RAG(検索拡張生成)の仕組みと、問い合わせ対応で使うときの資料づくり・個人情報の扱い・改善の回し方を、中小企業や店舗向けにやさしく解説します。
「AIに問い合わせ対応を任せたいけれど、営業時間や料金をそれらしく間違えて答えるのが怖い」。そう感じている店舗や中小企業、自治体の担当者は少なくありません。この不安に応える代表的な方法が、RAG(検索拡張生成)です。この記事では、RAGの仕組み、資料の整え方、個人情報保護法(APPI)を意識した注意点、公開後の改善の回し方を順に説明します。
RAGとは何か:「カンニングを許した」AI
RAGは Retrieval-Augmented Generation の略で、日本語では「検索拡張生成」と訳されます。名前は難しく聞こえますが、考え方はシンプルです。
- AIに「記憶だけで答えさせる」のをやめる
- 質問を受けたら、まず自社の資料から関係する部分を探す
- 見つけた部分を根拠として渡し、それに基づいて回答させる
たとえるなら、新人スタッフに「マニュアルを開いて確認してから答えてね」と伝えるようなものです。AIの一般知識ではなく、自社の公式情報に沿った回答を引き出せます。
なぜ問い合わせ対応にRAGが向いているのか
大規模言語モデル(LLM)は、一般的な文章を作るのが得意です。一方で、次のような情報は、そのままでは知りません。
- あなたの店の営業時間や定休日
- 今月だけの送料ルールやキャンペーン条件
- 自治体のごみ収集日や、申請窓口の受付時間
- 会員プランごとの解約手続き
知らないことを聞かれると、AIは「それらしい文章」を作ってしまうことがあります。サポートでは、これが一番のリスクです。
RAGを使うと、次の点が変わります。
1. 回答の根拠が自社資料になる
答えの材料を自社の資料から引くため、一般論ではなく、自社のルールに沿った案内がしやすくなります。
2. 更新が楽になる
料金や営業時間が変わっても、AIを作り直す必要はありません。資料を差し替えれば、次の回答から反映されます。
3. 「資料にない」ことが分かる
資料に答えがない質問は、そのまま担当者に引き継ぐ設計にできます。わからないことを、わからないと言える運用につなげられます。
RAGの仕組みを4ステップで理解する
内部の細かい技術は製品によって異なりますが、流れは共通しています。
- 01お客様が質問する
- 02資料から関連部分を探す
- 03見つけた内容を根拠に渡す
- 04根拠に沿って回答を作る
LINE公式アカウントで「土曜日は何時まで開いていますか」と聞かれた場合を考えます。
- 質問の意味を読み取る
- 営業時間をまとめた資料の該当箇所を探す
- 「土曜は10時から17時まで」という記述を回答の材料にする
- 丁寧な言葉づかいに整えて返信する
探す段階で関係のない箇所を拾ったり、そもそも資料に書かれていなかったりすると、回答の質は下がります。次の章で説明するとおり、RAGの成否は資料づくりでほぼ決まります。
資料づくりが成否を分ける
RAGは「検索」を土台にしているため、探しやすく、誤読されにくい資料が大切です。
一つの資料には一つのテーマ
営業案内、返品ルール、支払い方法を一つの長いファイルに詰め込むと、必要な部分を見つけにくくなります。テーマごとに分けると、探す精度が上がります。
お客様の言葉で書く
社内用語ではなく、お客様が実際に使う言葉で書きます。たとえば「ご予約の変更」だけでなく「日にちを変えたい」「キャンセルしたい」といった言い回しも、見出しや本文に含めておきます。
Q&A形式を活用する
よくある質問は、質問と回答のペアにしておくと、お客様の聞き方と資料の書き方が一致しやすくなります。
日付と適用範囲を明記する
「2026年12月28日から1月3日は休業」のように、日付を具体的に書きます。「年末年始は休業」だけでは、いつからいつまでか判断できません。
古い資料を残さない
旧料金表と新料金表が両方残っていると、AIはどちらも根拠にしてしまうことがあります。古い資料は削除するか、更新するのが基本です。
個人情報とAPPIの観点で気をつけること
サポートの現場では、お客様の氏名、電話番号、注文内容などの個人情報を扱います。RAGを導入するときは、次の点を事前に整理しておくと安心です。
資料に個人情報を入れない
ナレッジとして登録する資料は、不特定のお客様に向けた回答の根拠になります。過去の問い合わせ履歴をそのまま取り込むと、他のお客様の情報が混ざる恐れがあります。FAQやマニュアルなど、公開してよい内容に絞るのが原則です。
取得する情報は必要最小限に
予約確認で必要なのは多くの場合、予約番号や日時程度です。何を聞くか、何に使うかを決めておき、必要以上に尋ねない設計にします。
利用目的と委託先を確認する
APPIでは、個人情報の利用目的の特定と公表、委託先の管理などが求められます。外部のAIサービスを使う場合は、プライバシーポリシーの記載や、サービス側の取り扱い方針を確認しましょう。具体的な法的判断が必要な場合は、専門家に相談してください。
保管期間を決める
会話ログをいつまで保管するかは、運用ルールとして決めておくべき事項です。
公開後の改善サイクルを回す
RAGは、作って終わりではありません。むしろ公開後の運用で精度が育ちます。
ステップ1:うまく答えられなかった質問を集める
会話ログを見て、次のような質問を拾います。
- 担当者に引き継ぎになった質問
- 低評価がついた回答
- 同じ内容を繰り返し聞かれている質問
ステップ2:原因を切り分ける
原因は大きく三つに分かれます。
- 資料に答えが書かれていない
- 書かれているが、探しにくい書き方になっている
- 古い情報と新しい情報が混在している
ステップ3:資料を直して再テスト
直したら、本番に出す前にテスト画面で同じ質問を試します。
ステップ4:月1回の見直しを習慣にする
