- ホーム
- 生成AI
タグ「生成AI」
月曜朝の「未読通知50件」に絶望していませんか?
月曜の朝、あるいは現場巡回から戻った直後にスマートフォンを開くと、kintoneの通知バッジが50件を超えている。この数字を見るだけで、あなたは深いため息をついているのではないでしょうか。 すべてのスレッドに目を通そうとすれば、午前中の貴重な時間が消えていきます。読み飛ばせば、現場の重要なトラブルを見落とすかもしれません。この板挟みの状況が、あなたを日々消耗させています。
重要なのは、読む時間をゼロにすることではありません。要点だけを素早く掴み、判断に集中する時間を作り出すことです。AIを活用すれば、情報の海に溺れることなく、管理職として本来やるべき業務改善や戦略立案に時間を使えるようになります。
本記事では、最新仕様に基づき、kintoneの「スレッド要約AI」を使いこなす方法を解説します。
kintone「スレッド要約AI」の設定方法と使い方
スレッド要約AIは、スレッド内の会話を自動で要約し、要点を抽出する機能です。複数人が長期間にわたって投稿したコメントを、AIが分析して重要なポイントをまとめます。この機能を使えば、過去の経緯を振り返る時間を大幅に短縮できます。 使い方の基本手順は極めてシンプルです。スレッド画面を開き、要約ボタンをクリックするだけで、AIが会話の流れを分析します。数秒後には、議論の要点がテキスト形式で表示されます。生成された要約文はコピー可能なため、報告書や議事録への転用も簡単です。 設定方法は以下の通りです。まず、kintoneにアクセスし、設定ボタンから「kintone AI管理」を開きます。
次に、「kintone AIの有効化」のチェックボックスをオンにします。
設定後、画面下部の「スレッド要約AI」のチェックボックスがONになっていることを確認してください。
この設定には管理者権限が必要です。設定完了後、すべてのスレッド画面で「要約」ボタンが表示されるようになります。
スレッド要約AIの詳細な仕様については、kintone公式ヘルプページをご覧ください。
スレッド要約AIは「監視」ではなく「要約」に使う
AIでスレッドを要約するときのコツは、AIの要約を「事前情報」として使い倒すことです。AIから全体像を掴んだ上で、最後は必ずあなた自身の目で事実を確認する必要があります。
スレッド要約AIは誰がいつ何を発言したか、どのような結論に至ったかといった「客観的な情報」を整理できます。しかし、担当者の投稿に含まれる微細な不安、言葉の裏にある悲鳴、プロジェクトに潜む将来のリスクは、AIの要約からは漏れてしまいます。
したがって、AIを「監視ツール」として使ってはいけません。すべての判断をAIに委ねれば、現場の一次情報から遠ざかり、「わかったつもり」になってしまいます。
AIは状況把握のための要約ツールとして位置づけ、最終的な判断は管理職であるあなたが下すべきです。
要約だけを信じると「わかったつもり」になってしまう
スレッド要約AIを使う際、多くの人が陥る誤解があります。これらを理解せずに使い始めると、かえって管理の質が低下してしまいます。ここでは、2つの典型的な失敗パターンを紹介します。
失敗①:要約を読んで原文を確認しない
最も多いのは、要約さえ読めば原文を確認する必要はない、というケースです。AIは将来の火種となる「違和感」を拾えません。担当者の投稿に含まれる微妙なニュアンス、言葉の裏にある不安、プロジェクトに潜む予兆は、要約の過程で削ぎ落とされてしまいます。 例えば担当者が「無理すればできます」と書いた投稿を、AIは「対応可能」と要約する場合があります。この微妙な温度差を見逃せば、数日後に納期遅延が発生する事態を招きかねません。必ず原文を確認するようにしましょう。失敗②:AIが専門用語を誤って解釈する
AIが完璧な判断をしてくれるという期待も、現実とは異なります。工場独自の略称や専門用語を、AIは一般的な意味で処理する場合があります。たとえば、あなたの現場で「A型」が特定の製品型番を指していても、AIは文脈から血液型と解釈するかもしれません。 型番、個数、納期といった具体的な情報は、AIが削ぎ落としやすい要素です。突合して再確認しましょう。スレッド要約AIは「内容の8割」を適切なタイミングで理解するために使おう
スレッド要約AIを効率的に活用するためには、使う「割合」と「タイミング」が重要です。以下のポイントを実践すれば、スレッドの全体像と細部をバランスよく理解して、効率よく情報を集められます。
80:20の法則(要約8割・原文2割)
1つ目は、要約と原文の読み分けです。要約で過去8割の流れを掴み、必ず「最新の3件」だけは肉眼で原文をチェックします。これにより、全体像を把握しながら、現在進行形の課題を見逃さずに済みます。 この法則の根拠は、情報の鮮度にあります。過去のやり取りは事実確認として要約で十分ですが、直近の投稿には現場の生の温度感が含まれています。担当者の微妙な不安、プロジェクトの変化の予兆といった情報は、最新の投稿に集中しています。 この習慣を身につければ、全体の読む時間を大幅に短縮しながら、管理の質を維持できます。使用タイミングを「朝一番」と「会議5分前」に絞る
2つ目は、スレッド要約AIを使うタイミングを限定することです。「朝一番の状況把握」と「会議5分前の論点整理」の2点に絞り、要約ツールとして活用します。これにより、集中力を最大化できます。 朝一番の状況把握では、夜間や休日に溜まったスレッドを一気に処理します。各プロジェクトの現状を要約で把握し、優先順位を決めます。会議5分前の論点整理では、議論の対象となるスレッドを要約で振り返り、主要な論点を頭に入れます。 日常的にすべてのスレッドを要約する必要はありません。必要な時だけ使うことで、AIを道具として使いこなせるようになります。「スレッド要約AI×レコード分析AI」のハイブリッド運用もオススメ
さらに高度な活用法として、スレッド要約AIとレコード分析AIを組み合わせるハイブリッド運用があります。要約結果をコピーし、週報やトラブル管理アプリに「ストック」する手法です。 蓄積された「要約レコード」をさらに分析AIにかけることで、半年間のトラブル傾向を可視化できます。たとえば、特定の製品型番に関するトラブルが集中しているとか、特定の時期にコミュニケーションエラーが多発しているといったパターンが見えてきます。
具体的な手順は以下の通りです。まず、スレッド要約AIで議論を要約します。次に、その結果を「週報アプリ」や「トラブル管理アプリ」のレコードとして保存します。
最後に、蓄積された要約レコードに対して「レコード一覧分析AI」を実行します。これにより、点の情報を線でつなぎ、経営判断に役立つインサイトを導き出せます。
スレッド要約AIはゲストスペースに使えない！n8nで対応しよう
スレッド要約AIには、現時点で重要な制約があります。それはゲストスペース内のスレッドには対応していないという仕様です。スレッドのやり取りをゲストスペースで行っている場合、要約機能を利用できません。これは、協力会社との共同プロジェクトを管理している企業にとって大きな障壁です。
しかし、この制約を回避する方法があります。それはn8nという自動化ツールを使った自動連携です。n8nを使えば、ゲストスペースのスレッドを他のアプリに同期させることが可能です。
kintoneとn8nの具体的な連携方法については以下の記事をご覧ください。
https://adiem.jp/blog/n8n-kintone-data/
スレッド要約AIで「通知地獄」から抜け出し、現場の声を拾うために時間を使おう
スレッド要約AIを活用すれば、通知地獄から抜け出しながら、現場の違和感を逃さないマネジメントを実現できます。また誤解を避けるために最新の原文や固有名詞・数字を確認することで、「わかったつもり」による判断ミスを防ぐことができます。 AIは事実をまとめる道具であり、現場の温度感を感じ取る最終判断は管理職であるあなたが下すべきです。まずはkintoneの管理画面を開き、AI機能を有効化して実践してみましょう。 [cta] " ["post_title"]=> string(93) "kintone「スレッド要約AI」活用術：通知地獄を抜け出す実践テクニック" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(17) "kintone-thread-ai" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-01-16 11:23:59" ["post_modified_gmt"]=> string(19) "2026-01-16 02:23:59" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=15789" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [2]=> object(WP_Post)#1059 (24) { ["ID"]=> int(15787) ["post_author"]=> string(2) "13" ["post_date"]=> string(19) "2026-01-15 09:00:47" ["post_date_gmt"]=> string(19) "2026-01-15 00:00:47" ["post_content"]=> string(23511) "時間を奪っていくkintoneの「プロセス管理設定」
生産管理の現場では、稟議書の承認、設備投資の決裁、不良品の報告回覧など、複雑な多段承認フローが日常的に発生します。これらのプロセスをkintoneでデジタル化しようとした瞬間、多くの担当者が直面するのが「設定画面の迷宮」です。 画面に並ぶのは「ステータス」「アクション」「プロセス」「作業者」といったシステム用語ばかり。現場で使っている「稟議」「回覧」「差し戻し」「承認」といった親しみやすい言葉とは、まるで別世界の概念に見えてしまいます。この言葉の壁が、設定作業を数時間にも及ぶ苦行に変えているのです。
しかし2025年、この状況を一変させる機能が登場しました。それがkintoneが提供する「プロセス管理設定AI」です。
厳密な構文やロジックを理解せずとも、自然言語で業務の要件を伝えるだけで、AIが自動的にkintoneの論理構造へと翻訳してくれます。もう設定画面と格闘する必要はありません。
AIに「経路」を作らせてから人間が調整すれば秒速でプロセスを設定できる!
