AIで社内FAQを作る——チャットボット導入前に整備すべきこと

「社内の問い合わせが多いからAIチャットボットを入れたい」——この相談は年々増えています。ただ、ツールを先に契約した会社の多くが、数ヶ月後に「結局誰も使わなくなった」という状態に陥ります。

原因はツールの性能ではなく、チャットボットが参照する「社内FAQ」が整っていないことにあります。回答の元データが古い・曖昧・重複していれば、どんなに優秀なAIでも「それらしいが間違った回答」しか返せません。一度間違った回答をされた社員は、二度とそのボットを使いません。

この記事では、AIチャットボットを導入する前にやるべき「社内FAQの整備」を、質問の棚卸しから回答の書き方、更新を回す仕組みまで、中小企業が実際に進められる順番で整理します。

なぜチャットボットより先にFAQなのか

AIチャットボットは「質問を理解して適切な回答を探してくる」仕組みですが、その「探してくる先」がスカスカだと何も返せません。社内チャットボットの成否は、導入前に「回答の元データ」をどれだけ整えられるかで9割決まります。

「回答の元データがない」が失敗の最大要因

多くの会社では、社内のノウハウは「詳しい人の頭の中」「過去のSlackのやりとり」「複数のExcelとPDF」に散らばっています。この状態のままAIに接続しても、AIは古い情報と新しい情報の区別がつかず、矛盾した回答を返します。

• 古い規程と改訂後の規程が両方残っていて、どちらを答えるか定まらない
• 同じ質問に部署ごとに違う回答があり、どれが正しいか判断できない
• 「担当者に聞いてください」としか書かれておらず、胝りの回答が作れない

つまり、チャットボット導入の正体は「ばらばらの社内情報を、AIが読める形に整理するプロジェクト」です。この下ごしらえを飛ばしてツールだけ入れるから、定着しないのです。

RAGを使うにしてもデータの質がボトルネック

近年は社内データをAIに参照させるRAG（検索拡張生成）という仕組みが主流です。ただしRAGも、元のドキュメントが曖昧なら曖昧な回答しか出ません。仕組みの詳細はRAGとは何か——社内データをAIに学習させる仕組みで解説していますが、どの方式を選んでも「経めのデータ整備」が先です。

ステップ1：質問を棚卸しする

整備は「よく聞かれる質問」を集めるところから始めます。いきなり網羅的なFAQを作ろうとすると挨挫して頑頓するので、実際に現場で飛んでいる質問を集めるのが近道です。

質問の集め方

1. 総務・人事・情システなど問い合わせを受ける部署に、直近1ヶ月の質問を思い出せる限り書き出してもらう
2. 社内チャットの「教えてください」を含むメッセージを検索し、頻出のやりとりを拾う
3. 集まった質問を「勤怠・休暇」「経費・精算」「ツール・アカウント」などのカテゴリに分ける

この段階で「同じことを聞く人が多い質問」が見えてきます。まずはその上位20〜30問を押さえれば、問い合わせ全体の半分近くをカバーできるケースが多いです。

AIを使って棚卸しを加速する

集めた質問のカテゴリ分けや重複の統合は、ChatGPTやGeminiに任せると速いです。「以下の質問リストを意味の近いものでグループ化し、重複をまとめてください」と指示すれば、数百件の質問でも数分で整理されます。プロンプトの書き方はAIプロンプトの書き方——回答精度を上げる5つのコツが参考になります。

ステップ2：AIが読めるFAQの書き方

質問が揃ったら、回答を書きます。ここで「人間が読むマニュアル」と「AIが参照するFAQ」では、書き方のコツが少し違います。

1問1答・独立した文章で書く

AIはドキュメントを一定の長さで区切って読みます。したがって、「前の項を参照」「上記の通り」といった書き方は避け、1つのQ&Aがそれ単体で意味を成すように書きます。

回答には「いつ時点の情報か」「どの部署が管理しているか」を添えておくと、AIが古い情報と新しい情報を区別しやすくなります。

表揺れを揃える

同じものを指す言葉が複数あると、AIは別物として扱うことがあります。「有給」「有休」「年休」など、社内で揺れている用語は代表表記を決めて揃えます。この作業もAIに「表揺れを検出して一覧化して」と依頼すれば半自動で進められます。

ステップ3：更新を回す仕組みを作る

FAQは作って終わりではなく、古びた瞬間に信頼を失います。「古い情報を返すボット」は一度で見限られるので、更新の仕組みを最初から設計しておきます。

更新ルールの例

• 各FAQに「管理部署」と「最終更新日」を必ず付ける
• 規程・制度が変わったときの更新を、変更手続きのチェックリストに含める
• ボットが「回答できなかった質問」をログに残し、月に一度FAQに追加する

特に3つ目の「答えられなかった質問のログ」は、次に整備すべきFAQを教えてくれる貴重なデータです。最初から完璧を狙わず、使いながら育てる前提で設計します。

誰がオーナーになるかを決める

更新が止まる会社の共通点は「管理者不在」です。カテゴリごとに管理部署を決め、「この分野のFAQはこの部署が責任を持つ」と明確にしておくと、更新が回ります。管理ツールは既存の社内Wikiやスプレッドシートで十分で、専用ツールを買う必要はありません。

まとめ：AIチャットボットはFAQの質で決まる

社内FAQの整備は、3つのステップで進めます。まず現場の質問を棚卸しして上位20〜30問を押さえる。次に1問1答で独立した回答を、更新日と管理部署付きで書く。そして更新ルールとオーナーを決めて、使いながら育てる状態にする。この下ごしらえがあって初めて、チャットボットは「使える道具」になります。

逆にいえば、この整備さえできていれば、最初はチャットボットを買わずともChatGPTやGeminiにそのFAQを読ませるだけで、十分な品質の回答が得られるケースも多いです。

よくある質問

Q. FAQは何問くらいから始めればいいですか？

A. まずは現場で頻出の上位20〜30問から始めるのが現実的です。問い合わせは一部の質問に集中する傾向が強く、上位数十問で全体の半分近くをカバーできることが多いためです。網羅性より、まず動く状態を作ってログで育てるほうが続きます。

Q. 社内ドキュメントをそのままAIに読ませればいいのでは？

A. ドキュメントが最新で一貫していればそれも有効ですが、古い版と新しい版が混在していたり、表現が部署ごとにばらついていたりすると、AIは矛盾した回答を返します。Q&A形式に整理する過程でこうした矛盾が洗い出されるため、一手間かける価値があります。

Q. 機密情報をFAQに含めても安全ですか？

A. 社外のAIサービスに送る場合は、人事評価や個人情報など機密度の高い情報を含めるかどうかは慎重に判断します。機密性が高い場合は、学習に使われない法人向けプランを選ぶか、社内で閉じた環境で動かLLMを検討します。まずは機密度の低いFAQから始めるのが安全です。

Q. 整備にどれくらい期間がかかりますか？

A. 上位20〜30問に絞れば、質問の棚卸しから回答作成まで担当者数名で1〜2週間が目安です。AIにカテゴリ分けや表揺れの統一を手伝わせると、作業時間は大幅に短縮できます。重要なのは「一度に完成させない」ことで、最初の1ヶ月で土台を作り、運用しながら追加します。

「社内FAQをどこまで整備してからチャットボットを入れるべきか」「そもそも自社にチャットボットが合うのか」は、問い合わせの量や社内情報の散らばり具合によって判断が分かれます。自社に合った進め方を整理したい方は、30分の無料相談でご状況を聞かせてください。現状の問い合わせを棚卸しし、どこから手をつければ効果が大きいかを一緒に見極めます。