このテーマのまとめ:n8n入門 ›
有給残数や規程の問い合わせ、総務が一件ずつ調べて答えていないか
「有給あと何日ありましたっけ?」「あの手当の規程、どこに書いてありますか?」。こうした社内問い合わせに、総務や人事の担当者が一日何度もAIの代わりに答えていないでしょうか。
答えるためには、その都度kintoneの勤怠データを開いて残数を計算したり、社内規程のファイルを開いて該当箇所を探したりします。答えはすでに社内のどこかにあるのに、担当者が検索エンジンの代わりになって調べているのが実態です。
「これをAIに即答させられたら」と考えても、社内問い合わせにAIで答えさせるなら専用のシステムをSIerに発注する大がかりな開発が必要だろう、という考えが先に立つのではないでしょうか。見積もりの金額を想像した時点で、検討が止まってしまうケースも少なくありません。
一方で、総務から「問い合わせ対応が多くて手が回らない」と相談を受けた情シスやDX推進の担当者が、「これは自社で組めるものなのか」と社内問い合わせの効率化事例を調べ始める、というケースもあります。
本記事は、大がかりな開発に頼らず、kintoneに蓄積したデータと生成AIを使って、社内の定型的な問い合わせをAIに即答させる進め方を紹介します。これは自社で実際に検証・確認した技術的な事実にもとづく話です。
kintoneに答えがあるなら、自然文で聞いて即答する仕組みは自社で組める

kintoneに蓄積した勤怠・社員台帳・規程を参照する生成AIチャットを用意すれば、社員が「有給あと何日?」と自然文で聞くだけで、有給残数の計算結果や規程の該当箇所が参照元付きで即答される状態を作れます。実際に用意すると、次のようなワークフローになります。
ここで大事なのは、これが「AIに社内情報を新しく覚えさせる」話ではないということです。答えはすでにkintoneのなかにあります。足りないのは、自然文の質問を受けて、その答えを探して即答する仕組みだけです。
ただし、詰まる場所を知らずに始めると、それらしい誤回答を返すだけのチャットになりかねません。どこで詰まるかを先に押さえておけば、自社の身の丈で組めます。まず、なぜこの仕組みに取り組む価値があるのかを説明します。
自然文の質問にkintone標準が即答できず、総務が「調べる係」を続けている
総務が問い合わせに答え続けているのは、担当者の段取りが悪いからではありません。kintoneに勤怠も規程も蓄積されているのに、「有給あと何日?」のような自然文の質問には標準機能が即答できない、という構造が原因です。
kintoneでレコードを絞り込むには、条件を指定して検索する操作が要ります。有給残数を出すには付与日数から取得日数を引く計算も必要です。規程のどこに該当するかは、文書を開いて読まなければ分かりません。これらの「探す・計算する・読む」手間が、そのまま総務の仕事として残っているのです。
この手間を肩代わりする仕組みができれば、総務は問い合わせのたびに手を止めずに済みます。定型的な質問は本人がその場で解決でき、総務は判断や例外対応といった、人にしかできない仕事に集中できます。
なお、この仕組みの構築そのものに、大きな技術的ハードルはありません。kintoneで普段からアプリやAPI連携を扱っている情シス・DX担当が社内にいれば着手できます。
ただし、その担当者が兼務で手一杯になっているケースも多く、実際に手を動かす時間を社内で確保できるかどうかは別問題です。着手できるかと、続けて運用できるかは分けて考えておくとよいでしょう。
「AIに答えさせる」で先に詰まりやすい3つの場面

社内問い合わせをAIに答えさせる仕組みは、作り方そのものより「どこで詰まるか」を知っているかどうかで難易度が変わります。実運用の前に検証してみると、先に詰まりやすい場面が3つありました。起こる順に見ていきましょう。
規程やレコードを渡さずAIに答えさせ、それらしい誤回答が返ってきた
最初につまずくのが、生成AIの使い方です。
