社内FAQチャットボットの作り方｜自分で組む6ステップと費用の決め方

「これ、どこに書いてありましたっけ」。同じ質問が、週に何度も同じ人へ飛ぶ。答えられるのは一人だけ。その人が会議に入ると、周りの手が止まります。

社内FAQチャットボットは、この状態を仕組みで終わらせる道具です。ただ、ゼロから自分で組もうとしてつまずくのは、たいてい次の3点です。

• どの部品を、どの順番で用意すればいいのか分からない
• RAGやベクトルDBを組まないと成立しないのか判断できない
• AIが事実と違う回答をしたとき、誰がどう気づくのか設計できない

この記事では、外注せず自分で組む前提で次のことに答えます。

• 社内FAQチャットボットを構成する3つの部品と、決める順番
• RAGが要る文書量と、要らない文書量の境目
• 元ネタ整理からチャットツール連携までの6ステップ
• 事実と違う回答を防ぐ3つの制御と、月額費用の上限の決め方

Saix自身、社内マニュアル67本を社内ポータルに集約しています。社員がAIヘルプデスクに質問して答えと出典マニュアルにたどり着く運用をしています。

この記事に出てくる既製サービスの料金は、各社の公式サイトを1件ずつ開いて確認しました。作り手であり利用者でもある立場から、机上論ではなく手を動かす前提で書きます。

部品は3つ｜手を入れる必要があるのは知識だけ

社内FAQチャットボットは、3つの部品でできています。製品名を覚える前にこの分解を頭に入れると、検討の途中で迷いません。

• 知識AIが回答の根拠にする社内文書。マニュアル、規程、過去のやりとり。整い方が回答の質をそのまま決めます
• AIモデル渡された知識を読んで回答を組み立てる部分。生成AIのAPIを直接呼ぶか、既製サービスに任せるかの二択です
• 入口社員が質問を打ち込む場所。社内ポータルでも、ChatworkやSlackなどのチャットツールでも構いません

AIモデルは後から差し替えが効き、入口も増やせます。手を入れる工程が必ず発生するのは知識だけです。社内文書をそのまま流し込んで済むことはまずなく、担当を決めずに製品を契約すると契約後に作業が止まります。

製品の比較表から検討を始める組織は多いのですが、順番は逆です。製品選定は3つ目の意思決定で間に合います。既製サービスの候補も見たい方は、AI FAQボットの料金と選び方の比較で選択肢を絞ってから戻ると早く進みます。

RAGは必須ではない｜文書量で決まる2つの構成

結論から書きます。RAGが必要かどうかは、社内文書の量だけで決まります。会社の規模でも予算でもありません。

RAGとは、AIが答える前に社内文書を検索し、質問に関係する部分だけを抜き出して渡す仕組みです。ベクトルDB（＝文章の意味を数値に置き換え、似た内容の文を探すデータベース）を用意し、文書を分割して登録する工程が要ります。

ところが文書が数十本の規模なら、この工程を丸ごと省けます。文書を検索せず、要点に圧縮したダイジェストを毎回まとめてAIへ渡す方法です。

構成	仕組み	目安の文書量	向いている用途
ダイジェスト全文投入型	文書を要点に圧縮し、質問のたびに全件まとめてAIへ渡す	圧縮後で数万字に収まる範囲	マニュアル数十本規模の社内ヘルプデスク
ベクトル検索型（RAG）	文書を分割して検索用データベースに登録し、質問に近い断片だけを渡す	圧縮後で数万字を超える場合	規程・議事録・過去案件まで含む全社横断の検索

RAGを組まないと精度が出ない、という前提が当てはまるのは文書量が多い場合だけです。数十本のマニュアルなら、検索で絞り込む前に全部読ませたほうが回答は安定します。検索が外した瞬間に答えられなくなる弱点を、抱え込まずに済むからです。

Saixの社内AIヘルプデスクは前者です。公開中のマニュアルを圧縮した目録を、質問のたびにまとめて渡しています。67本を収録しても上限に収まり、ベクトルDBは使っていません。

