ChatGPTをはじめとする高性能なAIチャットボットの普及を受け、自社でも導入できないかと検討している方は多いのではないでしょうか。
AIチャットボットは、ベンダー提供のツールを活用するほか、条件が整えば自社開発も可能です。しかし、開発方法の選択を誤ると、どれだけコストと時間を費やしても期待した効果が得られないリスクがあります。
本記事では、AIチャットボットの作り方を自社開発とツール活用の2通りのステップに分けて解説します。自社で開発するべきか、ベンダーのソリューションを活用するほうが合理的かを判断するためにご活用ください。
作り始める前に！ AIチャットボットを導入するにあたって、まずは事前準備を
AIチャットボットの開発を始める前に、準備段階でやっておくべきことがあります。この段階をおろそかにすると、開発後しても実際には使われない、期待した業務効率化につながらないというリスクを招きかねません。
以下では、必ず行うべき事前準備を紹介します。
なんのために導入する？ チャットボットの目的を明確化する
AIチャットボットの開発や選定を始める前に、まずは導入目的を明確にしましょう。
目的が曖昧なまま進めてしまうと、完成したチャットボットが実際の業務課題を解決できなかったり、利用者にとって使いにくいシステムになったりする可能性があります。
目的設定の際に押さえておくべきポイントは以下の通りです。
- 誰に利用してもらいたいのか（社外の顧客向けか、社内従業員向けか）
- どのような会話や質問に対応させたいのか（製品の問い合わせ対応、社内ヘルプデスク、採用情報の案内など）
- チャットボット導入で達成したいゴールは何か（対応工数の削減、顧客満足度の向上、24時間対応の実現など）
たとえば、カスタマーサポートの工数削減が目的であれば、よく寄せられる問い合わせ上位20〜30件に対応させるだけでも大きな効果が見込めます。
一方、社内問い合わせの属人化解消が目的であれば、マニュアルやナレッジベースとの連携を重視した設計が必要でしょう。
このように目的によって最適な仕様や構成が変わるため、具体的に設定しておくことが大切です。
導入するチャットボットの種類および導入手段を検討する
目的が決まったら、導入するチャットボットの種類を決定します。AIチャットボットは主にシナリオ型とAI型の2種類に分けられます。
シナリオ型は、あらかじめ設定した会話の流れに沿って応答するタイプです。決まったパターンの質問に的確に答えられる一方、設定外の質問には対応できません。
AI型は自然言語処理技術を使って、自由な文章での質問にも柔軟に対応できるタイプです。近年では大規模言語モデルを活用した生成AI型のチャットボットも普及しており、より自然な対話が可能になっています。
導入手段については、自社開発とツール活用の2つがあります。自社開発とツール活用の違いについては、次の項で詳しく見ていきましょう
AIチャットボットを「自社で作る」には？ 方法は大きく分けて2つ
ここでは、AIチャットボットを自社開発する場合と開発ツールを活用する場合のメリット・デメリットを見ていきましょう。
自社開発する
PythonやJavaScriptなどのプログラミング言語を使い、ライブラリやフレームワークを活用しながら自社でゼロから開発する方法です。
メリットとしては、作成の自由度が高く自社の業務フローや要件に完全に合わせた設計が可能な点が挙げられます。ソースコードを自社管理できるため、仕様変更や機能追加に迅速に対応できます。
また、ツールの月額使用料が基本的にかかりません。ただし、運用のために有料APIやサービスを利用する場合は別途費用が発生します。
デメリットは、やはり高度なプログラミングスキルと自然言語処理の専門知識が必要なことでしょう。開発費用と期間も大幅にかかります。多くの企業では、機能要件によっては数百万円以上の開発費、数か月から1年超の開発期間が見込まれます。
また、AIによる一問一答の実装は可能でも、豊富な分岐条件や画像・ボタンなどテキスト以外のリッチな表現形式、有人オペレーターへのエスカレーション機能、レポート・分析機能などを自力で実装するには相当の追加工数がかかります。
そのため、実際の開発難易度はさらに高くなります。セキュリティ管理も自社責任となるため、個人情報や機密情報を扱う場合は慎重な設計と継続的な対策が必要です
開発ツールを活用する