ChatGPTのような生成AIに「うちの育児休業の規程を教えて」とそのまま聞くと、一般的な法律や他社の例をもとに、それらしい答えを返してきました。しかし、それは自社の規程ではありません。実際に試すと、次のように一般論をもとにした答えが返ってきます。
自社のデータを渡していないため、AIは知っている一般論で埋めてしまうのです。ときには存在しない内容をもっともらしく答える、いわゆるハルシネーションも起こります。
これを防ぐには、AIに回答させる前に、自社のkintoneのデータ(勤怠・社員台帳・規程)を参照させることが必要です。質問に関係する社内データを検索して取り出し、それを根拠にAIが答えます。この仕組みはRAG(検索拡張生成)と呼ばれ、自社データにもとづく回答を生成するための代表的な方法です。
RAGの一般的な考え方はAWSによるRAGの解説でも読めます。RAGチャットの具体的な作り方は、Difyとkintoneの連携で自社データを理解して答えるAIチャットを開発する記事で解説しているので、実装に踏み込みたい方はそちらをご覧ください。
答えは合っていても、根拠(どのレコード・どの条項か)が示せず信用されなかった
自社データを参照させて、答え自体は正しくなったとします。それでも、次の壁がありました。
AIが「有給は残り5日です」とだけ答えても、その数字がどのレコードから来たのか、どの規程にもとづくのかが示されなければ、聞いた社員も、確認する総務も、その回答を信用できません。まして就業規則の解釈が絡む質問では、根拠のない回答をそのまま信じるわけにはいきません。
そこで、回答には必ず参照元を併記させます。「有給は残り5日です(勤怠レコード〇〇より)」「該当は育児休業規程 第3条です」というように、答えの隣に根拠を置きます。こうすると、答えが正しいかを人が確かめられるようになり、はじめて実務で使える回答になります。
有給残数など、本人以外に見えてはいけない情報まで答えてしまいかねなかった
3つ目は、公開してから気づくと事故になる場面です。
有給残数や勤怠の記録は、本人の機微な情報です。検証の途中で、全社員が誰の有給残数でも聞ける状態になっていることに気づきました。そのまま公開していたら、他人の情報が引き出せてしまいます。便利にしようとした仕組みが、情報漏洩の入口になりかねません。
これを避けるには、機微な情報は本人分のみを参照する権限設計が欠かせません。kintoneはレコードやフィールドの単位でアクセス権を細かく設定でき、REST APIもそのアクセス権にしたがって動きます(詳しい仕様はkintone開発者向けドキュメントで確認できます)。
チャットを操作しているユーザーのkintoneアカウントの権限で参照させれば、本人が自分の勤怠・有給の情報だけを引ける設計にできるのです。なお本記事で扱うのは有給残数・勤怠・規程の範囲で、給与のようなさらに慎重な扱いが要る情報は対象に含めていません。
3つの詰まりから見えた、社内問い合わせAIの組み立て順

3つの詰まりは、そのまま対策の順番を教えてくれるものです。ここからは、詰まりを踏まえた組み立てを、実際に進める順で示します。3つの詰まりと、これから示す対策が一つずつ対応しています。
kintoneのデータ(勤怠・社員台帳・規程)を参照させるRAGの形にする
最初に決めるのは、AIに何を参照させるかです。
社員から来る定型的な問い合わせを洗い出し、その答えがkintoneのどのアプリ・どのデータにあるかを整理します。有給残数なら勤怠アプリ、規程の該当箇所なら規程を格納した文書、といった具合です。参照先となるkintoneアプリは、次のように用意しておきます。
なお、ワークフローを工夫すれば、OnedriveやGoogle Driveなど、kintone以外の保存先を参照させることもできます。
この参照先を決めたうえで、質問に関係するデータを検索して取り出し、AIに答えさせるRAGの形にします。