kintone AIラボの「プロセス管理設定AI」は、承認フローの骨組み作りにおいて最強のツールです。あなたが「申請者→課長→部長→完了」という経路を伝えれば、AIは瞬時にステータスとアクションを生成してくれます。 しかしここで重要な事実があります。AIは「経路を作ること」には極めて優れていますが、「ロジック」を構築することはできません。具体的には、金額に応じた分岐条件(例:「100万円以上なら部長承認へ」)や、特定の部署だけに限定した権限設定などは、人間が手動で設定する必要があるのです。
この役割分担を理解すれば、プロセス設定は驚くほどシンプルになります。AIには経路を作らせて、あなたは「監督」として条件設定や権限調整といった最終調整に集中するのです。これにより、従来なら数時間かかっていた設定作業が、わずか数分で完了します。
AIにハンドルを握らせてはいけません。あなたが監督として、AIが出してきた下書きを正しく調整することに注力してください。それが最も早く、確実にDXを実現する近道です。
kintoneプロセス管理設定AIの設定方法と使い方
プロセス管理設定AIを「有効化」する方法
プロセス管理設定AIを使用する前に、管理者による有効化作業が必要です。この設定は一度行えば、以降は現場担当者が自由に利用できます。 有効化の手順 まず、kintoneのAI管理画面を開きます。画面右上の歯車アイコンをクリックし、「kintone AI管理」を選択してください。この項目が表示されない場合は、システム管理権限が無いか、契約プランを確認する必要があります。（kintoneのスタンダードコース以上の契約が必要）
「kintone AI管理」の設定画面に入ったら、「kintone AIの有効化」のチェックボックスをONにします。
そして「プロセス管理設定AI」の項目を探し、チェックボックスをONにします。これでプロセス管理設定AIが使用可能になります。
この作業は通常3分程度で完了します。一度設定すれば、以降は現場の担当者が個別に有効化作業を行う必要はありません。
※組織間のアクセス権設定によっては、一部のユーザーが利用できない場合があります。必要に応じて、利用範囲を調整してください。
kintoneアプリ画面内での実際の使い方
管理者による有効化が完了したら、現場担当者は自分のアプリでプロセス管理設定AIを使用できます。ここでは、実際の操作手順を説明します。 プロセス管理設定AIへの到達経路 まず、対象となるアプリを開きます。画面右上の歯車アイコンから「アプリの設定」を選択してください。
設定画面の左側メニューから「プロセス管理」をクリックします。既にプロセス管理が設定されている場合は既存の設定が表示され、未設定の場合は新規作成画面が表示されます。
すると、プロセス管理の設定画面内に「AIで設定」のボタンが表示されています。このボタンが表示されない場合は、管理者による有効化が完了していない可能性があります。
設定に関する詳細は、kintone公式のヘルプページをご覧ください。
https://jp.kintone.help/k/ja/ai/assist_process
骨組み作成に集中した基本手順
「プロセス管理設定AI」ボタンをクリックすると、チャット形式の画面が開きます。ここで、あなたの業務フローを文章で伝えてください。
AIから確認事項としていくつか質問されるので、対話を進めてフローを作成します。
例えば、「申請者が申請し、部署長が承認し、経理が最終確認して完了となるフローを作成してください。各段階で差し戻しができるようにしてください。」といった具合です。重要なのは「誰が何をするか」を明確に伝えることです。
AIが処理を完了すると、ステータス(申請、承認中、確認中、完了など)とアクション(申請する、承認する、差し戻すなど)が自動生成されます。生成された内容を確認し、基本的な経路が正しければ、いったん保存してください。
AI任せの設定は「承認エラー」や「泥沼の修正」を引き起こす
AIに丸投げすると生まれる3つのエラーパターン
それでは、実際に多くの企業で報告されている3つの典型的なエラーパターンを見ていきましょう。
- 申請者が自分を承認できる「セルフ承認」
- 差し戻された瞬間に詰む「行き止まり」のフロー
- 誰にも通知が届かない「幽霊作業者」
対話が長引くことで起きる「AIの記憶喪失」と「ロジックの限界」
AIとの対話を重ねて修正を繰り返すと、さらに深刻な問題が発生します。それが「文脈の混乱」と「ドミノ倒し的なエラー」です。
- 文脈の混乱
- ドミノ倒し的なエラー
AIが混乱した時は「リセット」!泥沼の修正より一発生成を狙おう
kintoneの「1セッション20回」という対話制限の壁
システム上の制約として、AIとの対話は1セッションあたり20回までという明確な制限があります。この制限を知らずに修正を繰り返していると、肝心な仕上げの段階で制限に達してしまい、作業が中断されるリスクがあります。
何度も「ちょっとここを直して」「もう一度変更して」と指示を重ねる行き当たりばったりな修正スタイルでは、20回という制限はあっという間に消費されてしまいます。
この回数制限の中で実用的なフローを作るには、「計画的なプロンプト」が重要になります。無計画な修正を繰り返すのではなく、戦略的に手数を減らすアプローチが求められているのです。
リセットボタンとプロンプトの工夫で、手数を少なく生成するのが大切
また、複雑なフローを指示してAIが混乱した場合は、無理に修正を重ねるのではなく、一度リセットボタンで対話を初期化することが推奨されます。リセットにより、AIの記憶をクリアな状態に戻すことができます。
ここで重要なのが、失敗した対話から得た反省を活かすことです。最初の試行で「この指示が足りなかった」「この表現が曖昧だった」という点を把握し、それらを全て盛り込んだ洗練されたプロンプトを作成します。そして、その完璧な指示書をAIに渡して一発で理想に近い形を出力させるのです。この戦略を「One-Shot Generation(ワンショット生成)」と呼びます。
また、AIに複数の案を比較させることも有効です。例えば、「安全性を最優先したフロー」と「スピードを最優先したフロー」の2案を出力させ、人間が最終的に選択します。AIに丸投げするのではなく、あなた自身が選択権を持つことが重要です。
実務者としての心得は、「AIに少しずつ教えて育てる」のではなく、**「完璧な指示書を渡して一気に作らせる」**ことです。この方が、最終的な設定工数は大幅に短縮できます。AIは教育する対象ではなく、明確な指示を待っているツールなのです。
工数を8割削減する「プロンプトエンジニアリング」と人間による「仕上げ」術
AIに「自己添削」をさせる魔法のフレーズ
AIの出力精度を劇的に上げる方法があります。それが「自己添削プロンプト」です。AIに対して、**「出力前に論理矛盾を3点指摘し、修正せよ」**という指示を加えるだけで、生成される設定の品質が大きく向上します。 このテクニックの仕組みは単純です。AIに一度生成させてから人間がチェックするのではなく、AI自身に内部でチェックと修正を行わせてから最終案を提示させるのです。これにより、明らかな矛盾やエラーが事前に取り除かれた状態で設定が出力されます。 具体的なプロンプトの例を示します。「以下の承認フローを作成してください。申請者が申請し、課長が承認し、部長が最終決裁を行い、完了となるフローです。出力前に、あなた自身で論理矛盾を3点指摘し、それらを修正した上で最終案を提示してください。」このように、通常の指示の最後に自己添削の指示を追加するだけです。通常のプロンプトでは精度が60%程度だったものが、自己添削プロンプトを使うことで90%以上の精度に向上します。この魔法のフレーズは、あなたがすぐにコピーして使える実践的なテクニックです。
実用的なプロンプトテンプレート
実務で即座に活用できる3つのプロンプトパターンを紹介します。それぞれのパターンは、業務フローの特性に応じて使い分けることができます。- パターンA:基本の直線型フロー
「申請者が申請し、課長が承認し、最終的に経理が確認して完了となるフローを作成してください。各段階で差し戻しができるようにしてください。」このプロンプトのポイントは、「誰が」「何を」「どうする」を明確に主語と述語で伝えることです。また、差し戻しの有無を明示することで、双方向のフロー設計をAIに指示できます。
- パターンB:分岐あり(骨組みのみ)の設定
「金額によって『課長決裁』と『部長決裁』に分岐するルートを作ってください。条件設定は後で行うので、まずはステータスとルートを作成してください。」このプロンプトの重要なポイントは、「条件設定は後で行う」と明示することです。AIは条件分岐のロジック(金額が100万円以上など)を自動設定できないため、最初から骨組みのみの作成を指示することで、余計な混乱を防ぎます。
- パターンC:フィールド指定による動的な作業者設定
「承認者の作業者は、フォーム内の『承認者』フィールド(ユーザー選択)を使用してください。」このプロンプトでは、具体的なフィールド名とその型(ユーザー選択)を明示することがポイントです。AIはフィールドの存在を前提に設定を行うため、事前にアプリ内にフィールドが作成されている必要があります。 これらのテンプレートは、あなたの業務に合わせてそのままコピーして使用できます。各パターンの特性を理解し、適切に使い分けることで、効率的なプロセス設定が実現します。
kintone内の「条件分岐」と「作業者の紐付け」は人間が仕上げる
AIが生成した設定は、あくまで下書きです。業務で実際に使用するためには、人間による仕上げ作業が不可欠です。以下の2つのステップを必ず実行してください。
- ステップ1:条件分岐の設定(所要時間:約5分)
- ステップ2:作業者の紐付け確認(所要時間:約3分)
kintoneのAIを使いこなし、管理業務を効率化しよう
kintoneのプロセス管理設定AIは、決して「魔法の杖」ではありません。しかし、最強の「ドラフト作成ツール」であることは間違いありません。
重要なのは、AIと人間の役割分担を明確に理解することです。AIには経路の作成を任せ、人間は条件分岐や権限設定に専念します。これにより従来なら数時間かかっていた設定作業が、わずか数分で完了するのです。
AIは全自動ツールではなく、批判的なパートナーです。AIが出してきた下書きを精査し、最終的な判断を下すことで、承認フローを素早く構築していきましょう。
[cta]
"
["post_title"]=>
string(102) "kintoneの「プロセス管理設定AI」で承認フローを秒速で構築する方法を解説！"
["post_excerpt"]=>
string(0) ""
["post_status"]=>
string(7) "publish"
["comment_status"]=>
string(6) "closed"
["ping_status"]=>
string(6) "closed"
["post_password"]=>
string(0) ""
["post_name"]=>
string(26) "kintone-process-setting-ai"