専用のチャットボット作成ツールやプラットフォームを利用して開発する方法です。
メリットは、高度なプログラミングスキルや知識がなくても導入できる点です。ベンダーのサポートやドキュメントを利用できるため、トラブル時の対応もスムーズに行えます。
数日から数週間という短期間での導入が可能で、有人エスカレーション機能やレポート機能など業務に必要な機能があらかじめ搭載されています。
デメリットとしては、ツールの月額費用がかかること、ツールによってはカスタマイズ性が低い場合があることです。
ライブラリやフレームワークを活用して自社開発する場合のAIチャットボットの作り方
ここでは、自社開発をする場合の具体的な作成手順を解説します。
開発に用いるプログラミング言語を選定する
AIチャットボットの開発でよく使われる言語として、PythonとJavaScriptの2つが挙げられます。
Pythonは自然言語処理や機械学習のライブラリが豊富で、AIチャットボット開発において広く使われている言語です。TensorFlowやPyTorchなどの機械学習フレームワークとの親和性が高く、少ないコード量で高度な処理を実装できます。
OpenAI APIやLangChainなどとの連携実績も豊富なため、生成AIを活用したチャットボットを構築したい場合にとくに適しています。
一方、JavaScriptはWebフロントエンドと同じ言語で実装できるため、Webサイトへの組み込みや既存システムとの統合がしやすい点が強みです。Node.jsを使えばサーバーサイドもJavaScriptで統一して、フルスタック開発を行えます。
どちらの言語を選ぶかは、社内エンジニアのスキルセットや既存システムの技術スタックに合わせて判断するようにしましょう。
ライブラリとフレームワークを選ぶ
Pythonで開発する場合の代表的なフレームワーク・ライブラリには以下があります。
Rasaは、オープンソースのチャットボットフレームワークです。自然言語理解と対話管理機能を備えており、複雑な会話フローも構築できます。カスタマイズ性が高い一方、セットアップや設定にある程度の技術知識が必要です。
ChatterBotは、機械学習ベースの会話応答を手軽に実装できるPythonライブラリです。初心者向けで導入しやすいものの、商用利用やスケールアップを考える場合には機能面での限界もあります。
LangChainはアプリケーション開発特化型のフレームワークであり、その構造には大規模言語モデルが活用されています。OpenAIのGPTモデルなど各種LLMとの連携が容易で、RAG（Retrieval-Augmented Generation：検索拡張生成）構成を使って自社ドキュメントをナレッジソースとしたチャットボットを構築できます。
質問・会話のパターンを洗い出す
開発の着手前に、チャットボットが対応すべき質問と会話のパターンを網羅的に洗い出しておきましょう。既存の問い合わせ履歴やFAQデータ、コールセンターの応対ログなどを分析し、頻度の高い質問から優先的に対応パターンを整理するのがおすすめです。
この作業が後の学習データ（教師データ）の品質を左右します。洗い出しが不十分だと、実際の利用時に想定外の質問で回答できないケースが多発し、ユーザー満足度の低下につながります。
質問パターンは最低でも100件以上、可能であれば500件以上用意すると精度が安定しやすくなります。
プログラミングによりAIチャットボットを開発する
洗い出したパターンをもとに、選定したフレームワークやライブラリを使ってチャットボットを実装します。大まかな開発の流れは以下のとおりです。
- 会話データ、FAQデータの準備と整形
- 自然言語処理モデルの設計と学習
- 会話フローと分岐ロジックの実装
- 既存システム（CRMやFAQツールなど）とのAPI連携
- UIの実装（Webチャット、LINE、Slackなど各チャネルへの対応）
有人エスカレーション機能（オペレーターへの転送）やレポート・分析機能は、自社開発では追加の工数がかかる部分です。これらを仕様から省くと業務での利用に支障が出るため、仕様設計の段階で実装範囲を明確にしておくことが重要です。
AIチャットボットの動作テストをおこなう
開発が完了したら、本番リリース前にテストをおこないます。テストで確認すべき主なポイントは以下です。
- 想定した質問に対して正確な回答が返ってくるか
