをリセットしたい」、人事への「有給は何日残っていますか」、経理への「この経費は精算できますか」。似た質問が何度も来て、答えは社内規程やマニュアルに書いてある。いかにも AI が得意そうな領域です。
ところが実際に着手すると、多くのプロジェクトが「どこまで AI に答えさせるか」で止まります。全部任せたいが、間違った回答が出たら困る。かといって全部人間が確認するなら、楽になった気がしない。この迷いを放置したまま導入を進めると、使われないチャットボットが社内に一つ増えるだけになります。
この記事では、ツールを選ぶ前に決めておくべき「線引き」を、実務で使える形に分解して整理します。
まず押さえる前提：社内問い合わせ AI の仕組み
最近の社内問い合わせ AI の多くは RAG（Retrieval-Augmented Generation、検索拡張生成） という方式を採っています。これは「AI が自分の記憶から答える」のではなく、まず社内文書を検索し、見つかった文書を読ませたうえで回答を作らせる仕組みです。
なぜこの方式が主流かというと、生成 AI には ハルシネーション（もっともらしい嘘を自信満々に出力する現象）という性質があるためです。社内規程のような「正解が決まっている」領域で AI に自由に答えさせると、存在しない条文を作り出すリスクがあります。RAG は手元の文書を参照させることでこれを抑え込みます。
ここで重要なのは、RAG はハルシネーションを減らしますが、ゼロにはしませんという点です。検索で拾ってきた文書が古い、質問の意図とずれた文書を拾った、複数の規程が矛盾している——こうした場合、AI は拾った材料の範囲でそれらしい回答を組み立ててしまいます。
つまり「RAG を入れたから安心」ではなく、AI が間違えたときに誰がどう困るかを質問の種類ごとに考える必要がある、というのが出発点です。
線引き①：質問を「間違えたときの損害」で3層に分ける
最初に決めるべきは、技術でも予算でもなく質問の分類です。おすすめは、正確さの要求度ではなく「誤回答がどこまで取り返しがつくか」で分けることです。
| 層 | 性質 | AI の扱い | 質問の例 |
|---|---|---|---|
| A：自己完結層 | 誤っても本人が気づく／すぐやり直せる | AI が完結して回答 | 社内システムの操作手順、会議室の予約方法、申請フォームの場所 |
| B：確認必要層 | 誤ると手戻りが発生するが、取り返しはつく | AI が回答＋出典提示＋「規程原文の確認を」と明示 | 経費精算の可否、出張手当の計算ルール、休暇の申請期限 |
| C：人間専任層 | 誤ると法務・労務・金銭上の実害が出る | AI は回答せず、担当窓口に案内するのみ | ハラスメント相談、退職・解雇に関する相談、個人の給与・評価、契約条件の解釈、セキュリティインシデント報告 |
この分け方の利点は、C 層を先に決められることです。「どこまで任せるか」を考えると議論が発散しますが、「絶対に任せないものは何か」から決めると、関係部署の合意が取りやすくなります。人事・法務・情シスの責任者に「これだけは AI に答えさせたくない質問を挙げてください」と聞く——これが実務上もっとも早い進め方です。
C 層に入れた質問については、AI に答えさせないだけでなく、「この件は○○部の△△窓口にご連絡ください」と明確に案内させる設定にしておきます。黙って「わかりません」と返すと、質問者が自己判断で動いてしまうためです。
線引き②：AI に読ませてよい文書と、読ませてはいけない文書
次に決めるのが、RAG の検索対象に含める文書の範囲です。ここは 情報セキュリティ と 情報の鮮度 の2軸で考えます。
セキュリティ面：アクセス権限との整合
社内文書には元々アクセス権限が設定されているはずです。ところが RAG の対象にまとめて放り込むと、AI が権限の壁を素通りして情報を漏らす事故が起こり得ます。たとえば次のような場面です——人事部限定フォルダの評価基準資料を検索対象に含めてしまい、一般社員が「評価のランク分けはどうなっていますか」と聞いたら AI が中身を要約して答えてしまった、というケースです。
対策は二つあります。一つは権限連動型の検索（質問者のアカウント権限で検索範囲を絞る機能）を持つツールを選ぶこと。もう一つは、そもそも全社公開レベルの文書だけを対象にするという割り切りです。第一段階では後者の方が安全で、立ち上げも早く済みます。
鮮度面：更新されない文書は害になる
見落とされがちですが、古い規程が検索対象に残っていることは誤回答の最大の原因の一つです。「2022年版就業規則」と「2024年版就業規則」が両方あれば、AI はどちらを拾うか分かりません。
導入前にやるべきことは、AI の設定より先に文書の棚卸しです。具体的には、
- 対象フォルダ内の旧版ファイルをアーカイブ領域へ移動し、検索対象から外す
- 各文書に「最終更新日」と「所管部署」を明記する
- 更新責任者を文書ごとに1名決める（「情シス」ではなく個人名で）
地味ですが、この作業をやったかどうかで回答精度は大きく変わります。むしろ AI 導入は社内文書を整理する口実として使うくらいの位置づけが現実的です。