["to_ping"]=>
string(0) ""
["pinged"]=>
string(0) ""
["post_modified"]=>
string(19) "2026-01-15 17:47:35"
["post_modified_gmt"]=>
string(19) "2026-01-15 08:47:35"
["post_content_filtered"]=>
string(0) ""
["post_parent"]=>
int(0)
["guid"]=>
string(45) "https://adiem.jp/?post_type=blog&p=15787"
["menu_order"]=>
int(0)
["post_type"]=>
string(4) "blog"
["post_mime_type"]=>
string(0) ""
["comment_count"]=>
string(1) "0"
["filter"]=>
string(3) "raw"
}
[3]=>
object(WP_Post)#4314 (24) {
["ID"]=>
int(15702)
["post_author"]=>
string(2) "13"
["post_date"]=>
string(19) "2026-01-13 12:46:35"
["post_date_gmt"]=>
string(19) "2026-01-13 03:46:35"
["post_content"]=>
string(17513) "kintoneのアプリ作成AIを使えば、従来は30分かかっていたアプリ作成の作業が3分で終わります。生産管理の現場では、プロジェクト管理アプリを素早く立ち上げて業務を回したいと考える方も多いでしょう。しかし、実際にAIで作成したアプリを使おうとすると、計算式が入っていなかったり、フィールドコードが乱れていたりする問題に直面します。
本記事では、kintoneのアプリ作成AI機能の実力と限界を明らかにし、AIで作った「下書き」を実用レベルに引き上げるための具体的な手順を解説します。
「アプリ作成AI」でアプリ自体は一瞬で作れるが、結局修正が必要…
kintoneのアプリ作成AI機能は、チャットで指示を出すだけでフィールドが自動配置される便利な機能です。従来は30分以上かけて手作業でフィールドを配置していた作業が、わずか3分で完了します。 しかし、実際に生成されたアプリを確認すると、期待とは異なる「惜しい」状態になっていることが多いのです。フィールドの種類が意図とズレていたり、計算式が設定されていなかったりする状況に直面します。
この現象について多くの記事では「AIでアプリが作れます」という機能紹介に留まっており、生成後の修正工数については触れられていません。実際には、AIが作成したアプリをそのまま運用すると、現場の要求と異なったり、外部ツールと連携する際に障害が起きたりなどの事態が発生し、大きな修正を余儀なくされます。
この現実を理解した上で、AIを「優秀なアシスタント」として活用し、残りの重要な部分を自分で設定する方法を知ることが重要です。AIに全てを期待するのではなく、AIが得意な「構造作り」と人間が担う「論理設定」を組み合わせることで、最短で実用的なアプリを完成させることができます。
まずはここから！kintone AIラボで「アプリ作成AI」を有効化する設定手順
アプリ作成AIを利用するには、管理者がkintoneシステム管理画面で機能を有効にする必要があります。設定は数ステップで完了し、全ユーザーがAIでのアプリ作成を利用できるようになります。 まず、kintoneにログインします。メニュー上部の設定アイコンから「kintone AI管理」を選択してください。
次に、画面右側に表示される「アプリ作成AI」の項目を探します。「機能を有効にする」ボタンをクリックすれば設定完了です。
設定が完了すると、アプリ作成画面の「はじめから作成」のメニュー上部にAIアイコンが表示され、その中に「アプリ作成AI」という選択肢が表示されます。この表示を確認できればOKです。
kintoneのアプリ作成AIは「優秀なインターン」が作る下書きと割り切る
kintoneのアプリ作成AIは、確かに便利な機能です。しかし、AIに魔法を期待してはいけません。AIは「凄腕のインターン」が作った質の高い下書きと割り切るべき存在なのです。
アプリ作成AIの弱点は「計算」「フロー構築」「フィールドの最適化」
kintoneのアプリ作成AIには、現時点で明確にできないことがあります。それは計算式の設定です。AIに「消費税計算を入れて」と指示しても、計算フィールドの枠だけができて中身の計算式は空っぽの状態で生成されます。 また、プロセス管理の構築もAIの管轄外です。承認フローなどの複雑なステータス管理は、AIが自動で設定してくれません。 さらに、フィールドコードの最適化もAIには期待できません。AIが自動生成するフィールドコードは「field_123」のような意味不明な文字列になりがちで、後で外部連携を組む際に大きな障害となります。 この状態でアプリをそのまま運用しようとすると、AIが作った下書きを実用レベルに引き上げるための手動設定がどうしても必要になるのです。AIと人間で役割を分担。「60：40」の比率を意識しよう
具体的には、AIはフィールドの自動配置、ドロップダウンリストの選択肢生成、基本的な項目の提案などを担当します。これらは全体の60%程度を占める土台作りの部分で、AIが最も力を発揮する領域です。 一方、人間が担当すべきは残りの40%です。計算式の設定、フィールドコードの最適化、プロセス管理の構築、外部ツールとの連携設定がこれに該当します。これらは業務の核心部分であり、現場の知恵を込めるべき重要な設定です。 この役割分担を理解することで、AIに過度な期待を抱いて失望することもなく、また人間が全てを手作業で行う非効率からも解放されます。AIと人間のハイブリッドな作業方式こそが、kintoneアプリ作成の最短ルートなのです。
押さえておこう！運用時にハマりやすい「3つの落とし穴」
また、アプリ作成AIの利用者が陥りやすい落とし穴が3つあります。これらを事前に知っておくことで、無駄な試行錯誤を回避できます。
1つ目は、計算フィールドの空っぽ問題です。「消費税計算を入れて」とAIに指示しても、計算式が入っていない状態で生成されます。実際に私が試したときも、計算フィールドの枠だけができて中身が空っぽという状況に直面しました。
2つ目は、フィールドタイプのズレです。担当者を管理したいときに、ユーザー選択フィールドではなく文字列フィールドで生成されることがあります。この場合、後からフィールドタイプを変更する必要があり、手間がかかります。
3つ目は、修正がAI非対応という制約です。一度作ったアプリに「やっぱりこのフィールド追加したい」と思っても、AIのチャット機能では対応できません。アプリ作成AIは新規作成のみに対応しており、既存アプリの修正は手動で行う必要があります。
これらの落とし穴を知っておけば、AIが生成したアプリを確認する際に何をチェックすべきかが明確になります。次のセクションでは、これらの問題を解決する具体的な手順を解説します。
事例：修正時間を15分から3分へ！すぐに役立つプロンプト例とAI活用手順
AIへの指示の出し方で、生成されるアプリの精度は大きく変わります。実際に私が試した事例をもとに、修正時間を劇的に短縮する方法を解説します。 悪い例を見てみましょう。「タスク管理アプリを作って」とだけ指示した場合、AIは汎用的なフィールドを大量に生成します。この結果、不要なフィールドを削除したり必要なフィールドを追加したりする作業に15分かかりました。 一方、成功例では具体的な指示を出しています。「Web制作会社のプロジェクト管理アプリを作成してください。納期、担当者、進捗（未着手・進行中・完了）、優先度、顧客名を管理したい」と入力すると、必要なフィールドがほぼ揃った状態で生成されます。修正時間はわずか3分で済みました。
このような指示の具体化で作業時間が5分の1になるのです。製造現場でプロジェクト管理アプリを作る場合の具体的なプロンプトテンプレートを以下に示します。
製造現場のプロジェクト管理アプリを作成してください。管理したい項目は以下の通りです。 案件名（文字列）、納期（日付）、担当者（ユーザー選択）、進捗状況（ドロップダウン：未着手・進行中・完了・保留）、優先度（ドロップダウン：高・中・低）、予算（数値）、実績（数値）、備考（文字列複数行）このテンプレートをコピーして、自社の業務に合わせて項目を調整すれば、手戻りの少ないアプリを作成できます。
AI作成後に必ずやるべき「手動設定」3ステップ
AIが生成したアプリを実用レベルに引き上げるためには、3つのステップが効果的です。これらの手順を実行することで、「動くシステム」が完成します。
ステップ1は、計算フィールドへの置換です。AIが作った数値フィールド「進捗率」を削除し、計算フィールドを新規作成します。計算式には「達成数値 / 目標数値 * 100」と入力してください。この設定により、進捗率が自動計算されるようになります。
ステップ2は、フィールドコードの最適化です。AIが自動生成する「field_123」のような意味不明なコードを、管理しやすい名前に変更します。例えば、案件名なら「project_name」、納期なら「due_date」のように、後で見ても分かりやすい名前にしてください。外部連携を見据えた命名規則を採用することで、後の作業が格段に楽になります。
ステップ3は、CSV読み込みでのデータ移行です。2026年1月のアップデートで、桁区切りカンマ付きのCSVがそのまま読み込めるようになりました。Excelで管理していた「予算：1,000,000」のようなデータを、事前加工なしでAI作成アプリに移行できます。
この3ステップを完了すれば、AIが作った60点の土台が実用レベルの100点に到達します。一つずつ丁寧に設定を進めてください。
さらに高度な自動化へ：n8nとの連携境界線
別アプリ・外部ツールと連携させた業務フローを組みたいときは、kintoneの標準機能だけでは実現が難しいこともあります。そんなときにおすすめなのが「n8n」です。
n8nは、複数アプリ間の高度な連携と外部API連携、条件分岐の多い自動化を構築できるツールです。これらをkintone標準機能だけで実現しようとすると、作業工数が膨大になります。
基本的なアプリ作成はAIに任せ、手動設定で仕上げる。そして本当に複雑な部分だけをn8nなどの外部ツールに委ねるという段階的なアプローチが現実的です。
まずAIで60点の土台を作り、残りの40点に「現場の知恵」を込めよう