- 想定外の質問に対して適切なフォールバック（エラー時の対応文）が機能するか
- 会話の文脈を維持した複数ターンの対話が成立するか
- 大量のアクセスが発生した際にパフォーマンスが低下しないか
- XSSやSQLインジェクションなどのセキュリティ上の脆弱性がないか
社内でのテストに加えて、実際に利用するユーザーによるテストも有効です。発見された問題点を修正し、一定水準を満たしてからリリースしましょう。
本番環境へAIチャットボットを移す
テストが完了したら、本番環境へのデプロイを行います。
本番環境ではAWSやAzureなどのクラウドサービスを利用するケースが多く、スケーラビリティや可用性を考慮したインフラ設計を意識しましょう。
本番リリース後も継続的なモニタリングとログ分析を実施し、回答精度の改善に取り組むサイクルを確立することが、チャットボットの価値を向上させる上で重要です。
開発ツールを活用する場合のAIチャットボットの作り方
ここでは、専用ツールを使った開発手順を解説します。
開発ツールを選定する
チャットボット作成ツールは大きく以下に分類されます。
シナリオ型ツールは、GUIでドラッグ＆ドロップしながら会話フローを設計できるツールです。プログラミング知識が不要で短期間に構築できますが、設定外の質問への対応が難しい側面があります。
AI型ツールは、機械学習や自然言語処理を活用して、自由な文章での質問にも柔軟に対応できるツールです。学習データの品質が回答精度を大きく左右します。
生成AI搭載型ツールは、GPT-4などの大規模言語モデルを組み込んだツールです。
自社FAQやドキュメントを学習させることで高精度な回答が可能で、有人エスカレーション機能、レポート機能、多チャネル対応など業務に必要な機能がパッケージ化されている製品が多く、導入のハードルが低いのが特徴です。
ツール選定のポイントとしては、設置チャネル、API連携の柔軟性、セキュリティ要件、サポート体制、費用感などを総合的に考慮しましょう。
質問・会話のパターンを洗い出す
自社開発の場合と同様、チャットボットが対応すべき質問と会話パターンを洗い出します。ツールを活用する場合でも、この準備作業の質がチャットボットの完成度を大きく左右します。
既存の問い合わせデータや社内FAQを棚卸しし、頻度・重要度の高い質問から整理していきましょう。
開発ツールでAIチャットボットを開発する
ツールによって手順は異なりますが、一般的な流れは以下のとおりです。ここでは、ChatPlusを例に主な流れを説明します。
- アカウント登録・プランの選択
- チャットボットのデザイン設定
- FAQデータや質問・回答セットのインポートまたは手動入力
- 会話フロー・シナリオの設定（分岐条件の定義）
- AIの学習設定（自社ドキュメントやFAQを学習データとして登録）
- 有人対応への切り替えルールの設定
- タグの埋め込みなどで対応チャネルへ設置
GUI操作が中心のため、プログラミングスキルがなくても進められます。なお、ChatPlusはOpenAIとエンタープライズ契約を締結しており、ゼロデータ保持（入力されたデータがAIのトレーニングに使用されない）のもとで安全に活用できます。
そのため、顧客情報や機密性の高い社内情報を扱う環境でも、安心してお使いいただけます。
AIチャットボットの動作テストをおこなう
ツールを使った場合でも、本番リリース前の動作テストは欠かせません。想定した質問に対して正しく返答されるか、会話フローが意図したとおりに分岐するかを確認しましょう。
ツールによっては、プレビュー機能やテスト環境が用意されているため、簡単に動作確認を行えます。確認の際は、頻繁に寄せられる質問を一通り試すとともに、意図的に曖昧な質問や想定外の入力も試してみることをおすすめします。
本番環境へAIチャットボットを移す
テストが完了したら、Webサイトへのタグ埋め込みや各種チャネルへの設置を行いましょう。ベンダーによるサポートドキュメントや担当者によるサポートを活用することで、スムーズに本番稼働へ移行できます。
本番稼働後は利用状況のデータを定期的に確認し、改善サイクルを回し続けるようにしましょう。
AIチャットボットを開発・公開した後には3つのKPIで効果測定を実施
チャットボットを公開した後は、定期的なKPI計測で効果を把握し、継続的な改善に役立てることが重要です。ここでは、公開後に見るべき3つのKPIを紹介します。
