Xのタイムラインを流し見してたら、「生成AIで社内問い合わせを自動化」って記事がバズってた。情シスや人事に毎日飛んでくる「パスワード忘れた」「経費精算どうやるの」みたいな定型質問、AIで一次対応できるようになるらしい。
これ、日本の中小企業とかでもリアルに刺さる話だと思って読んでみた。
記事の核心はRAG（Retrieval-Augmented Generation）で、社内の既存マニュアルをそのままAIに食わせて回答させる仕組みのことだ。ざっくり言うと、ChatGPTとかに「うちの就業規則.pdf」を参照させながら答えさせるイメージ。
これの何がいいって、既存のマニュアルをそのまま活用できる点だ。ゼロから学習させなくていい。情シス担当が手書きで作ってたFAQページ、あれをそのまま食わせればいい。
従来のチャットボットとの違いが記事にまとまってたので整理するとこんな感じ。
前者って管理コストがバカにならないし、登録漏れがあると「使えない」ってなって誰も使わなくなるやつ。あれを生成AIが補完できるなら確かに話は変わる。
記事にも書いてあったけど、情シスや総務に「パスワード忘れた」「有給の残日数は」みたいな問い合わせが集中して、本来やりたい企画や改善業務に時間を使えないってやつ。これ、友人の情シス担当に聞いてもまったく同じことを言ってた。
自分は個人で動いてるから直接は関係ないんだけど、フォロワーにはそういう社内担当者も多い。Xで「情シスあるある」のポストがめちゃくちゃ伸びるの、みんなその問題を抱えてるからだよなと思う。
しかも自動化が24時間対応になるのもポイントで、在宅勤務中の夜間問い合わせとかにも即レスできる。担当者が寝てても回答が返ってくる。これはフォロワーの中小企業勤めの人たちにはかなり刺さりそう。
導入ステップも記事ではシンプルに書いてあって、まず対象業務とナレッジを洗い出して、ツールを選んで、社内ナレッジを登録して、テスト運用、みたいな流れだった。技術的に難しい話はそんなになくて、どちらかというと「何を食わせるか」の設計が肝らしい。
ただ一点気になったのは、記事でも触れてた「仕組みを理解せずに導入すると、誤回答が形骸化して使われなくなる」って落とし穴。これはマジで重要な指摘だ。RAGで参照させてるデータが古いままだと、平気で嘘情報を正確そうに答えてくる。ナレッジの更新運用をどう回すかを先に決めておかないと、すぐ「使えないやつ」認定される。
海外だとSlackに直接AIエージェントを組み込んでいる企業が増えてるらしくて、日本でも同じ流れが来るのは時間の問題な気がしてる。Slack + RAG + LLMで社内ヘルプデスクを回す構成、動画ネタとしてもかなり面白そうだ。
自分自身のフリーランス業では「社内問い合わせ」はないけど、クライアントからの定型的な確認メッセージへの対応は似た課題を感じてる。「納品形式は？」「修正依頼の窓口は？」みたいなやつを自動化できたら確かに楽になる。今月中にNotion + 生成AIで試してみるつもりだ。
フォロワーの中で「うちの会社もやってる」って人いたら教えてほしい。実際の運用事例、次の動画ネタに使わせてもらえると嬉しい。
これ、日本の中小企業とかでもリアルに刺さる話だと思って読んでみた。
RAGってキーワードがまた出てきた
記事の核心はRAG（Retrieval-Augmented Generation）で、社内の既存マニュアルをそのままAIに食わせて回答させる仕組みのことだ。ざっくり言うと、ChatGPTとかに「うちの就業規則.pdf」を参照させながら答えさせるイメージ。
これの何がいいって、既存のマニュアルをそのまま活用できる点だ。ゼロから学習させなくていい。情シス担当が手書きで作ってたFAQページ、あれをそのまま食わせればいい。
従来のチャットボットとの違いが記事にまとまってたので整理するとこんな感じ。
- 従来型: 事前にQ&Aを全部登録する必要がある、想定外の質問には答えられない
- 生成AIチャット: マニュアルを参照して自然な文章で回答、曖昧な質問でも対応できる
前者って管理コストがバカにならないし、登録漏れがあると「使えない」ってなって誰も使わなくなるやつ。あれを生成AIが補完できるなら確かに話は変わる。
情シスの「本来業務」が奪われてる問題、リアルすぎ
記事にも書いてあったけど、情シスや総務に「パスワード忘れた」「有給の残日数は」みたいな問い合わせが集中して、本来やりたい企画や改善業務に時間を使えないってやつ。これ、友人の情シス担当に聞いてもまったく同じことを言ってた。
自分は個人で動いてるから直接は関係ないんだけど、フォロワーにはそういう社内担当者も多い。Xで「情シスあるある」のポストがめちゃくちゃ伸びるの、みんなその問題を抱えてるからだよなと思う。
しかも自動化が24時間対応になるのもポイントで、在宅勤務中の夜間問い合わせとかにも即レスできる。担当者が寝てても回答が返ってくる。これはフォロワーの中小企業勤めの人たちにはかなり刺さりそう。
導入ステップも記事ではシンプルに書いてあって、まず対象業務とナレッジを洗い出して、ツールを選んで、社内ナレッジを登録して、テスト運用、みたいな流れだった。技術的に難しい話はそんなになくて、どちらかというと「何を食わせるか」の設計が肝らしい。
ただ一点気になったのは、記事でも触れてた「仕組みを理解せずに導入すると、誤回答が形骸化して使われなくなる」って落とし穴。これはマジで重要な指摘だ。RAGで参照させてるデータが古いままだと、平気で嘘情報を正確そうに答えてくる。ナレッジの更新運用をどう回すかを先に決めておかないと、すぐ「使えないやつ」認定される。
海外だとSlackに直接AIエージェントを組み込んでいる企業が増えてるらしくて、日本でも同じ流れが来るのは時間の問題な気がしてる。Slack + RAG + LLMで社内ヘルプデスクを回す構成、動画ネタとしてもかなり面白そうだ。
自分自身のフリーランス業では「社内問い合わせ」はないけど、クライアントからの定型的な確認メッセージへの対応は似た課題を感じてる。「納品形式は？」「修正依頼の窓口は？」みたいなやつを自動化できたら確かに楽になる。今月中にNotion + 生成AIで試してみるつもりだ。
フォロワーの中で「うちの会社もやってる」って人いたら教えてほしい。実際の運用事例、次の動画ネタに使わせてもらえると嬉しい。