社内FAQをAIで自動化｜RAGの作り方と実践手順

「経費精算の締め、いつでしたっけ」「あの規程のファイル、どこにありますか」──総務や情シス、経理を任されている方なら、こうした質問に一日何度も手を止めて答えている感覚があるはずです。一件ずつは30秒の返事でも、同じ質問が別の人から週に何度も飛んでくる。この「また同じ質問」の積み重ねが、管理部門の時間をじわじわと削っています。やっかいなのは、答えは社内のどこかに必ず書いてある、という点です。規程集にもマニュアルにも書いてあるのに、探せないから人に聞くほうが早い。つまり「情報が無い」のではなく、「あるのに引き出せない」問題です。

この記事では、社内問い合わせ対応をAIで自動化する方法を、実際に自社の業務でAIを組んで回している立場から、手を動かせる粒度で整理します。鍵になるのは、「既製のチャットボットを入れる」で止まるか、「自社の文書を根拠に答える仕組み（RAG）まで作る」かの差です。よく聞く「入れたのに、結局答えてくれない」の正体もここにあります。

社内問い合わせが減らない、本当の理由

解決策の話に入る前に、なぜ社内の「また同じ質問」がいつまでも減らないのかを分解しておきます。多くの会社が「マニュアルを整備すれば減る」と考えますが、実際にはそれだけでは減りません。

社員が何かを知りたいとき、実際に起きているのはこういう流れです。まず、どこに書いてあるかを探す。フォルダを開き、キーワードで検索し、それらしいファイルを開いて中を読む。ところが見つからない、あるいは古い版しか出てこない。そこで探すのをあきらめて、詳しそうな人に聞く。聞かれた人は手を止めて答える。この「探す・あきらめる・聞く・答える」が延々と回り続けます。

ここで時間を食っているのは、答えを知っている人ではなく、探してもたどり着けない社員と、そのたびに中断させられる担当者の両方です。しかも聞かれる側は特定の人に偏ります。総務のあの人、情シスのあの人、経理のあの人。結果として、その人が休むと社内の問い合わせが滞る。属人化がここでも起きています。

マニュアルを整備しても問い合わせが減らないのは、整備することと、必要なときに引き出せることが別の問題だからです。500ページの規程集がきれいに整っていても、「経費精算の締めは何日か」に一発でたどり着けなければ、社員は結局人に聞きます。人が欲しいのは「文書のありか」ではなく「質問への答え」です。この距離を埋めない限り、問い合わせは減りません。

社内FAQの自動化とは、この「あるのに引き出せない」を、質問すれば答えが返ってくる体験に置き換えることにほかなりません。では、それをどう実現するのか。ここで登場するのがRAGという考え方です。

RAGとは何か — 既製チャットボットと、どこが違うのか

「社内問い合わせ AI」で調べると、チャットボットの製品がずらりと出てきます。それらを入れれば解決するように見えますが、多くの会社が「入れたのに答えてくれない」でつまずきます。この違いを理解する鍵が、RAGという仕組みです。

RAG（アール・エー・ジー）とは、**Retrieval-Augmented Generation（検索拡張生成）**の略で、噛み砕くと「AIが答える前に、まず社内文書の中から関係する箇所を探し、その箇所を根拠にして答えを組み立てる仕組み」です。ポイントは順番です。いきなりAIに書かせるのではなく、先に自社の文書を検索して、見つかった中身を読ませてから答えさせる。だから、答えの根拠が社内文書にある状態を作れます。

これがなぜ大事かは、既製チャットボットの二種類と比べると分かります。

ひとつは、あらかじめ「この質問にはこの答え」と人手で登録しておく従来型のFAQチャットボットです。登録した想定問答には答えますが、想定外の聞き方をされると答えられません。「経費精算の締め日は?」には答えても、「精算っていつまでに出せばいいの?」という違う言い回しには反応しない。想定問答を作り込む手間が延々と続き、結局メンテナンスされずに使われなくなります。

もうひとつは、ChatGPTのような汎用の生成AIをそのまま使う場合です。こちらは言い回しの揺れには強いのですが、致命的な弱点があります。御社の社内規程を知らないのです。ChatGPTが学習しているのは世の中一般の情報であって、御社の経費精算ルールも、有給の申請フローも、リアルタイムの社内事情も入っていません。だから聞いても一般論しか返らないか、もっと悪いと、それらしい嘘（ハルシネーション＝AIが事実でないことを自信たっぷりに答える現象）を作文します。