1本追加しても作業は目録への追記で終わり、検索用データベースの作り直しが起きません。

作る手順は6ステップ｜順番を入れ替えると必ず作り直しになる

ここからは自分で組む前提の手順です。順番を入れ替えると手戻りが出ます。STEP1を飛ばすと、誰も聞かない質問にだけ強いチャットボットが完成します。

STEP1 よく来る質問を30件書き出す

何を直近3か月で担当者に飛んできた質問を、思い出せる限り書き出します。目標は30件です。

どうやってチャットツールの検索窓に「どこ」「やり方」「教えて」と入れると、実物のログが出ます。大事なのは実際の言葉のまま残すこと。「経費精算の期限」と要約せず「経費っていつまでに出せばいいんでしたっけ」と書き写します。

実際の聞かれ方でしか、回答の当たり外れは検証できません。

たとえば金属加工の工場を持つ製造業なら、質問は事務所ではなく現場から出ます。「この材料、発注区分はどっちで上げるんでしたっけ」「治具を替えたときの検査記録、様式が2種類あるのはなぜですか」。

手が止まった状態で飛ぶので言い回しは荒く、その荒さごと残すと後の検証が効きます。

ゴール：実際に飛んできた質問が30件、生の言葉で並んでいればOKです

STEP2 元ネタになるマニュアルを整える

何を30件に答えられる文書がそろっているかを確認します。この時点で半分近くは「文書が無い」か「内容が古い」はずです。

どうやって足りない分を作ります。白紙から書き起こす必要はなく、担当者の口頭説明を文字起こしして生成AIに構造化させる進め方が最短です。手順は社内マニュアルをAIで作る方法に整理しています。

ゴール：30件の質問のうち8割に、根拠となる文書が用意できていればOKです

STEP3 知識をAIが読める形に圧縮する

何をマニュアル本文をそのまま渡さず、AIに読ませるダイジェストを作ります。

どうやって1件につき「タイトル・1行説明・タグ・本文要点」の4項目に落とします。圧縮も生成AIに任せられます。コツは上限を決めること。Saixでは1件600字、全体4万字を境界にしています。

上限があると、マニュアルが増えたときに何を削るかの判断が機械的に済みます。

ゴール：全マニュアルのダイジェストが1つのテキストにまとまっていればOKです

STEP4 回答ルールをシステムプロンプトで固定する

何をAIの振る舞いを決める指示文を書きます。システムプロンプトとは、利用者の質問より前にAIへ常に渡しておく前提の指示です。

どうやって次の指示文をそのまま貼り付けて、社内の言い回しに合わせて調整します。ルール2と3を外すと、この後の設計が全部効かなくなります。

役割：社内ヘルプデスクの回答担当

回答のルール
1. 下に渡す社内資料の内容だけを根拠に答える
2. 資料に記載が無いことは推測せず「社内資料には記載がありません。担当部署にご確認ください」と答える
3. 回答の最後に、根拠にした資料名を最大3件挙げる
4. 専門用語を避け、入社したばかりの社員に分かる言葉に置き換える
5. 断定で締めず、読み手が自分で確かめて判断できる書き方にする

社内資料
（ここにSTEP3のダイジェストを貼り付け）

質問
（ここに社員の質問を貼り付け）

ゴール：STEP1の30件を投げて、8割に妥当な回答が返ればOKです

STEP5 出典表示とコスト上限を組み込む

何を回答の下に根拠マニュアルのリンクを並べる処理と、月額費用が上限に達したら止まる処理を入れます。

どうやってAIに資料名を挙げさせ、その名前で目録を引いてカード表示します。費用は1問ごとに円換算し、月の合計が上限を超えたら受付を停止します。この2つは後付けが面倒で、最初から入れるほうが早く済みます。

ゴール：回答の下に出典が並び、上限到達で停止する状態になっていればOKです

STEP6 社員の動線上に入口を置く

何を質問できる場所を、社員が普段いる画面に置きます。

どうやって専用画面を作るか、ChatworkやSlackのボットとして常駐させるかの二択です。判断基準は、社員が1日で最も長く開いている画面に寄せること。社内ポータルを毎日開く組織なら専用画面、チャット中心ならボット連携が向きます。