線引き③：回答に必ず添えるもの、添えないもの
三つ目は、AI の出力フォーマットの決めごとです。ここを曖昧にすると、質問者が AI の回答を社内規程そのものだと誤認します。
最低限、次の3点を回答に含める設計にしておくことをおすすめします。
- 参照元の文書名と該当箇所——「就業規則 第○条」のように、質問者が自分で原本を確認できる形にする
- 参照元の最終更新日——情報の鮮度を質問者自身に判断させる
- 確信度が低い場合の明示——該当文書が見つからなかったときに推測で答えさせず、「該当する記載が見つかりませんでした。○○部にお問い合わせください」と返す
特に3番目が重要です。多くの生成 AI はデフォルトでは「分かりません」と言いたがらず、周辺情報から回答を組み立てようとします。プロンプト（AI への指示文）側で「検索結果に根拠がない場合は回答を作らず、窓口を案内すること」と明示的に制約をかける必要があります。
線引き④：人へのエスカレーション設計
AI だけで完結させようとすると必ず破綻します。AI から人へのバトンタッチをどう設計するかが、実運用での満足度を決めます。
決めておくべき項目は次のとおりです。
| 決めること | 判断のポイント |
|---|---|
| エスカレーションの起点 | 利用者が「担当者に聞く」ボタンを押す／AI が自動判定する／両方 |
| 引き継ぐ情報 | 質問文だけでなく、AI がどう答えたかの履歴も担当者に渡す（同じ説明の繰り返しを防ぐ） |
| 受け皿のチャネル | 既存のヘルプデスク、チャットのチャンネル、メール窓口のどれに流すか |
| 対応時間の表示 | 夜間・休日に AI が受け付けた質問をいつ人が見るか、利用者に明示する |
加えて、エスカレーションされた質問の内容をログとして蓄積し、定期的に見直す仕組みを最初から入れておきます。「AI が答えられなかった質問リスト」は、次に整備すべき社内文書を教えてくれる、もっとも価値の高いデータです。
法令・ガイドラインとの関係で確認しておきたいこと
社内問い合わせ AI は、扱う情報の性質上いくつかの制度と接点を持ちます。詳細は自社の法務・顧問弁護士に確認いただく前提で、押さえておくべき論点を挙げます。
- 個人情報の保護に関する法律（個人情報保護法、2022年施行の改正を含む）——従業員の個人データを外部のクラウド AI サービスに送る場合、委託先の監督や、国外サーバーを使う場合の取扱いが論点になります。利用するサービスのデータ保存場所と、入力データが学習に使われるかどうかの契約条件は必ず確認してください。
- AI 事業者ガイドライン（総務省・経済産業省、2024年公表）——AI を利用する事業者が留意すべき事項が整理されています。社内利用であっても、透明性の確保や人間による監督の考え方は参考になります。
- EU AI 法（2024年成立）——EU 域内に拠点や従業員を持つ企業は、用途によってリスク分類の確認が必要になる可能性があります。特に従業員の評価や採用に関わる用途は慎重な検討が求められます。
いずれも制度の運用や解釈は更新されていくため、導入時点で最新の原文を確認することをおすすめします。
明日から着手できる進め方
ツール選定の前に、次の順番で手を動かすと迷いが減ります。
- 過去3か月の問い合わせ履歴を50件集めて分類する——メール、チャット、口頭メモ、何でも構いません。先述の A / B / C 層に振り分けます
- C 層のリストを人事・法務・情シスに回覧して承認を得る——「AI に答えさせない質問」の合意形成がここで完了します
- A 層の上位10件について、回答の根拠となる文書が存在するか確認する——存在しなければ、AI 以前に文書を作る必要があります
- 対象文書の旧版を検索範囲から除外する
- A 層だけを対象に、1部署で試す——いきなり全社展開しない
1〜3 は AI ツールを契約していなくても実施できます。むしろこの作業の過程で、「自社の問い合わせの大半は文書が整備されていないことが原因だった」と判明することも珍しくありません。
まとめ
社内問い合わせ AI の導入で最初に決めるべきは、ツールでもモデルでもなく、4つの線引きです。
- 質問の線引き——誤回答の取り返しがつくかで3層に分け、C 層は AI に答えさせない
- 文書の線引き——アクセス権限と更新日で、検索対象に入れる文書を絞る
- 回答の線引き——出典・更新日を必ず添え、根拠がなければ回答させない
- 人への線引き——エスカレーションの起点・引き継ぎ情報・受け皿を事前に決める
この4つを決めずに始めたプロジェクトは、「精度が出ない」「信用できない」という理由で停止しがちですが、本当の原因は精度ではなく期待値のコントロールができていないことにあります。AI がどこまで答えるのかを利用者が理解していれば、多少の不完全さは許容されます。
逆に言えば、線引きさえ明確なら、小さく始めて十分に価値が出ます。まずは「AI に答えさせない質問のリスト」を1枚の表にまとめるところから着手してみてください。
この記事は、AI で下書きを作り、益山康秀（運営者）が内容を確認して公開しています