RAGは、この二つの弱点を同時に埋めます。汎用AIの「言い回しの揺れに強い」性質を活かしつつ、答える前に必ず御社の社内文書を検索させることで、「御社のことを知らない」を解消する。言い回しが自由で、かつ自社のルールに基づいて答える──社内FAQとして本当に使えるのは、この組み合わせです。「既製チャットボットを入れても答えない」の正体は、多くの製品がこの「自社文書を根拠に答える」設計になっていないか、なっていても社内文書の整備が伴っていないことにあります。

AIに任せられる範囲と、人が残すべき範囲

RAGなら何でも答えられる、と考えるのは危険です。社内FAQをAIに任せるときは、任せていい質問と、人が握るべき判断をはっきり分けておく必要があります。ここを曖昧にしたまま全部AIに流すと、事故につながります。

AIが特に強いのは、答えが文書に明確に書いてある事実確認です。「締め日は毎月何日か」「申請はどの様式か」といった質問は、社内文書に根拠がある限り、RAGが出典付きで即答できます。社内問い合わせの多くはこの種類なので、ここを自動化するだけでも担当者の中断は目に見えて減ります。

一方で、例外の判断や個別事情はAIに任せてはいけません。「この経費は特例で通るか」は、規程の文面だけでは決まらない、人の裁量が入る領域です。ここをAIに答えさせると、「AIがいいと言った」を根拠に誤った運用が広がりかねません。AIには「規程ではこう書いてある」という根拠の提示までをさせ、最終判断は人が握る。これが安全な線引きです。

もうひとつ大事なのが、根拠がない質問には「分かりません」と正直に返させる設計です。社内文書のどこにも答えがない質問に、AIがもっともらしい回答をでっち上げるのが最悪のパターンです。「登録された文書に該当がなければ、推測で埋めずに分からないと返す」を最初から作り込んでおく。何でも答えるボットより、答えられないことを正直に言うボットのほうが、社内で信頼されて使われます。この線引きの考え方は、AI業務改善とは何かで整理している「任せる/残すの判断」がそのまま当てはまります。

社内FAQの自動化には、3つの段階がある

社内FAQのAI化は、いきなり全社の全文書を対象にした万能ボットを目指すと、まず失敗します。対象が広すぎて精度が出ず、「やっぱり使えない」で終わるからです。現実的なのは、段階で捉えることです。大きく三つの水準があります。

段階1：対象を1業務に絞って作る。 まずは問い合わせの多い一領域──たとえば経理の経費精算まわり、あるいは情シスのIT FAQ──に絞ります。対象文書を数点に限定し、その範囲でRAGを動かす。範囲が狭いほど検索精度は上がり、答えの正確さを確かめやすくなります。ここで「ちゃんと出典付きで正しく答える」体験を、まず一領域で成立させます。

段階2：ナレッジを整備しながら広げる。 段階1で手応えが出たら、対象文書を増やします。ここで避けて通れないのがナレッジ整備です。古い版と新しい版が混在している、同じことが複数の文書に食い違って書いてある、そもそも文書化されずに人の頭の中にある──こうした状態のままだと、AIは古い情報や矛盾した情報を堂々と答えます。RAGの精度は、AIの賢さより元になる文書の整い具合でほぼ決まります。この段階は、AI化であると同時に、社内ナレッジそのものを棚卸しする作業でもあります。

段階3：全社の入り口として定着させる。 ナレッジが整い、精度が信頼できる水準になったら、全社員が「まず聞く場所」として使う状態を目指します。SlackやTeamsなど普段使うツールから質問できるようにし、問い合わせの一次窓口をAIに担わせる。人が答えるのは、AIが「分かりません」と返した例外や個別判断だけになります。

重要なのは、段階2のナレッジ整備を飛ばして先へ進めないという点です。多くの「導入したのに使われないRAG」は、文書が整っていないまま対象だけ広げた結果、精度が出ずに見捨てられています。狭く始めて、整えながら広げる。この順番が、社内FAQ自動化の成否を分けます。

【実践手順】社内FAQをRAGで作る5ステップ

では、実際にどう作るか。段階2の「整備しながら広げる」を見据えたときの、現実的な手順を5ステップで示します。いきなり完璧を狙わず、上から順に積み上げるのがコツです。

ステップ1：問い合わせの多い質問を洗い出す。 まず、実際に社内でよく聞かれる質問を集めます。総務や情シスの担当者に「今週どんな質問が来たか」を書き出してもらうだけで十分です。「経費精算の締め」「有給申請」「VPN設定」──こうした頻出質問が、最初にAIが答えるべき対象になります。ここを起点にすると、作った瞬間から効果が出る範囲を狙えます。