kintoneのアプリ作成AIは、完璧なシステムを一発で作るツールではありません。しかし、だからこそ価値があるのです。 AIが作るのは60点の土台です。フィールドの配置と基本項目の提案、ドロップダウンの選択肢生成をAIに任せれば、作成時間はわずか5分で済みます。 残りの40点は「現場の知恵」を込める部分です。計算式の設定とフィールドコードの最適化、プロセス管理の構築、独自カスタマイズを加えることで、10分程度の追加作業で実用レベルに到達します。 合計15分で実用レベルのアプリが完成するのです。従来30分以上かかっていた作業が半分の時間で終われば、浮いた時間を現場のデータ分析に集中できます。 AIで100点を目指してはいけません。60点の土台と40点の知恵を組み合わせる方法こそが、kintoneアプリ作成の最短ルートなのです。 この考え方を理解すれば、AIに失望することもなく、手作業に時間を奪われることもありません。生産管理の本質である現場のデータ活用にリソースを集中できるようになります。アプリ作成AIを使いこなして、効率よく実用レベルのアプリを作ろう
kintoneのアプリ作成AIは、魔法のツールではありません。しかし、使い方を理解すれば強力な電動工具になります。構造作りはAIに任せ、論理設定は人間が担当するハイブリッド方式こそが最短ルートです。 また、プロンプトを工夫することで、修正時間を15分から3分に短縮できます。AI作成後は必ず3ステップの手動設定を行い、動くシステムに仕上げてください。
まずは今の業務フローを言語化してみましょう。管理したい項目をリストアップし、このリストをもとにAIへ指示を出します。AI生成後はこの記事の3ステップで仕上げれば、合計15分で実用レベルのアプリが完成します。さらに高度な自動化を目指す方は、n8nなどの外部連携ツールもご検討ください。
[cta]
"
["post_title"]=>
string(115) "kintoneのAIラボでアプリ作成を5分に短縮！「失敗しない指示出し術」と手動設定の急所"
["post_excerpt"]=>
string(0) ""
["post_status"]=>
string(7) "publish"
["comment_status"]=>
string(6) "closed"
["ping_status"]=>
string(6) "closed"
["post_password"]=>
string(0) ""
["post_name"]=>
string(19) "kintone-app-make-ai"
["to_ping"]=>
string(0) ""
["pinged"]=>
string(0) ""
["post_modified"]=>
string(19) "2026-01-15 17:46:35"
["post_modified_gmt"]=>
string(19) "2026-01-15 08:46:35"
["post_content_filtered"]=>
string(0) ""
["post_parent"]=>
int(0)
["guid"]=>
string(45) "https://adiem.jp/?post_type=blog&p=15702"
["menu_order"]=>
int(0)
["post_type"]=>
string(4) "blog"
["post_mime_type"]=>
string(0) ""
["comment_count"]=>
string(1) "0"
["filter"]=>
string(3) "raw"
}
[4]=>
object(WP_Post)#4318 (24) {
["ID"]=>
int(15700)
["post_author"]=>
string(2) "13"
["post_date"]=>
string(19) "2026-01-12 20:16:34"
["post_date_gmt"]=>
string(19) "2026-01-12 11:16:34"
["post_content"]=>
string(15590) "「あの資料、どこ？」埋もれたデータの捜索で疲弊していませんか？
kintoneで過去のデータを探す際、何度もフィルタ設定を繰り返していませんか？ トラブルが発生したとき、情報を探すために15分も検索を続ける。過去の案件のレコードを見つけようとしても、300件もの検索結果が表示され、結局レコードを1つずつ開いて確認する羽目になる。このような「検索ストレス」は日常的に起きている課題です。 標準検索では、条件を細かく設定しても望んだ結果にたどり着けないことがあります。キーワードを変えて何度も試し、それでも見つからず、最終的には同僚に「あの件、どうなったっけ」と聞いてしまう。これはどこの現場でも起こりうることです。
この記事では、kintoneのAIラボの機能の1つである「検索AI」の使い方と弱点を解説し、データの捜索にかかる時間を大幅に削減するポイントを紹介します。
導入はわずか1分！kintoneの検索AI（AIアシスタント）を有効化する設定手順
kintoneの検索AI機能を使うには、システム管理画面で有効化する必要があります。 設定は非常にシンプルです。kintoneのトップ画面の設定アイコンから「kintone AI管理」を開きます。
管理画面で「kintone AIの有効化」のチェックボックスをクリックします。さらに下部の画面で「検索AI」にチェックを入れるだけで完了です。
この設定が完了すると、レコード一覧画面や詳細画面のヘッダーに、AI検索用のアイコンが自動的に表示されます。アイコンは虫眼鏡にAIロゴが組み合わされたデザインで、ここから自然言語での検索が可能になります。設定自体は1分で完了するため、まずは有効化してみることをおすすめします。
より正確な情報は、kintone公式のヘルプページをご覧ください。
検索AIを上手に使うコツは「データの蓄積」と「プロンプトの工夫」
検索AI機能を導入しても、すぐに全ての課題が解決するわけではありません。多くの現場で起きる誤解は、「ツールを入れたら終わり」という考え方です。AIは導入した瞬間から完璧に機能するものではなく、適切な準備と使い方があって初めて効果を発揮します。
成果を出すためのポイントは2つあります。1つ目は「データの蓄積」です。kintone内に情報が十分に入力されていなければ、AIは何も答えられません。まずはデータを適切にためていく意識と仕組みを整える必要があります。
そして2つ目は「プロンプトの工夫」です。プロンプトとはAIに入力する文章のことで、Google検索のように単語だけを投げるのではなく、背景情報や出力形式を具体的に伝えることで、回答の精度が劇的に向上します。
この2点を守って正しく運用すれば、属人化していた知見を「現場の集合知」に変えられます。ベテラン社員の頭の中にある過去のトラブル対応履歴や、特注仕様の判断基準を、新人でも瞬時に引き出せる状態にできるのです。検索時間は45分から5分へと大幅に短縮され、現場メンバーの「探す」というストレスから解放されます。
失敗例：検索AIが役に立たない原因は「連携能力の壁」「データ不足」「ハルシネーション」
kintoneの検索AIには、期待を裏切る3つの制約があります。それぞれの原因を正しく理解することで、導入失敗のリスクを回避できます。1. アプリの境界と「外部連携」の壁
検索AIは、現在開いているアプリのデータしか参照できません。
例えば、在庫管理アプリで検索しているとき、発注履歴アプリにある過去の発注データと照らし合わせてほしいと思っても、AIは別アプリのレコードを参照できないのです。権限設定や連携の仕組み次第では「回答不能」という結果が返ってきます。
また、AIが導き出した回答をSlackやMicrosoft Teamsへ即座に通知したいと思っても、標準機能ではシームレスな連携ができません。kintoneの画面を開き、そこで検索し、結果を手動でコピーして他のツールに貼り付ける必要があります。
この「アプリ間のデータの壁」と「外部ツールへの出力の壁」は、現場の期待を裏切る大きな要因です。標準機能の制限を理解した上で、必要に応じて外部連携ツールの導入を検討する必要があります。
2. 「データなきAI」は沈黙する
そもそも情報が入力されていなければ、AIは何も答えられません。備考欄が空白のまま放置されていたり、過去のトラブル対応履歴が記録されていなかったりすると、検索AIに質問しても「該当する情報が見つかりません」という回答しか返ってきません。 検索AIはインターネット上の情報を検索するわけではなく、あくまで社内データベースの検索窓として機能するだけなのです。
そこで、データの蓄積文化を作ることが、検索AI活用の第一歩です。レコード数が50件で備考欄の記入率が20%しかない状態と、レコード数が500件で記入率が80%ある状態では、検索成功率が30%から85%へと劇的に向上します。まず情報を溜める仕組みを整えることが不可欠です。
3. 「嘘をつく（ハルシネーション）」可能性
AIはもっともらしい嘘をつくことがあります。特に数値が重要な生産管理では、この特性が致命的なミスに繋がる恐れがあります。 例えば「今月の売上合計はいくら？」と質問したとき、AIは確率的に「それっぽい数字」を出力する傾向があり、正確な足し算を保証しません。実際の数値が347万2,583円であっても、AIは「約350万円です」と回答する可能性があります。 この2万7,417円の誤差が、発注ミスや在庫不足を引き起こすかもしれません。これは生成AI全般に共通する弱点であり、kintoneにおいても例外ではないのです。
鉄則は、正確な数字が必要な場合、必ずkintone標準の「集計機能」や「グラフ機能」を使用することです。AIは「データの抽出」には強いですが、「計算」には向いていません。AIの回答を鵜呑みにせず、最終確認は人間が行う運用フローを確立する必要があります。
失敗を回避する聞き方のコツ｜「背景情報」と「出力形式」で優秀なAIアシスタントに
検索AIの精度を高めるには、質問の仕方が重要です。Google検索のように単語だけを投げるのではなく、状況説明と期待する回答形式を明示することで、AIは驚くほど優秀なアシスタントに変わります。「プロンプト」を丁寧に、「対話」を大事にして利用する
AIへの質問（プロンプト）を工夫するだけで、回答の質が劇的に変わります。
Google検索のような「単語だけ（例：出張申請 ルール）」の入力は、AIの精度を下げてしまうもったいない例です。AIは文脈を理解する能力を持っているため、背景情報と出力形式を具体的に伝えることで、期待通りの回答を引き出せます。
例えば、「出張申請 ルール」と入力しただけでは、AIは「該当する情報が見つかりません」と返すかもしれません。しかし、「新幹線を使う出張申請のルールについて、承認フローも含めて教えて」と具体的に問えば、AIは「出張申請アプリのレコードから3件見つかりました。承認フローは…」と詳細な回答を返します。
一度の回答で諦めず、条件を絞り込んでいく「対話」のプロセスが重要です。最初の回答が期待外れでも、「先月の分だけに絞って」「担当者ごとにリストアップして」と追加の条件を伝えることで、AIは理解を深めていきます。AIはバカではありません。まだあなたの現場を知らないだけです。聞き方ひとつで、最高のアシスタントに変わるのです。
さらに高度な活用へ！「n8n」でkintoneの壁を突破する
kintone標準機能の「別アプリのデータを検索できない」「外部ツールと連携できない」という弱点の解決策として、自動化ツール「n8n」を使った外部連携があります。アプリを跨いだ検索や、外部ツールへの自動送信を実現