ゴール：質問までのクリックが2回以内に収まっていればOKです

最初から社内文書を全部入れる必要はありません。STEP1の30件に答えられる分だけで公開し、残りは質問ログを見ながら足すほうが立ち上がりは速くなります。網羅性は公開後に積み上げるもので、公開前の条件ではありません。

嘘を言わせない設計｜精度を上げるより先に気づける構造をつくる

最も恐れられるのは、AIがもっともらしい嘘を答えることです。この不安は精度を上げる方向では消えません。間違いに気づける構造を先に作ることで消えます。

制御1：社内資料の外側を根拠にさせず、分からないときは答えさせない

生成AIは一般常識で回答を埋めようとします。それを止めるのがSTEP4のルール1です。渡した資料の外側を根拠にしないと明示すると、分からないときは分からないと答える振る舞いに変わります。

Saixのヘルプデスクも、資料に無いことは憶測せず「担当者にご相談ください」と返します。

制御2：出典を最大3件に絞り、原典を確かめる動作を起こす

回答の下に、根拠にしたマニュアルをクリックで開けるカードで並べます。Saixの上限は3件です。10件並ぶと誰も開かなくなるからです。3件なら、違和感を覚えたときに原典を確かめる動作が起きます。この確認動作こそが、誤回答を止める安全装置です。

制御3：最終判断を人に残し、責任の所在を先に決めておく

画面の下に「AIの回答は間違うことがあります。出典で確かめ、最後はご自身で判断してください」と常設で表示します。鵜呑みにする道具ではなく、原典への案内役として位置づける。

この線引きを明文化しておくと、誤回答が出たときに責任の所在で揉めません。

機密の扱いも同じ発想で解けます。AIの出力を後から検閲するのではなく、渡す知識の側でフィルタをかける。他部署限定の資料はそもそも知識に含めないので、AI回答を経由しても中身が出ません。

Saixの中身を開ける｜マニュアル67本を月3,000円の上限で回す

ここまでの設計を、Saixがどう組んでいるか開けます。社内ポータル「Saixマニュアルブック」の67本に対し、AIヘルプデスクから質問して答えと出典にたどり着く構成です。

モデルはClaude Sonnet 4.6で、APIを直接呼びます。検索はせず、公開中マニュアルのダイジェストを丸ごと渡す構成です。

ダイジェスト部分にプロンプトキャッシュ（＝同じ前提文を再送しても課金を抑える仕組み）を効かせ、資料が変わらない限り2問目以降は費用がおよそ10分の1に落ちます。

質問は投げっぱなしにせず、8つのカテゴリへ自動分類しています。ツールの使い方、クライアント対応のお作法、請求・契約、ファイル管理、AI活用とプロンプト、営業・提案、社内制度・手続き、その他です。

管理画面では質問数と概算コストに加え、カテゴリ別の件数が見えます。

この分類がそのまま次の打ち手になります。質問が集中しているカテゴリは、マニュアルが弱い領域だからです。社内制度の質問が続いた月は、次に作り直すマニュアルをそこに決めています。

社内FAQチャットボットは、答える装置として見ると価値が半分です。社員がどこでつまずいているかを集める調査装置として使うと、改善の材料が毎日勝手に溜まります。質問ログを誰も見ていない運用は、集めた材料を捨てているのと同じです。

この還流の仕組みを含む社内FAQ全体の設計思想はAI FAQの仕組みと作り方の全体像にまとめています。

費用は上限から決める｜既製サービスは5製品中3製品が月額非公開

費用は、見積もってから作るのではなく上限を決めてから作ります。生成AIのAPIは使った分だけ課金される従量制で、事前に総額を読み切れないからです。

既製サービスに寄せても、金額が先に分かるとは限りません。FAQ・問い合わせ対応ツール5製品の公式サイトを1件ずつ開いて確認したところ、月額を金額で公開していたのは2製品だけでした。

HiTTO、sAI Search、PKSHA FAQは、いずれも公式の料金ページに金額がなく問い合わせが必要です。公開していたのはChatPlusの月額1,500円（税別）からと、Tayoriの0円から25,400円（税抜）まで4段階でした。