ステップ2：対象文書を集めて整える（ここが精度の9割）。 洗い出した質問に対応する社内文書を集め、版を最新に統一し、矛盾を消します。古い規程を捨て、同じことを複数箇所でバラバラに書いている状態を直す。文書化されていない暗黙のルールがあれば、この機会に書き起こす。地味な作業ですが、RAGの精度はここでほぼ決まります。豪華なAIより、整った文書のほうが正確な答えを生みます。

ステップ3：文書を検索できる形にして、RAGを組む。 整えた文書を、AIが検索できる形（検索しやすい単位に分割し、意味で引けるようにする）にして、「質問→社内文書を検索→根拠に基づいて回答」という流れを作ります。ここが技術的な中心で、後述するつまずきが集中する工程でもあります。まずは段階1の狭い範囲で、出典付きで正しく答える状態を成立させます。

ステップ4：出典と「分かりません」を作り込む。 回答には必ず**出典（どの文書のどこに書いてあるか）**を添えます。社員が一次文書で裏を取れるようにするためです。あわせて、根拠が一定の基準に満たない質問には「該当する文書が見つかりませんでした」と返す仕組みを入れます。この「答えない設計」が、でっち上げ回答を防ぎ、社内の信頼を守ります。何でも答えるより、正直なほうが使われます。

ステップ5：使われ方を見て、直し続ける。 公開して終わりにせず、「どんな質問に答えられなかったか」「間違えた回答はどれか」を記録します。答えられなかった質問は、多くの場合、文書が無いか古いかが原因です。そこを補って再取り込みすれば、システムは使うほど賢くなります。文書が更新されたら再取り込みする運用担当と頻度を、最初に決めておくことも欠かせません。

この5ステップのうち、ステップ1〜2は明日からでも自力で始められます。壁があるのはステップ3〜4、つまり「社内文書を検索できる形にして、出典付き・答えない設計まで作り込む」ところです。ここをどう越えるかが、社内FAQが「入れたけど使われない」で終わるか、「まず聞く場所」に育つかの分かれ目になります。

御社の社内問い合わせでも、どの質問をAIに任せ、どの文書から整え、どう作り込むかを決めて、動くまで作ります。 どこから手をつければ一番効くのか、自社文書をどう組み込むのか──合同会社T-WORKSの無料相談で、御社の現状に合わせた次の一手を一緒に整理します。まずはお気軽にご相談ください。

既製ツールで足りる場合と、自社RAGが要る場合

ここまで読んで、「なら市販の社内チャットボットを入れれば済むのでは」と思われたかもしれません。実際、簡単な用途なら既製ツールで十分なこともあります。問題は、御社の求める水準に届くかどうかです。両者の限界を並べて比べます。

既製ツールが向くのは、答えが定型で、機密性が低く、多少の取りこぼしを許容できるケースです。たとえば福利厚生の一般的な案内程度なら、市販のもので事足りることもあります。手軽さは大きな利点です。

一方、自社RAGが要るのは、答えの根拠をたどれる必要があり、社内固有のルールや機密文書を扱い、権限に応じて見せる範囲を変えたいケースです。経理・人事・法務のように「間違った回答が実害につながる」領域では、出典が示せて、根拠がなければ正直に「分かりません」と返せることが決定的に重要になります。ここは既製の汎用ツールでは届きにくく、自社の文書とルールを組み込んで作る必要があります。

この違いは、AIツールの良し悪しの話ではなく、AI業務改善をどう捉えるかという根っこの考え方に関わっています。既製ツールを「買って使う」段階と、自社の業務が正確に回る形を「決めて、つくる」段階は、別のものです。社内FAQの自動化も、御社が求める精度と扱う情報の重さによって、どちらを選ぶべきかが決まります。

つまずきやすい落とし穴と、その避け方

社内FAQのRAG化は効果が大きい一方で、雑に進めると「入れたのに使われない」で終わります。実際、導入後に利用が伸びない原因の多くは、AIの性能ではなく、文書の整備不足・回答への不信・業務導線とのズレ・運用の不在に集約されます。よくある落とし穴を先に知っておきましょう。

ナレッジを整えずに作り始める。 これが最大の落とし穴です。古い版と新しい版が混在し、同じことが矛盾して書いてある文書をそのまま食わせると、AIは平気で古い情報や食い違った答えを返します。一度でも間違った回答を返すと、社員は「あのボットは当てにならない」と判断し、二度と使わなくなります。先に文書を整える。RAGの精度は文書の整い具合でほぼ決まる、という原則をここでも守ってください。