n8nを使えば、kintoneのデータを外部の生成AIに渡し、回答を他のツールへ自動送信できます。 具体的には、在庫管理アプリ、発注履歴アプリ、トラブル履歴アプリという3つのアプリから情報を集め、n8nで統合処理します。統合されたデータをOpenAI（ChatGPT）などの生成AIに送り、分析や要約を実行します。その結果をSlackやMicrosoft Teamsへ自動通知する、という一連の流れをプログラミングなしで構築できます。 この仕組みの最大のメリットは、「複数のアプリから情報を集めて要約し、チャットに投げる」という標準機能だけでは届かない高度な自動化を実現できる点です。例えば、毎朝8時に「昨日の在庫変動と発注履歴を要約してSlackに投稿」といった定期レポートも自動化できます。 ただし、n8n連携には初期設定の学習コストと、OpenAI APIの従量課金というコストが発生します。まずは標準の検索AIで試し、限界を感じたタイミングで検討するのが賢明な判断です。 詳しくは関連記事をご覧ください。 https://adiem.jp/blog/n8n-kintone-data/情報を溜め、プロンプトを工夫して検索AIを上手に使いこなそう
kintone検索AIの強みと弱点を正しく理解することが、成功への第一歩です。 この記事で解説した通り、検索AIは「魔法の杖」ではありません。アプリ間のデータの壁があり、外部連携には制限があり、ハルシネーションのリスクも存在します。しかし、これらの弱点を理解した上で、データを徹底的に蓄積し、プロンプトを工夫して使えば、検索時間を45分から5分へと劇的に短縮できます。 人間が最終確認を行う運用フローを確立することが不可欠です。AIの回答を鵜呑みにせず、特に数値計算については必ずkintone標準の集計機能で検証してください。AIは聞き方ひとつで最高のパートナーに変わります。 まずは1つのアプリからデータ整備とAI試行を始めましょう。良い回答と悪い回答をメモし、プロンプトのパターンを共有していくことで、誰でも過去の知見を引き出せる「現場の集合知」へと進化していきます。週単位で検索成功率が向上し、月単位で属人化が解消されていく過程を、ぜひ体験してください。最後に
株式会社アディエムでは、kintone × 生成AIで日々の業務改善に取り組んでいます。
今回ご紹介したようなワークフローの他にも、お客様の業務に合った改善をご提案させて頂きます。
無料相談も実施しておりますので、お気軽にお問い合わせ頂ければ幸いです。
お問い合わせはこちら
"
["post_title"]=>
string(98) "kintoneの「検索AI」は使えない？失敗例から学ぶAIアシスタント活用のコツ"
["post_excerpt"]=>
string(0) ""
["post_status"]=>
string(7) "publish"
["comment_status"]=>
string(6) "closed"
["ping_status"]=>
string(6) "closed"
["post_password"]=>
string(0) ""
["post_name"]=>
string(17) "kintone-search-ai"
["to_ping"]=>
string(0) ""
["pinged"]=>
string(0) ""
["post_modified"]=>
string(19) "2026-01-23 10:22:45"
["post_modified_gmt"]=>
string(19) "2026-01-23 01:22:45"
["post_content_filtered"]=>
string(0) ""
["post_parent"]=>
int(0)
["guid"]=>
string(45) "https://adiem.jp/?post_type=blog&p=15700"
["menu_order"]=>
int(0)
["post_type"]=>
string(4) "blog"
["post_mime_type"]=>
string(0) ""
["comment_count"]=>
string(1) "0"
["filter"]=>
string(3) "raw"
}
[5]=>
object(WP_Post)#4321 (24) {
["ID"]=>
int(15559)
["post_author"]=>
string(2) "13"
["post_date"]=>
string(19) "2026-01-11 17:33:30"
["post_date_gmt"]=>
string(19) "2026-01-11 08:33:30"
["post_content"]=>
string(13453) "残業で日報を読む日々を「kintone AIラボ」で解決しよう
毎日kintoneに送られてくる日報や業務報告を、すべて読み込むだけで多くの時間を奪われていないでしょうか？数値データはグラフで一目で把握できます。しかし、現場の「コメント」に埋もれているトラブルの予兆や不満は見落としがちです。 このようなデータを「全部詳しく読もう」とすると、他の仕事が回りません。かといって「ざっと目を通すだけ」では、重要な情報を見逃すリスクも… そんな悩みを解決してくれるのが、kintoneの標準機能「レコード一覧分析AI」です。本記事では、「レコード一覧分析AI」の設定手順から現場ですぐに役立つ具体的な活用法までを解説します。
設定1分の「レコード一覧分析AI」でデータを読む作業を効率化できる
レコード一覧分析AIとは、一覧画面に表示されている複数のレコード情報を読み込み、要約・分析してくれる機能です。「AI導入」と聞くと大掛かりに感じるかもしれませんが、追加費用は不要であり、今ある環境ですぐに使えます。
ただし、「AIが高度な経営コンサルティングをしてくれる」と期待すると失敗します。このAIの本質は「優秀な書記係」です。大量のテキストデータを高速で読み込み、指定された通りにまとめる能力に長けています。高度な分析や提案を求めるのではなく、「大量の文字を読む苦行」を代行させる道具として活用することが成功の鍵です。
検索したいことを入れるだけでAIがデータを要約
レコード一覧分析AIは、生成AI技術を活用してkintoneのレコードデータを読み込み、要約や分析を行います。
従来のkintoneの集計機能は、数値データをグラフ化することには優れていました。しかし、日報やコメント欄といったテキストデータは、人が一つ一つ目を通すしかありませんでした。
生成AIは、自然言語処理(NLP)技術によって大量のテキストを瞬時に読み込み、文脈を理解した上でユーザーの質問に回答する能力を持ちます。従来のキーワード検索では拾えなかった「意味的に関連する情報」も、AIが文章の意図を解釈して抽出できます。
具体的には、AIが各レコードのテキストを意味のまとまり(トークン)に分解し、単語間の関係性をベクトル化して分析します。この処理により、100件の日報から例えば「安全管理上の懸念」に該当する記述を、表現の違いを超えて網羅的に抽出できます。また、月間の報告から「頻出する問題」を統計的に分析し、ランキング化することも可能です。人間が数時間かかる分析を、AIは数秒で実行できます。
本来の目的は「データを読むこと」ではなく、「データから得られた傾向をもとに対策を議論すること」です。AIが「読む作業」を代行することで、本来注力すべき「考える時間」を確保できます。
【手順】設定は「スマホの通知変更」くらい簡単
レコード一覧分析AIの設定は、拍子抜けするほど簡単です。以下の手順で完了します。 まず、kintoneシステム管理画面を開きます。次に、「kintone AI管理」の設定項目を探してください。
ここから各種AIの有効化を設定できるので、「レコード一覧分析AI」にチェックを付けます。そして直下にある「設定」を押します。
設定画面でAIを利用できるアプリとユーザーを指定します。
設定にかかる時間は1~2分程度です。スマホの通知設定を変えるくらいの感覚で、誰でもすぐに使い始められます。
より詳しい手順はkintoneの公式ページをご覧ください。
【実践】「なんだ、使えない」と諦めないための指示出しのコツ
これで分析AIが使えるようになり、データを読む手間が省ける…と思ったことでしょう。しかし、AI初心者がハマりがちな落とし穴が「指示の出し方」です。分析AIには言葉で指示を出す必要がありますが、このとき多くの初心者が「要約して」「傾向を教えて」とだけ指示してしまいがちです。 「全体的に順調です」「報告が○件あります」といった当たり障りのない回答や、平均値しか返ってこないため、「やっぱりAIなんてこんなものか」と諦めてしまうケースが多く見られます。
しかし、これは明確に原因があります。それはAIに「丸投げ」をしているから。丸投げをやめて「どこを(フィールド名)」「どういう視点で(観点)」「どう出力するか(構造)」を明確に指示することで、AIは適切な回答をしてくれるようになるのです。
効果的なプロンプト指定(フィールド・観点・構造)
AIに「いい感じにまとめて」は通用しません。「優秀な書記係」に指示を出すつもりで、具体的にオーダーする必要があります。 効果的なプロンプトには、3つの要素が必要です。
1つ目は「フィールド」です。どの項目を見てほしいかを明示します。例えば、「『特記事項』と『懸念点』を見て」のように指定します。
2つ目は「観点」です。どういう視点で分析するかを指定します。例えば、「『安全管理』の観点で」のように視座を与えます。
3つ目は「構造」です。どう出力するかを指定します。例えば、「ポジティブ要素とネガティブ要素に分けて箇条書きで」のように出力形式を明確にします。
この3要素を組み合わせることで、AIは期待通りの回答を返してくれます。
【コピペOK】製造現場ですぐ使えるプロンプト例
実際の製造現場で使えるプロンプト例を3つ紹介します。そのままコピーして使えます。 1つ目は、日報要約です。「本日の『作業内容』と『備考』から、進捗の遅れにつながる要因を3つ箇条書きで挙げて」と指示します。これにより、複数の日報から遅延リスクを素早く抽出できます。対象レコードの「作業内容」と「備考」を読み取り、 進捗の遅れにつながる要因を抽出してください。 ・要因は最大3つまでとする ・各要因は簡潔な名詞句で表現する ・同じ内容は統合する ・推測ではなく、記載内容に基づいて整理する 出力は箇条書きで示してください。2つ目は、トラブル分析です。「今月の『不適合報告』を読み込み、発生原因として最も多い要素をランキング形式で表示して」と指示します。傾向が一目で把握でき、再発防止策の優先順位が明確になります。
今月分のレコードに含まれる「不適合報告」を分析し、 発生原因として多い要素を整理してください。 ・原因は内容の近いものをまとめる ・出現頻度が多い順に並べる ・上位からランキング形式で表示する ・各順位には簡潔な原因名のみを記載する 出力はランキング形式で示してください。3つ目は、ヒヤリハット分析です。「『ヒヤリハット内容』から、重大事故につながる恐れのある記述をピックアップして」と指示します。埋もれていた危険な予兆を見逃さず、事前対策につなげられます。