ユーザー数 / チャット数
チャットボットを利用したユーザー数、およびチャットが開始された総数を計測します。この指標は、チャットボットが使われているかどうかを把握するのに役立ちます。
たとえば、チャットボット設置後1か月でユーザー数が500件、チャット数が1,200件あったとすると、1ユーザーあたり平均2.4回の会話をしていることになります。
月次でこの数値を追えば、施策の効果や季節変動によるアクセス変化を把握できます。ユーザー数が伸び悩む場合は、チャットボットの設置場所・表示タイミング・訴求文言の見直しを検討しましょう。
チャット返答率
チャットボットがユーザーの質問に対して、何らかの回答を返せた割合を示す指標です。返答率が低い場合は、想定外の質問が多く発生しているか、回答パターンの登録が不足していることを表します。
一般的な目安として、返答率80%以上を目指すのが望ましいです。返答できなかった質問のログを定期的に分析し、新しい回答パターンを追加して、返答率を高めていきましょう。
生成AI型のチャットボットでは、FAQやドキュメントのナレッジが充実しているほど返答率が上がります。
解決/未解決率
チャットを通じてユーザーの疑問や課題が解決できた割合であり、有効性を評価する上で最も重要な指標です。
解決率の測定方法としては、会話終了後にユーザーへ満足度アンケートを表示する方法が一般的です。解決率が50%を下回っている場合は、回答内容の品質改善や有人エスカレーションのフロー見直しが必要でしょう。
高い解決率を維持できれば、問い合わせ対応工数の削減効果も実感しやすくなります。目安として解決率70%以上を達成できると、チャットボット導入の費用対効果が高まります。
AIチャットボット運用成否のカギは「参照FAQの定期的な見直しとアップデート」
チャットボットを作成ツールで開発した場合でも、プログラミングで自社開発した場合でも、運用を成功させるための共通課題があります。
それはチャットボットに組み込む教師データ（FAQデータ）の品質をいかに高め続けるかです。
どれだけ精度の高いAIを搭載していても、ナレッジの鮮度が落ちればチャットボットの価値は下がります。
FAQデータの最適化や更新を放置すると、以下のリスクが生じます。
- 製品仕様や規約の変更が反映されず、古い情報をユーザーに提供してしまう
- 新たに増えた問い合わせ種別に対応できず、返答率・解決率が低下する
- ユーザーが求める情報を得られず、チャットボットへの信頼が失われる
- 有人対応への問い合わせが再び増加し、導入効果が薄れる
FAQデータの見直しを進めるには、チャットボットの未回答ログや低評価フィードバックを週次・月次で分析し、優先度の高いFAQから順次更新するサイクルを定着させることが重要です。
FAQデータの継続的な管理体制が、チャットボット運用の成否を分ける要素といっても過言ではありません。
AIチャットボット開発中にエラーが発生したら？
AIチャットボット開発中に自力では対処・解決が難しいエラーが発生することがあります。そのような際に活用できる2つの手段を紹介します。
Web上の質問サイトやコミュニティを活用する
エンジニアが集まる質問サイトやコミュニティを活用する方法です。専門的な知識を持つユーザーが集まるコミュニティでは、具体的で詳細な情報を得やすく、同じエラーに直面した人の解決策を参照できることも多々あります。
Pythonの公式フォーラムや、RasaおよびLangChainの公式Discordサーバーなど、使用しているフレームワーク・ライブラリ専門のコミュニティを活用すると、ピンポイントな解決策が得やすくなります。
質問する際はエラーメッセージ・実行環境・再現手順を明記すると、回答が得やすくなります。
ChatGPTに聞いてみる
エラーログや問題の詳細をChatGPTに入力して解決策を尋ねる方法も有効です。分からない箇所のスクリーンショットを用いて質問すると、コードのデバッグ、エラーメッセージの解説、代替アプローチの提案など、幅広い技術的な質問に対して即時に回答を得られます。
ただし、完全に正確でない場合もあるため、提案された解決策は必ず検証した上で採用しましょう。開発ツールを使っている場合は、ベンダーのサポート窓口に問い合わせることも並行して検討してください。
自社開発のハードルが高いと感じた場合は？