「分からない」を返さず、でっち上げる。 根拠がない質問に、AIがもっともらしい回答を作文するのは最も危険です。社員はそれを本当だと信じて動いてしまいます。根拠が基準に満たなければ正直に「分かりません」と返す設計を、必ず最初から入れておく。これは技術的な手当てであると同時に、信頼を守るための設計判断です。何でも答えるボットは、実は使われません。

普段使わない場所に置いて、使われない。 せっかく作っても、専用サイトを別に開かないと使えない形だと、社員は結局これまで通り人に聞きます。ChatGPTを配っても使われないのと同じ構図で、道具があることと使われることは別です。SlackやTeamsなど、普段仕事で開いている場所から質問できるようにする。「わざわざ感」をなくすことが、定着の分かれ目になります。

作って終わりにして、文書が古くなる。 規程やマニュアルは変わります。組み込んだ文書を更新しないと、AIは古いルールで堂々と答え続けます。文書が変わったら再取り込みする担当と頻度を最初に決めておく。答えられなかった質問を記録し、文書を補い続ける。この運用のループがない限り、精度は時間とともに落ちていきます。社内FAQは「作る」より「育てる」ものだと捉えてください。

私たちT-WORKS自身も、この仕組みを作って使っています

こうした「社内文書を根拠に、出典付きで答え、分からないことは正直に返す」RAGを、私たち合同会社T-WORKS自身も自分たちの業務で作って使っています。AIに詳しいから言えるのではなく、自分の手で作って回しているからこそ、どこで詰まるか、どこに注意すべきかが分かります。

実際に、社内規程・ITのFAQ・入社時のオンボーディング手順といった文書を登録しておくと、「経費精算の申請期限は?」のような自然な質問に出典付きで答える検索ボットを作り、その中身を社内ナレッジ検索ボット（RAG）の実装事例で公開しています。そこでは、この記事で触れた勘所──もっともらしい嘘を出さないための出典の自己点検、根拠がないときに「分かりません」と返すためのしきい値の校正、日本語をそのまま検索できるようにする工夫──を、実際にどう作り込んだかまで踏み込んで紹介しています。正直に言えば、これらも一度で完成したわけではなく、想定外の様式でうまく引けずに何度も直して、ようやく実用になりました。ステップ5の「作って終わりにしない」を、自分たちで実践した格好です。

社内FAQ以外にも、議事録づくり・問い合わせメール対応・帳票入力といった定型業務を「人が操作しなくても回る形」にした事例を、業務別のAI活用事例にまとめています。御社の業務のうち、どこが同じやり方で変えられるかを探す材料にしてください。

まとめ

社内の「また同じ質問」が減らないのは、情報が無いからではなく、あるのに引き出せないからです。マニュアルをいくら整備しても、必要なときに質問への答えとして取り出せなければ、社員は結局人に聞きます。社内FAQの自動化とは、この距離を「質問すれば出典付きで答えが返る」体験で埋めることに尽きます。

そのとき鍵になるのがRAGです。既製の従来型チャットボットは言い回しの揺れに弱く、ChatGPTをそのまま使っても御社の社内ルールを知りません。答える前に必ず自社文書を検索し、根拠に基づいて答えるRAGだからこそ、自由な聞き方に応えつつ、自社のルールに沿った回答ができます。「入れても答えない」の正体は、この設計と、それを支えるナレッジ整備の欠落にあります。

進め方は、頻出質問の洗い出し→文書を整える→検索できる形にしてRAGを組む→出典と「分かりません」を作り込む→使われ方を見て直し続ける、という5ステップ。そして、狭く始めて整えながら広げる3段階を守ること。精度はAIの賢さより文書の整い具合で決まり、何でも答えるより正直なほうが信頼される──この二つを外さなければ、社内FAQは「まず聞く場所」に育ちます。

合同会社T-WORKSは、AIを「導入して終わり」にせず、御社のどの問い合わせをAIに任せるかを一緒に決め、自社文書を組み込んで実際に動くところまで作りきる「AI業務改善パートナー」です。御社の社内FAQでも、何をAI化すべきか決めて、動くまで作ります。「また同じ質問」に管理部門が疲弊している、特定の人しか答えられない──そんな状態を変えたい方は、まず現状を聞かせてください。

決めて、つくる。

→ 無料相談はこちら（お問い合わせフォームからお気軽にどうぞ）