各レコードの「ヒヤリハット内容」を確認し、 重大事故につながる恐れがある記述を抽出してください。 ・人身事故や設備損傷につながる可能性を重視する ・注意喚起として有用な内容を優先する ・原文の表現をできるだけ保ったまま抜き出す 出力は箇条書きで示してください。これらのプロンプトを参考に、自社のルールやフィールドに合わせてカスタマイズしてみてください。
kintoneを「記録置き場」から「意思決定ツール」へ
レコード一覧分析AIは、設定1分で使える「優秀な書記係」です。まずは機能をONにし、溜まっている日報データで「集計」ボタンを押してみてください。具体的なプロンプトを入力すれば、今まで見えていなかった現場の予兆が浮かび上がってきます。 AIに「要約」を任せることで、空いた時間を現場との「未来の対策」を話す時間に使えます。kintoneを単なる記録置き場から、意思決定を支援するツールへと変えていきましょう。
最後に
株式会社アディエムでは、kintone × 生成AIで日々の業務改善に取り組んでいます。
今回ご紹介したようなワークフローの他にも、お客様の業務に合った改善をご提案させて頂きます。
無料相談も実施しておりますので、お気軽にお問い合わせ頂ければ幸いです。
お問い合わせはこちら
"
["post_title"]=>
string(107) "kintone「レコード一覧分析AI」の効果的な使い方！AIでデータ整理を効率化しよう"
["post_excerpt"]=>
string(0) ""
["post_status"]=>
string(7) "publish"
["comment_status"]=>
string(6) "closed"
["ping_status"]=>
string(6) "closed"
["post_password"]=>
string(0) ""
["post_name"]=>
string(17) "kintone-record-ai"
["to_ping"]=>
string(0) ""
["pinged"]=>
string(0) ""
["post_modified"]=>
string(19) "2026-01-11 17:38:11"
["post_modified_gmt"]=>
string(19) "2026-01-11 08:38:11"
["post_content_filtered"]=>
string(0) ""
["post_parent"]=>
int(0)
["guid"]=>
string(45) "https://adiem.jp/?post_type=blog&p=15559"
["menu_order"]=>
int(0)
["post_type"]=>
string(4) "blog"
["post_mime_type"]=>
string(0) ""
["comment_count"]=>
string(1) "0"
["filter"]=>
string(3) "raw"
}
[6]=>
object(WP_Post)#4322 (24) {
["ID"]=>
int(15356)
["post_author"]=>
string(2) "13"
["post_date"]=>
string(19) "2025-12-02 08:07:44"
["post_date_gmt"]=>
string(19) "2025-12-01 23:07:44"
["post_content"]=>
string(20920) "kintoneがあるのに「検索係」が必要な状態は、Difyで改善できる
データの確認で仕事が止まる！「Dify」で解決したいが、自分にできるのか？
kintoneにデータが蓄積されているのに、結局PCを使える自分が検索して答えていませんか？現場や他部署からデータの問い合わせがあるたびに手が止まり、ただの「検索係」になっているのが現状です。
最近になって「Dify」「n8n」などの自動化ツールが登場しており、聞いたことがある方もいるでしょう。 しかし「AIチャットボットを作れば解決する」と聞いても、「API」や「JSON」といった専門用語の壁を感じるのではないでしょうか。
非エンジニアにとってプログラミングの学習コストは高く、「失敗して時間を無駄にしたくない」「自分には無理だ」と二の足を踏むのは当然です。 しかし、その悩みは技術の進歩によって過去のものになりつつあります。
Difyにサイボウズ公式の「kintoneプラグイン」が登場！
実は最近、Difyに「kintone連携プラグイン」が標準搭載されました。 これを使えば、難解なプログラミングコードを書くことなく、ブロックを並べるだけで連携できます。 これまでエンジニアに依頼していた設定が、直感的な操作だけで完結するようになりました。
本記事では、実際に作成した「レコード集計・分析チャットボット」を例に、プラグインの設定手順と活用例、初心者がつまずきやすいポイントを丁寧に解説します。 まずはプラグインを活用し、業務効率化の第一歩を踏み出しましょう。
プラグインで「HTTPリクエスト」のハードルが消滅。非エンジニアでも設定しやすい仕様に
最大の挫折ポイント「ヘッダー・パラメータ」からの解放
Difyはノーコードで設定できる手軽さが特徴のツールですが、kintoneとの連携では「HTTPリクエストブロック」という機能を使う必要がありました。この機能を使う際は「API」や「webhook」などの設定が必要になります。そこで「ヘッダー設定」や「JSONパラメータ」といった専門用語を理解する必要がありました。
しかも場合に応じて入力欄にデータを入れたり入れなかったりするため、「そもそもここに何を入れるべきなのか？」「入れるべき情報は分かったが、どこで確認できるのか？」という事態が頻繁に発生します。このハードルが多くの非エンジニアを惑わせ、挫折させてきました。
「難しいAPI連携」は過去の話。今は「穴埋め問題」レベル
しかしプラグインではこれらの設定に必要な項目があらかじめ入力欄として用意されているため、どの情報が必要なのかすぐに理解できます。また、その情報をkintoneからどう取得すれば良いか、簡単な例と一緒に記載されています。 そのため設定は必要な情報をガイドに従って入力するだけの「穴埋め」感覚で完了し、本来の目的である「どう連携させるか」という業務設計に集中できるのです。
【利用手順】簡単インストール後、すぐにブロックとして実行できる！
プラグインの導入はDifyの「プラグインストア」から検索して「インストール」ボタンを押すだけでOK。
インストール後は以下の手順でkintoneのデータにアクセスできます。
kintoneブロックの操作手順
- Difyでkintoneブロックを設置
- レコードの取得・追加・編集ができるので、機能を選択する
- 使用しているkintoneのドメインを入力する
- (例)kintoneのURLが"https://XXX.cybozu.com"であれば、ドメインは「XXX」
- kintoneアプリの設定画面からAPIトークンを生成し、Difyに入力する
- APIトークンの生成方法はこちら(kintone公式サイト)
- 適用したいアプリのIDをブロックに入力する
- (例)アプリのURLが"https://XXX.cybozu.com/k/4329/"であれば、アプリIDは「4329」
- 用途に合わせてレコードを操作する
- レコード取得→レコードの検索条件を入力
- レコード追加→追加したいレコードのデータを入力
- レコード編集→編集したいレコードのIDとフィールド、および更新データを入力
【活用例】Difyチャットボットで検索業務を効率化。標準機能にはできない「アプリまたぎ」の参照も
例としてkintoneのレコードを集計・分析するチャットボットを作ってみたので、どのように活用されるか見てみましょう。
実践シナリオ：チャットで「データ分析」を完結させる
今回作成するボットは、案件管理アプリの画面上に設置して使用します。ユーザーが質問すると、裏側でDifyがkintoneレコードを集計・分析し、結果を表示します。 わざわざフィルターをかけて検索する必要がなく、「データ集計」のためだけに画面を移動する無駄な手間が解消されます。システム構成
- kintoneアプリ：今回はサンプルとして「案件管理」のアプリを利用します。案件単位で[会社名、案件名、金額、提案商品]などの情報が記録されています。
- Difyワークフロー：今回は「チャットフロー」の仕組みを利用します。
活用例
kintoneのアプリ上にデータ分析チャットボットのボタンを設置しました。起動すると裏側でDifyが自動的にレコードを取得する仕組みになっています。
レコードについて分析したい内容を指示してみましょう。今回は会社ごとに売上を集計するように指示してみます。
すると、集計結果と簡単なレポートが出力されました。
このようなチャットを構築することで、画面を切り替えることなくkintoneアプリの内容を把握し、報告書作成や問い合わせ対応に活用することができます。
また、Difyの連携機能をもっと活用すると、生成AIの回答内容を自動でドキュメント(Google docsなど)に出力させて、レポート資料を作成することもできます。
【落とし穴と対策】API権限とJSONの壁はこう乗り越える
このようなチャットボットの設定時には、初心者が陥りやすい2つの落とし穴に注意しましょう。 API権限の設定- kintoneブロックの設定時に、データを取得したいアプリのAPI権限が必要です。
- 参照先アプリでの「APIトークン権限」の設定漏れが起きやすいので注意しましょう。
JSON形式のデータの取り扱い
- kintoneブロックから取得したデータはJSON形式になっていますが、そのままではDifyのLLMブロックに入力できません。
- コードブロックによるデータ変換が必要となるので、以下のコードテンプレートを使用します。
【テンプレート】JSON形式のデータを表形式に変換するPythonコード
- 下記のコードはkintoneのレコードから[会社名、案件名、金額、提案商品]のデータを抽出できます。
- 適用したいアプリに合わせてフィールド名を変更してください。
import json
from typing import List, Dict, Any
def main(kintone_records: List[Dict[str, Any]]) -> Dict[str, str]:
"""
Processes Kintone records to generate a Markdown table.
Args:
kintone_records: A list containing Kintone record data.
Returns:
A dictionary with the key 'result' containing the Markdown table string.