料金改定、メニュー変更、法令や制度の変更など、情報が動くタイミングで資料も更新します。担当者を決めておくと、更新漏れが減ります。
よくある失敗と、その防ぎ方
- 資料を大量に入れれば賢くなると思う:量より整理です。重複や古い情報は精度を下げます。
- テストをせずに公開する:想定質問を20〜30個ほど用意し、言い回しを変えて試しておきます。
- 引き継ぎ先を決めていない:AIが答えられない場面は必ず出ます。誰が、いつ、どう引き継ぐかを先に決めます。
- お客様に待ち時間を約束してしまう:担当者の稼働に基づかない「すぐ折り返します」は避けます。
- すべてをAIに任せようとする:クレームや個別の事情が絡む相談は、人が対応する前提で設計します。
AI SNS CHATでRAGを使ってサポートを自動化する方法
AI SNS CHATでは、エージェント(AI担当者)に資料を登録し、その内容を根拠に回答させる形でRAGの考え方を運用できます。基本の流れは次のとおりです。
1. 資料を登録する
サイドバーの「Data sources」から、次の種類の情報を追加できます。
- Files(ファイル)
- Text snippets(テキスト)
- Website(Webサイト)
- Q&A
- Notion
- Social、Tickets、Suggestions
営業案内や返品ルールは Text snippets、よくある質問は Q&A、すでに公開している案内ページは Website から取り込む、といった使い分けが便利です。
社内ドキュメントがある場合は、Channels 配下のコネクタも使えます。Confluence、GitBook、Google Drive、OneDrive、Dropbox、Box、SharePoint、Zendesk Guide、esa.io、DocBase などが対象です。Wiki系コネクタには、1回の同期で150万文字・400ページという上限があり、超えた場合は切り詰められたことが通知されます。対応コネクタの全体像は /connections で確認できます。
2. 回答のルールを決める
Agent の設定で、口調やガードレール(答えてはいけない範囲)を定めます。プロンプトの生成機能や、14種類のスターターペルソナも用意されています。
3. Playgroundで試す
公開前に Playground で質問を投げ、資料どおりに答えるかを確認します。Playground の A/B モデル比較を使えば、同じ質問に対する複数モデルの回答を見比べられます。モデルの切り替えは Agent → Settings → AI から行えます。高度なモデルとモデルのフォールバックは Hobby プラン以上が対象です。
4. チャネルに公開する
Channels から、LINE、Webチャットウィジェット、Instagram などに展開できます。LINE公式アカウントの場合も、同じ資料をもとに回答します。LINE、Meta、Twilio、Discord のWebhookには署名検証が備わっています。
5. ログから改善する
Activity → Chat logs で、会話の絞り込み、フラグ付け、エスカレーション、エクスポートができ、回答には高評価・低評価の評価がつけられます。回答が不十分だったときは、返信を理想の回答に編集してエージェントに学ばせることができます。これにより、資料の穴を運用の中で埋めていけます。
6. 人に引き継ぐ
担当者がチャットを引き継ぐと、ボットは一時停止します。Helpdesk → Scheduling でシフトを設定しておくと、当番の担当者に自動で割り当てられ、通知は Slack、Teams、LINE WORKS、WhatsApp、メール、Webhook に送れます。お客様への「このあとどうなるか」の案内文は、シフト表をもとにサーバー側が追加し、待ち時間を勝手に作ることはありません。
個人情報まわりの機能
不特定のお客様に表示されるナレッジの該当箇所は、個人情報が除去されるしくみがあります。保管期間は、会話の保持期間を設定できます(初期値は無期限、オプトイン形式)。セキュリティ方針の詳細は /security をご覧ください。AI SNS CHATの運用は、GDPRおよびAPPIを参考に設計されています。なお、SOC 2、ISO 27001、HIPAAの認証は取得していません。
プランと容量
資料の保存容量はプランで異なり、Free が30MB、Hobby が200MB、Standard が500MB、Pro が1GBです。1回の返信は1クレームではなく1クレジットで計算されます。詳しくは /pricing、機能の一覧は /features をご確認ください。
よくある質問
RAGとファインチューニングは何が違いますか?
ファインチューニングはAIモデル自体に追加の学習をさせる方法です。RAGはモデルをそのままにして、回答のたびに資料を参照させる方法です。料金や営業時間のように頻繁に変わる情報は、資料を差し替えるだけで反映できるRAGのほうが運用しやすい傾向があります。
資料にない質問をされたらどうなりますか?
資料に答えがない場合は、推測で答えさせるのではなく、担当者へ引き継ぐ運用にするのが安全です。AI SNS CHATでは、会話を引き継ぐとボットが一時停止します。ガードレールで「資料にないことは答えない」といった方針を明記しておくと、運用が安定します。
過去の問い合わせ履歴をそのまま資料にしてもよいですか?
そのまま取り込むのはおすすめしません。個人名や連絡先などが含まれていると、他のお客様への回答に混ざる恐れがあります。履歴は、個人情報を除いた形でQ&Aに整理し直してから登録しましょう。
資料はどのくらいの頻度で更新すべきですか?
料金、営業時間、キャンペーン、制度の変更など、情報が動いたタイミングで更新するのが基本です。加えて、月に1回程度、チャットログを見ながら資料を見直す習慣をつけると、回答の精度を保ちやすくなります。


