社内ヘルプデスクをAIで補助する方法

結論：社内ヘルプデスクのAI化で問い合わせ件数を30〜60%削減できる

社内ヘルプデスクへの問い合わせの多くは繰り返し発生する定型的な内容だ。「パスワードのリセット方法」「有給申請の手順」「経費精算の提出期限」といった問い合わせを社内チャットボットで自己解決できるようにすると、問い合わせ件数を30〜60%削減できるケースが報告されている。この仕組みの中核がRAGだ。

社内ヘルプデスクAIの構成要素

社内ヘルプデスクAIは、主に3つの要素で構成される。

要素	役割
ドキュメントデータベース	社内FAQ・マニュアル・規程を格納する
検索エンジン（RAG）	質問に関連する文書を取得する
生成AIモデル	取得した文書をもとに回答を生成する

これに加えて、ユーザーが質問を入力するインターフェース（Slack Bot、社内ポータル、チャットウィジェットなど）が必要だ。

ステップ1：対象ドキュメントを選定する

まず、どのドキュメントを登録するかを決める。対象範囲が広すぎると整備の手間が増え、狭すぎると使い物にならない。最初は問い合わせ件数が多いカテゴリに絞って始めるのが現実的だ。

IT・システム系（問い合わせ件数が多いカテゴリの上位に入りやすい）

• パスワードリセット手順
• VPN接続の設定方法
• よくあるエラーと対処法
• 社内システムへのアクセス権申請手順

人事・総務系

• 有給休暇の申請・残日数確認
• 経費精算の手順・期限・上限
• 社会保険・税務に関するQ&A
• 育児・介護休業の制度説明

業務プロセス系

• 稟議・承認フローの手順
• 契約書の処理フロー
• 新入社員向けオンボーディング資料

この段階で重要なのは、「既存のドキュメントが最新の状態に保たれているか」を確認することだ。古い情報がRAGに登録されると、AIが誤った手順を回答してしまう。

ステップ2：ドキュメントを整備する

RAGに登録するドキュメントは、AIが検索しやすい形式に整備する。

見出し構造を明確にする： 「操作方法」「エラーが出た場合」のように見出しを明確にすると、AIが関連箇所を特定しやすくなる。

1文書1トピック： 複数のトピックが混在した長文ドキュメントよりも、トピックごとに分割された短いドキュメントの方が検索精度が上がりやすい。

Q&A形式を活用する： 「Q: パスワードを忘れた場合はどうすればよいですか A: …」の形式で書かれたドキュメントは、AIが回答に引用しやすい。既存のFAQがある場合はそのまま使える。

以下の社内マニュアルの一部を、Q&A形式に整理してください。
1つのQ&Aは質問100字以内・回答200字以内を目安にしてください。
手順が含まれる場合は箇条書きで番号をつけて表示してください。

【整理対象のマニュアル】
（テキストを貼り付け）

このプロンプトでマニュアルをQ&A形式に変換しておくと、RAGへの登録準備が速くなる。

ステップ3：ツールを選んで構築する

社内ヘルプデスクAIの構築方法は、大きく3つに分かれる。

ノーコードSaaSツール： NotionAI、Confluence AI、ChatPDF、Difyなどのサービスを使い、ドキュメントをアップロードするだけで構築できる。技術的な実装不要で数日から数週間で稼働できる。月額コストが比較的低い。

社内Slackボット連携： SlackとOpenAIやClaudeのAPIを組み合わせて、Slack上で質問に答えるボットを作る。エンジニアが数日程度で構築できるが、メンテナンスの運用が必要になる。

オンプレミスRAG構築： セキュリティ要件が高い場合は、社内環境にRAGシステムを構築する。LangchainやLlamaIndexなどのフレームワークを使い、データが社外に出ない構成にできる。開発・運用コストは最も高い。

どの方法が適切かは、社内ドキュメントの機密レベル、ITリソースの有無、予算によって変わる。最初はノーコードSaaSツールで小規模に始め、効果を確認してから投資を増やす方がリスクが低い。

問い合わせ件数削減効果の測り方

AI導入の効果を測定するには、導入前の「ベースライン」を取っておく必要がある。

測定すべき指標：

指標	測定方法
問い合わせ件数	月次の問い合わせ受付数（カテゴリ別）
対応時間	1件あたりの平均対応時間
自己解決率	チャットボットで解決し、担当者に連絡が来なかった割合
解決時間	問い合わせから解決までの平均時間
満足度	対応後のアンケートスコア

導入後は月次でこれらを比較する。3か月後に効果が見られなければ、登録ドキュメントの内容か回答の品質に問題がある可能性が高い。

回答品質の維持・改善方法

RAGシステムは構築して終わりではなく、継続的なメンテナンスが必要だ。

未解決ログの確認： AIが回答できなかった質問や、フィードバックが悪かった回答を定期的に確認する。これらは登録ドキュメントの不足箇所を示している。

ドキュメントの更新： システムや制度が変わったときに、対応するドキュメントを更新する。古い情報のまま放置すると、AIが誤った回答をし続ける。

定期的なテスト： 主要な質問パターンでテストを実施し、回答が正確かどうかを確認する。特に重要な変更後は必ずテストする。

機密情報の取り扱い

社内情報をAIシステムに登録する際は、情報の機密レベルを考慮する。

機密レベルの分類例：

• 公開情報：誰でも見られる一般情報
• 社内情報：全社員が参照できるドキュメント
• 部門限定情報：特定の部署のみが参照できるドキュメント
• 機密情報：役員・特定担当者のみが参照できるドキュメント

RAGに登録するのは原則として「社内情報」レベルまでとし、部門限定以上の情報は検索対象に含めないか、アクセス権限の制御機能があるシステムを使う。

問い合わせ対応をAIで効率化する方法では、社外からの問い合わせ対応へのAI活用を詳しく解説している。FAQをAIで作成・整備する方法はRAGに登録するFAQの整備に直接使える内容を扱っている。

まとめ

社内ヘルプデスクのAI化は、対象ドキュメントの選定→整備→ツール構築の3ステップで進める。問い合わせ件数、対応時間、自己解決率を導入前から測定しておくことで、効果の検証ができる。機密レベルの高いドキュメントの取り扱いは、セキュリティポリシーに従い、社外AIサービスへの登録範囲を明確にする。