"""
# Difyの入力変数からKintoneのJSONデータを取得
try:
kintone_data_list = kintone_records
if not kintone_data_list:
# 入力データが空の場合のエラーメッセージを返す
return {"result": "エラー: 入力変数 'kintone_records' が空です。"}
except Exception:
# 入力変数にアクセスできない場合のエラーメッセージを返す
return {"result": "エラー: 入力変数 'kintone_records' の取得に失敗しました。"}
# KintoneのJSON構造（[{"records": [...]}]）からレコード配列を取得
if not isinstance(kintone_data_list, list) or not kintone_data_list or "records" not in kintone_data_list[0]:
# JSON構造が想定外の場合、エラーメッセージを返す
return {"result": "エラー: Kintoneデータ構造が予期された形式ではありません。"}
records = kintone_data_list[0]["records"]
# ----------------------------------------------------
# 1. データ抽出と整形
# ----------------------------------------------------
table_rows = []
for record in records:
try:
sales_str = record.get("売上", {}).get("value")
sales_value = float(sales_str) if sales_str else 0
formatted_sales = f"¥{sales_value:,.0f}"
except (ValueError, TypeError):
formatted_sales = "N/A"
item = {
"案件名": record.get("案件名", {}).get("value") or "",
"会社名": record.get("会社名", {}).get("value") or "",
"提案商品": record.get("提案商品", {}).get("value") or "",
"売上": formatted_sales
}
table_rows.append(item)
# ----------------------------------------------------
# 2. Markdownテーブルの構築
# ----------------------------------------------------
headers = ["案件名", "会社名", "提案商品", "売上"]
markdown_table = "| " + " | ".join(headers) + " |\\n"
alignment = [":---:"] * (len(headers) - 1) + ["---:"]
markdown_table += "| " + " | ".join(alignment) + " |\\n"
for row in table_rows:
values = [str(row.get(h, "")) for h in headers]
markdown_table += "| " + " | ".join(values) + " |\\n"
# ----------------------------------------------------
# 3. 結果の出力
# ----------------------------------------------------
return {"result": markdown_table}
- もし「コードの書き換えも面倒くさい…」と思う場合は、LLMに任せてしまいましょう。
- フィールド名を書き換えて、上記のコードをコピペして貼り付けると、調整したコードが出力されます。
## 前提
以下の「サンプルコード」は、kintoneから取得したjsonデータをmarkdown形式の表に変換するためのコードである。
このコードでは、取得するkintoneデータのフィールドは[案件名,会社名,提案商品,売上]の4種類を指定している。
## 指示
取得するkintoneデータのフィールドを変更したい。
後述する「取得したいフィールド名」のデータを取得し、markdown形式の表を出力するように、コードを修正せよ。
## 取得したいフィールド名
- {フィールド名1}
- {フィールド名2}
- {フィールド名3}
## サンプルコード
//上記のPythonコードをそのまま貼り付ける//
「レコード一覧分析AI」との決定的な違いは「アプリの壁」
このような活用方法を見ると、kintoneの一機能である「レコード一覧分析AI」と変わらないと思う方もいるかもしれません。
しかし「レコード一覧分析AI」には制約があります。それは基本的に「今開いているアプリ」のデータしか扱えないという点です。
たとえば案件管理アプリを開いている最中に、取引先の担当者の情報を確認したいケースを考えます。このデータは「顧客管理アプリ」という別のアプリで管理されているため、レコード一覧分析AIで質問しても回答が得られません。これではデータの確認のために別画面を開く手間が生じてしまいます。
対してDifyは、kintoneブロックをワークフローに追加することでデータの参照先を増やすことができます。つまりチャットの中で「今開いていないアプリのデータ」にもアクセスできるのです。
このアプリを横断して連携できる「自由度の高さ」が、Difyを使うメリットの1つといえます。
まずはプラグインで簡単な連携から。データ活用で現場を自走させよう
小さく始めて大きく育てる。次はもう一段先の活用へ
このような自動化を成功させるコツは「最初はシンプルな機能で確実に稼働させること」です。操作に慣れてきたら、日報の要約や不良品データの傾向分析などの複雑な連携に挑戦すると良いでしょう。
「検索」ではなく「仕組み作り」に注力しよう
kintoneとDifyを連携させる目的は、単に楽をすることだけではありません。「検索係」という受動的な業務から卒業し、データを現場が活用できる「仕組み」を作ることこそ、生産管理で目指すべきステップといえます。まずは無料版やトライアルを利用し、プラグインの便利さを体感してみてください。最後に
株式会社アディエムでは、kintone × 生成AIで日々の業務改善に取り組んでいます。
今回ご紹介したようなワークフローの他にも、お客様の業務に合った改善をご提案させて頂きます。
無料相談も実施しておりますので、お気軽にお問い合わせ頂ければ幸いです。
お問い合わせはこちら"
["post_title"]=>
string(141) "【脱・検索係】非エンジニアでもkintoneとDifyを簡単に連携！kintoneプラグインでデータ処理を自動化しよう"
["post_excerpt"]=>
string(0) ""
["post_status"]=>
string(7) "publish"
["comment_status"]=>
string(6) "closed"
["ping_status"]=>
string(6) "closed"
["post_password"]=>
string(0) ""
["post_name"]=>
string(19) "kintone-dify-plugin"
["to_ping"]=>
string(0) ""
["pinged"]=>
string(0) ""
["post_modified"]=>
string(19) "2025-12-02 09:55:12"
["post_modified_gmt"]=>
string(19) "2025-12-02 00:55:12"
["post_content_filtered"]=>
string(0) ""
["post_parent"]=>
int(0)
["guid"]=>
string(45) "https://adiem.jp/?post_type=blog&p=15356"
["menu_order"]=>
int(0)
["post_type"]=>
string(4) "blog"
["post_mime_type"]=>
string(0) ""
["comment_count"]=>
string(1) "0"
["filter"]=>
string(3) "raw"
}
[7]=>
object(WP_Post)#4323 (24) {
["ID"]=>
int(15032)
["post_author"]=>
string(2) "12"
["post_date"]=>
string(19) "2025-09-26 11:02:26"
["post_date_gmt"]=>
string(19) "2025-09-26 02:02:26"
["post_content"]=>
string(7335) "この記事は Claude Desktop → kintone 公式MCPサーバー をつなぐ最短手順をまとめたものです。
AIを駆使したkintoneの活用法や、AIを使った業務効率化に興味がある方は是非ご覧ください。
3通りのやり方（DXT／Docker／npm）を紹介し、どれを選んでも5分で接続できます。
前提（準備するもの）
- kintone 環境（例：
https://<subdomain>.cybozu.com） - Claude Desktop（mac/Win/Linux） ※他のAI（GeminiやChatGPT）での利用は確認しておりません。
- 認証情報：ユーザー名＋パスワード もしくは APIトークン（必要最小権限でOK）
- （Docker方式を使う場合）Docker が動く環境
- （npm方式を使う場合）Node.js v18+（推奨 v20+）
やり方A：DXT（いちばんカンタン）
Claude Desktop の「拡張機能」に .dxt をドラッグ＆ドロップするだけ。
- GitHubのリリースから
kintone-mcp-server.dxtをダウンロード - Claude Desktop を開き、設定 → デスクトップアプリ → 拡張機能 を表示
- ダウンロードした
.dxtをウィンドウにドラッグ＆ドロップ → インストール - 表示される設定ダイアログで以下を入力して保存
- Kintone Base URL：例
https://example.cybozu.com - Kintone Username / Password または API Token
- Kintone Base URL：例
- 新規チャットを作成し、ツールに kintone が見えればOK
- 「kintone のアプリ一覧を取得して」
- 「アプリID=○○ の最新5件を表示して」
やり方B：Docker（設定ファイルで管理したい人向け）
Claudeが stdio でコンテナを起動する構成。資格情報は環境変数として渡す。
- 画像を起動
docker run -i --rm \
-e KINTONE_BASE_URL=https://example.cybozu.com \
-e KINTONE_USERNAME=<username> \
-e KINTONE_PASSWORD=<password> \
ghcr.io/kintone/mcp-server:latest
- Claudeの設定ファイルを編集（mac：
~/Library/Application Support/Claude/claude_desktop_config.json）
{
"mcpServers": {
"kintone": {
"type": "stdio",
"command": "docker",
"args": [
"run","-i","--rm",
"-e","KINTONE_BASE_URL",
"-e","KINTONE_USERNAME",
"-e","KINTONE_PASSWORD",
"ghcr.io/kintone/mcp-server:latest"
],
"env": {
"KINTONE_BASE_URL": "https://example.cybozu.com",
"KINTONE_USERNAME": "<username>",
"KINTONE_PASSWORD": "<password>"
}
}
}
}
- Claude を再起動→新規チャットで kintone ツールを選ぶ
APIトークン認証も可：KINTONE_API_TOKEN を設定（カンマ区切りで最大9個）。ユーザー名/パスワードと同時指定時はパスワード認証が優先。
