社内ヘルプデスクのAI自動化で最初にやるべきは、ボットの導入ではなく「過去の問い合わせログを全件読む」ことです。問い合わせ対応の負荷の実態——何が・どれだけ・誰から来ているか——を数字で持たないままボットを入れると、回答できない質問が放置され、結局人に聞く文化に戻ります。この記事は、社内問い合わせ対応で本業が進まない情シス・総務の担当者に向けて、負荷が実際に減る順番を整理します。
社内向けチャットボットの典型的な失敗は、導入時に数十問のFAQを手作業で作り、その後更新されないことです。ボットが答えられない質問が数回続くと、利用者は二度と使いません。原因はツールの性能ではなく、回答の元になるナレッジの量と鮮度です。ナレッジは会議で作るものではなく、すでに手元にある過去の問い合わせと回答のログから抽出するのが最短です。この「蓄積が主、応答は従」という順番は、社外向けカスタマーサポートでも同じで、カスタマーサポートのAI活用に整理した型がそのまま社内に適用できます。
メール・チャット・電話メモに散らばった問い合わせログを、カテゴリ・頻度・対応時間の軸で全件分類します。ここで初めて「上位10種の質問が全体の何割を占めるか」がわかり、投資対効果の分母が数字になります。
頻度の高い質問から、過去の回答実績をもとにFAQと手順書を抽出します。人がゼロから書くのではなく、すでに回答済みの内容を構造化するため、現場の言葉のまま作れます。あわせて「そもそも問い合わせが発生しない設計」（申請フォームの改善・通知の見直し）に回せる質問群も、この工程で見つかります。
ナレッジが揃って初めて、一次応答の自動化が精度を持ちます。全問自動化を狙わず、頻度上位のカテゴリだけをAIが答え、残りは人に引き継ぐ設計が現実的です。回答には根拠のナレッジを添え、間違いに気づける形にします。
問い合わせが月数十件で、対応者が1〜2人なら、対応のたびにFAQへ1行足す運用で足ります。自力の壁は、過去ログの遡り分類です。数千件のログを人手で読み直す工数は通常確保できず、「今月から記録を付ける」だけでは、すでにある資産が眠ったままになります。
「FAQページを作りたい」だけなら社内で足ります。「過去ログから負荷の構造を数字にし、ナレッジ整備から一次応答まで仕組みにしたい」なら外注の検討域です。ゴムマリでは過去ログの全件分類・ナレッジ抽出から一次応答の仕組み化までをAIエージェント導入として提供しています。まず分類・分析だけを切り出す場合は業務データ分析レポートが受け皿です。
問い合わせログがメールと口頭でしか残っていません。
メールのエクスポートだけでも分類は始められます。口頭分は今後の記録設計に含めます。ログの欠損は「ある分から始める」のが定石です。
社内システムの仕様に関する質問にもAIが答えられますか？
回答の根拠になる文書（マニュアル・過去回答）が存在する範囲で答えられます。文書がない領域は、まず文書化が必要という診断も含めて報告します。
情報システム部門ではなく総務でも進められますか？
部門は問いません。対象ログの受け渡しさえできれば、総務でも同じ手順で進められます。
まず、直近1年の問い合わせ件数を概算してください（メールの件数だけでも十分です）。件数と記録の形式がわかれば、問い合わせから分類・分析の固定価格を回答します。
国産大手ERPベンダーで新卒からERPのエンタープライズ営業・プリセールス・導入コンサル、外資系SaaSでパートナーセールス部門の立ち上げ、国内大手放送局で新規事業開発（通販カタログ事業）、AIスタートアップ2社でビジネスサイドの要職を歴任。2024年10月から生成AIを自ら実装し、2025年にゴムマリ株式会社を設立。
現在は自らAIエージェントを実装するFDE。評価セット設計・専門家監修・Go/No-Go判定、CRM・会計・社内DBとの統合、減った時間の実測まで一貫します。要件から、運用まで——AIエージェントが、現場で成果を出す仕組みを。