入口で金額が読めない製品のほうが多いのが実態です。

※料金は各社公式サイトの記載（2026年7月時点）にもとづきます。プラン改定により変わる場合があるため、検討時は必ず公式サイトで最新の条件をご確認ください。

Saixは、社内AIヘルプデスクの月額上限を3,000円にしています。達すると受付が自動で止まり、画面に「今月のAI利用が上限に達しました」と表示され、翌月に自動で再開します。

上限があるので、誰かが大量に質問しても請求が跳ねる余地がありません。

上限を機能させるには記録の粒度が要ります。Saixは1問ごとのAPIコストを1000分の1円単位で円換算し、トークン数とあわせて記録しています。1問あたりの単価が実測で分かると、上限を上げるか据え置くかを数字で決められます。

費用が読めないから導入できない、という言い方は順序が逆です。上限を決めていないから読めないのであって、先に決めてしまえば最悪ケースはその金額で確定します。予算は見積もる対象ではなく、設定する対象です。

使われないときに見る3点｜原因はモデルではなく入口にある

公開したのに質問が来ない。最も多い失敗はここです。原因はほぼ3つに絞られます。

原因1：入口が遠く、思い出したときに開けない

専用URLをブックマークさせる運用は続きません。社員が毎日開く画面の中に入口を置き直します。クリック2回以内が目安です。多店舗展開の飲食チェーンのように、現場がスマートフォンしか持たない業態なら、入口はチャットアプリ側に寄せる一択です。

原因2：最初の一問が思いつかず、空欄のまま閉じられる

空の入力欄を前にすると、人は何を聞けばいいか分からなくなります。Saixでは質問例のチップを10個と、「＿＿のやり方を手順で教えて」といった穴埋めフォーマット5種類を並べています。

埋めれば質問文になる形にしておくと、初回の心理的な壁がほぼ消えます。

原因3：外れた回答が放置され、二度と開かれない

一度でも的外れな回答を受け取ると、社員はその日から使いません。質問ログを週次で眺め、外れた質問に対応するマニュアルを足す。この往復を数回まわすと、戻るのは精度ではなく信頼です。

質問が来るFAQに育てる手順そのものは、社内FAQをAIで作る方法で更新オーナーの決め方まで含めて整理しています。

よくある質問

Q. 社内の機密情報をAIに渡して問題はないか

渡す知識の側を絞り込めば、機密が回答に混ざる経路を構造的に断てます。Saixでは資料ごとに公開部署を指定し、質問者の部署で見える資料だけをAIの知識として使う設計にしています。

あわせて、利用するAPIが入力内容を学習に使わない条件かどうかを、契約前に利用規約で確認してください。

Q. マニュアルが何本あれば作る価値が出るか

本数より、実際の質問に答えられるかどうかで判断します。目安は、直近に飛んできた質問30件のうち8割に根拠文書が用意できる状態です。Saixは67本を収録していますが、20本前後でも質問が特定領域に偏っているなら十分に機能します。

本数を増やすより、その30件に答えられる範囲から埋めるほうが先です。

Q. 無料の範囲でどこまで試せるか

回答精度の検証までなら、費用をかけずに確認できます。生成AIの無料プランにダイジェストと回答ルールを貼り付け、集めた質問30件を投げれば当たり外れが分かります。

ただし常時稼働、出典カードの表示、上限到達での自動停止は、自前実装かサービス契約が必要になります。

まとめ

社内FAQチャットボットは、知識・AIモデル・入口の3部品でできています。成否を決めるのは知識で、製品選定は後回しで構いません。圧縮後で数万字に収まるなら、ベクトルDBを組まずダイジェストを毎回渡す構成で足ります。

手順は6ステップ。質問を30件集め、文書を整え、ダイジェストに圧縮し、回答ルールを固定し、出典とコスト上限を組み込み、動線上に入口を置く。備えは精度ではなく気づける構造で行います。

まずは社内で最も同じ質問が飛んでいる領域を1つ選び、そこだけで公開してください。元の文書から作り直すなら社内マニュアルをAIで作る方法、設計思想から確認したいならAI FAQの仕組みと作り方の全体像が参考になります。

進め方を相談したい方はAI社内マニュアル構築支援をご覧ください。