AIの役割は、集めた社内データを読みやすく整理して答える「下ごしらえ」に限定します。作り方そのものの詳細は既存の解説記事に譲り、ここでは「何を参照させるか」を先に固めることが要点です。
回答には必ず参照元(レコード・規程条項)を併記させる
次に、回答の形を決めます。
AIが答えを返すとき、その根拠になったレコードや規程の条項を必ず一緒に出すように設定します。答えと根拠がセットになっていれば、社員はその場で確からしさを判断でき、総務もあとから確認できるのです。実際の回答は、次のように答えのすぐ隣に根拠が並びます。
参照元の併記は、単なる丁寧さではありません。生成AIの回答には事実の取り違えが混じることもあるため、根拠を示させることが、誤回答を見抜くための安全装置になります。
機微情報は本人分のみ参照する権限設計にする
そして、公開前に必ず組み込むのが権限設計です。
kintoneのアクセス権を使い、有給残数や勤怠のような機微な情報は、チャットを操作している本人だけが自分の分を引けるようにするのです。設定画面では、レコードやフィールドの単位でアクセス権を絞り込みます。
チャットの裏側では、操作しているユーザー本人のkintoneアカウントで問い合わせるため、そのユーザーに閲覧権限のないレコードは返りません。本人だけが自分の情報を引ける状態にしてから公開します。ここは利便性より先に、必ず押さえておく設計です。
判断や例外は人が持つ(AIは定型の即答まで、という運用の線引き)
最後に、運用の線引きを決めておきましょう。
AIに任せるのは、答えがデータのなかにある定型的な問い合わせまでです。「この特殊なケースは有給が使えるのか」といった判断や、規程の解釈が分かれる例外は、人が引き取ります。仕組みのうえでは、例外はAIが即答せず人に引き継ぐ形にしておきます。
AIが即答し、判断は人が持つ。この線引きをあらかじめ決めておくことが、仕組みを安心して使い続ける土台になります。
自然文で聞ける窓口ができれば、総務は「調べる係」から「判断する役」に変わる
ここまでの流れで変わるのは、問い合わせの処理速度だけではありません。問い合わせが総務を経由せず、本人が自然文で聞いてその場で自己解決できるようになることが、いちばんの変化です。
総務は、定型的な質問に一件ずつ答える「調べる係」から離れ、判断や例外対応といった、人にしかできない仕事に集中できるのです。
詰まる場所は、これまで見てきたとおり限られています。
- 何を参照させるか
- 参照元をどう併記させるか
- 権限をどう設計するか
この3か所を先に押さえておけば、あとの仕組みは自社の身の丈で組み立てられるでしょう。専用のシステムをSIerに大きく発注しなくても、kintoneの標準機能と生成AIの組み合わせで手が届く範囲です。
ただし、技術的に組めることと、社内で継続して運用できることは別の問題です。設定や運用に手を動かせる担当者が社内にいるか、その時間を確保できるかは、あらかじめ見ておく必要があるでしょう。
kintoneと生成AIを組み合わせた活用の全体像は、kintoneユーザーのための生成AI実践大全でも解説しています。
まとめ
社内の定型的な問い合わせの答えは、すでにkintone(勤怠・社員台帳・規程)のなかにあります。足りないのは、自然文で聞いて即答する仕組みだけです。
自社データを参照させ、参照元を併記させ、権限を設計します。この3つを押さえれば、SIerに大きく発注しなくても、総務が「調べる係」から「判断する役」に変わる仕組みを自社で組めるでしょう。
最後に
どの問い合わせをAIに任せ、どのデータを参照させ、どこまでの権限を許すかは、会社の規程や体制によって変わります。実際に自社で組む場合の費用感や投資規模、どこから着手すべきかも、扱うデータの範囲によって変わるものです。
「自社の場合はどう組み立てればよいか判断がつかない」という場合は、ものづくりAI自動化ファクトリーの無料相談をご利用ください。自社の業務に合わせた進め方や費用の目安を一緒に整理します。