ここまで見てきた中で、自社でできそうと感じる場合もあれば、開発のハードルの高さを感じる場合もあるでしょう。とくにライブラリやフレームワークを活用した独学での開発は難易度が高く、相応の人材・コスト・期間を要します。
実際に、現場で役立つチャットボットを作り上げるためには、AIによる一問一答への対応ができるだけでは不十分です。
豊富な分岐条件や画像・ボタンなどリッチな表現形式への対応、有人対応との連携、継続的なFAQ管理まで含めると、自社開発の総合的なコストは初期見積もりより大きくなるケースは多々あります。
AIエージェント / チャットボット / FAQ が統合された支援ソリューションを活用するのがおすすめ
このような課題を解決する手段として、AIエージェント機能・チャットボット機能・FAQシステムが一体となったソリューションの活用をおすすめします。
統合型ソリューションを選ぶメリットは以下の通りです。
- チャットボットとFAQシステムを別々に管理・連携する手間がなく、一元管理できる
- 有人エスカレーション機能、豊富な分岐条件設定、テキスト以外の表現（画像・ボタン・カルーセルなど）への対応がデフォルト搭載
- FAQの作成・管理・更新を効率化する機能で、ナレッジ運用の継続が容易
- 専任のサポートチームが導入から運用まで伴走してくれるため、社内に専門人材がいない場合でも安心して運用を続けられる
月額費用こそかかりますが、自社開発と運用にかかる時間とコスト、および導入効果を考慮すれば、費用対効果の高い選択といえるでしょう。
「AI AgentPlus」と「ChatPlus」「FAQPlus」で自社運用に最適化したAIチャットボットを簡単に導入可能
チャットプラス株式会社が提供するAI AgentPlus・ChatPlus・FAQPlusは、AIチャットボットを中心とした顧客対応・社内対応のプラットフォームとして連携して活用できます。
ChatPlusはチャットボット・有人チャット機能を中心とし、Webサイトへの設置からLINEなど多様なチャネルへの対応まで幅広くカバーします。
シナリオ型・AI型の両方に対応しており、豊富な分岐条件設定、テキスト以外のリッチな表現形式、有人オペレーターへのスムーズなエスカレーション機能を備えています。プログラミングの専門知識がなくても、直感的なGUI操作で本格的なチャットボットの構築が可能です。
FAQPlusは、FAQページの作成・管理・検索機能を提供するシステムです。
ChatPlusとシームレスに連携できるため、チャットボットが参照するFAQデータの管理が容易になります。FAQのボリュームが多い場合でも、類似FAQ記事の整理・統合や検索精度の高い管理画面により、煩雑になりがちなナレッジ管理を大幅に効率化できます。
AI AgentPlusは、生成AIを活用したエージェント機能です。ChatPlusとFAQPlusと連携することで、自社ドキュメントやFAQデータをナレッジソースとした高精度な自動応答が実現します。
セキュリティ面では、OpenAIとエンタープライズ契約を締結しており、ゼロデータ保持ポリシーのもとでAPIを利用しています。ユーザーとの会話データがAIのトレーニングに使用されることはないため、顧客情報や機密性の高い社内情報を扱う環境でも安心してご利用いただけます。
また、導入から運用開始まで専任のサポートチームが伴走するため、社内にIT専門人材がいない場合でも安心して進められます。実際の導入事例からも、専任サポートチームの伴走により円滑に運用が進む点が評価されています。
詳細は公式サイトの無料資料からご確認いただけます。
AIチャットボットは自社開発が良いか、支援ソリューションに任せるかについて慎重に検討を
AIチャットボットの作り方には、ライブラリやフレームワークを活用した自社開発と専門ツールを活用する方法の2つがあります。
どちらが自社に適しているかは、社内の開発リソース、予算、求める機能要件、運用体制によって異なります。まずはチャットボット導入の目的を明確にした上で、自社開発とツール活用のコスト・工数・効果を総合的に比較し、開発方法を選びましょう。
ツールを活用する場合は、AI AgentPlus・ChatPlus・FAQPlusのように、チャットボットとFAQシステムが統合されたソリューションを選ぶことで、導入後の運用効率を高め、チャットボットの回答精度を継続的に向上させられるようになります。
関連記事