やり方C：npm（グローバル導入して使う）
- インストール
npm install -g @kintone/mcp-server
- 手動起動（デバッグ向け）
kintone-mcp-server \
--base-url https://example.cybozu.com \
--username <username> \
--password <password>
- Claudeの設定に
commandとargsで同等指定（Docker例をcommand: "kintone-mcp-server"に置き換え）
認証・ネットワークのオプション
- Basic認証：
KINTONE_BASIC_AUTH_USERNAME / KINTONE_BASIC_AUTH_PASSWORD - プロキシ：
HTTPS_PROXY=http://proxy.example.com:8080 - クライアント証明書（PFX）：
KINTONE_PFX_FILE_PATH / KINTONE_PFX_FILE_PASSWORD - 添付ダウンロード先：
KINTONE_ATTACHMENTS_DIR（kintone-download-fileを使う際は必須）
代表ツール（できること）
kintone-get-apps／kintone-get-app：アプリ情報の取得kintone-get-form-fields／kintone-get-form-layout：フィールド・レイアウト取得kintone-get-records／kintone-add-records／kintone-update-records／kintone-delete-recordskintone-update-statuses：レコードのプロセス管理ステータス更新kintone-download-file：添付ファイル保存（保存先ディレクトリの指定が必要）
トラブルシューティング
- ツールが出てこない：JSONの末尾カンマやクォートを確認 → Claudeを完全再起動
- 認証で失敗：
Base URLのスペル（https://<subdomain>.cybozu.com）と認証方式（ユーザー/パス or APIトークン）を見直し - ゲストスペース非対応：ゲストスペースのアプリにはアクセス不可（制限仕様）
- 添付の保存エラー：
kintone-download-fileはKINTONE_ATTACHMENTS_DIRの指定が必須
セキュリティと権限
- 本番ではAPIトークン認証＋最小権限を推奨（読み取り専用→書き込み系は別トークン）
- 監査のため、kintone側に**実行ログ（日時／実行ID／操作内容）**を残す設計にすると安全
まとめ
- DXTならドラッグ＆ドロップで最短接続、Docker/npmなら構成管理しやすい
- 主要操作（取得・追加・更新・削除・ステータス更新・添付DL）は標準ツールでカバー
- 認証はユーザー/パス or APIトークン。プロキシや証明書にも対応
- AIを通して自然言語でkintoneアプリに対する操作が行える
はじめに
前回は会社情報の調査を自動化する方法をご紹介致しましたが、 今回は添付ファイルをOCRして内容をkintoneレコードに転機する方法をご紹介致します。 [clink url="blog/kintone-n8n-company-research-automation/"] 紙や画像のまま流入してくる書類は、検索できない・転記作業が大変・ミスが出やすいの三重苦です。 本記事では、kintoneの添付ファイルにアップされたPDF／画像をn8nでOCR→生成AIで整形→レコードへ自動記入する流れを紹介します。 具体的なフローは後述の図とステップをベースに、そのまま再現できる形でまとめました。全体アーキテクチャ
これで解決できること
- 転記の手間をゼロに：添付→自動で主要項目が埋まる
- ミス削減：AIで表記ゆれ（全角/半角・単位）を整理
- ファイルの検索性：文字列での検索が可能に
使うツールと役割
- kintone：添付ファイルの格納場所と、データのハブ
- n8n：Webhookで起動し、取得・分岐・OCR・AI整形・更新・通知をつなぐ配線係
- 生成AI：OCR結果を要約/抽出/正規化し、kintone更新用のJSONに整形
実装
1) データの受け取りと認証情報の取得
- Webhook：kintoneのレコード追加/更新をトリガーに、POSTでレコード情報を取得。
- GetAccessToken（HTTP Request）：APIトークン管理用アプリからアプリIDをキーにトークンを取得。 ※この管理方法は、あくまでもサンプルです。
- extractDomain（Set）：アプリURLからサブドメインを抽出（正規表現）。
2) 添付の取得と分岐
- downloadFile（HTTP Request）：（extractDomainで抽出したドメイン）
/k/v1/file.jsonにfileKeyを渡してバイナリ取得。 - If：コンテンツタイプに
pdfが含まれるかでPDF/画像の分岐。
3) OCR / テキスト抽出
- ExtractFromPDF（PDFのとき）：PDFからテキスト抽出。
- base64encode → ImageOCR（HTTP Request）（画像のとき）：
base64imageをOCR APIに送信し結果をリクエスト。 - BuildJson / BuildJson2（Agent）：
- 入力：PDF抽出テキスト or OCR結果
- 出力：kintoneの更新JSON（対象アプリ/レコードID/フィールドコードに合わせた形式）
- ルール：会社名は正式名称、数量は半角数値…など、バリデーション指示をプロンプトで徹底。
4) 書き戻しと通知
- UpdateRecord（HTTP Request）：（kintoneドメイン）
/k/v1/record.jsonでレコード更新。 - PostingComment（HTTP Request）：（kintoneドメイン）
/k/v1/record/comment.jsonで「OCR完了」をコメント通知（更新者メンション）。
セキュリティと運用の勘所
- トークンはCredentialsで暗号化保管：n8nの環境変数/資格情報を使い、平文埋め込みは避ける。
- ログ：n8nの実行IDをkintoneに書き残し、再実行しやすくする。
品質を上げる小ワザ
- 入力を短く：長文PDFはページ単位でOCR→AIに渡すと精度とコストが安定。
- 正規化：全角/半角・単位・日付の表記ゆれをプロンプトで明示。
- 例外フロー：低信頼（信頼度スコア）や空データ時は「保留」に振り分け、人が確認。
よくある質問（FAQ）
Q. PDFと画像で精度は変わる？ A. PDFはテキスト抽出が効く場合があり高精度になりやすいです。スキャンPDFや画像はOCRを通すため、画質・傾き・余白の影響を受けます。 Q. 生成AIは必須？ A. OCR結果は生テキストのため、フィールドに合わせた整形（正規化・抽出・構造化）にLLMを使うと実運用が楽です。 Q. 個人情報は扱える？ A. 扱う場合は、匿名化やマスキング・外部送信の制限をポリシー化し、機密はAIへ渡さない設計を推奨します。まとめ
- 添付→OCR→AI整形→レコード更新までをn8nで一筆書きにすると、日々の転記がなくなります。
- APIトークンの一元管理と出典の保持で、保守と監査のコストを下げられます。
- まずは対象アプリを限定し、失敗時の扱いと通知を決めるところから小さくスタートしましょう。
最後に
株式会社アディエムでは、kintone × 生成AIで日々の業務改善に取り組んでいます。 今回ご紹介したようなワークフローの他にも、お客様の業務に合った改善をご提案させて頂きます。 無料相談も行なっておりますので、お気軽にお問い合わせ頂ければ幸いです。 お問い合わせはこちら " ["post_title"]=> string(101) "【kintone × n8n × 生成AI】添付ファイルをOCRしてレコードへ自動記入する方法" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(18) "usecase2-files-ocr" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2025-12-21 09:26:14" ["post_modified_gmt"]=> string(19) "2025-12-21 00:26:14" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=14999" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [9]=> object(WP_Post)#4399 (24) { ["ID"]=> int(14952) ["post_author"]=> string(2) "12" ["post_date"]=> string(19) "2025-09-01 11:22:22" ["post_date_gmt"]=> string(19) "2025-09-01 02:22:22" ["post_content"]=> string(9542) "
はじめに：kintoneのレコードURLを起点に“会社情報の一次調査”を自動化する
本稿では、kintoneのレコードに保存された公式サイトURLを起点にn8nでレコード情報を取得、ワークフローを配線し、生成AIで会社情報調査と要約、kintoneへ書き戻すまでの全体像を解説します。 このワークフローの狙いは「人がやるべき判断に時間を使い、一次調査を任せる」こと。 具体的なAPI値や細かな実装は最小限にし、考え方と運用のコツにフォーカスします。使う道具と役割（kintone＝ハブ／n8n＝ワークフロー／生成AI＝検索・要約）
kintoneは企業マスタや取引履歴など情報をためるハブとして利用。 n8nは各サービスをワークフローでつなぐ配線係。 生成AIは調査・要約を行い、収集したテキストから要約・抽出・分類、kintone REST APIを使ったレコード更新用のjsonBody生成まで行います。
n8nの特徴
- GUIで可視化されたワークフロー構築ツール。
- Webhook・Cron・HTTP・Slack・メールなどデフォルトで使えるノードが豊富で拡張しやすい。
- セルフホスト可。認証情報（APIキー等）をCredentialsで安全に管理。
- コミュニティノードをインストールする事で、更にノードの拡張が可能。
n8nの料金
- セルフホスト：OSSとして無償利用可（インフラ費のみ）。
- クラウド：無料枠～有償プランまで。実行数や同時実行、チーム機能の有無で選べます。 ※価格は変動し得るため、具体金額は公式サイトの最新情報を参照する運用を推奨します。
この自動化で何を調査させるか（収集項目の定義）
ゴールは一次調査。深掘りは人が行う前提で、以下を“最低限のセット”として定義します。調査対象項目
- 社名（正式表記）
- 本社所在地（都道府県レベル）
- 従業員数
- 郵便番号
- 電話番号
- 事業区分（製造業 or NOT ）
- 事業概要
仕組みの全体像（kintone → n8n → 生成AI → kintone／通知）
手順
1.kintoneのレコード情報取得
n8nのトリガーから「Webhook」を選択。 自動的に生成されたエンドポイントをkintoneアプリの「設定」→「Webhook」→「＋追加する」にペースト。 ※先頭のhttps://は削除すること。 [gallery columns="2" link="file" size="medium" ids="14970,14971"]2. URLを生成AIに渡し、会社情報調査を行う。
コミュニティノード「Gemini Search」をインストールし、Webhookノードのアウトプット側に繋げる。 プロンプトに依頼内容、役割、対象項目、ルール、インプット（ここではkintoneレコード内の会社URL）、出力形式を指定する。
3. kintoneアプリのAPIトークンを取得
本例では、後述の手順にてn8n の『HTTP Request』ノードからkintone REST APIを呼び出してレコードを更新します。 必要な APIトークンはkintoneの管理用アプリで一元管理し、アプリIDをキーに取得します。 [caption id="attachment_14979" align="aligncenter" width="695"]
kintone上にあるトークン管理アプリに、このアプリのAPIトークンを取得しにいく[/caption]
4. 調査結果をLLMで分類、整形
「Basic LLM Chain」ノードを配置し、Gemini Chat Modelを接続。 そのままでは、n8nがコードブロック付きのJSONを返してくる事が多かった為、試行錯誤しプロンプトにて平文で返却する旨と、出力のサンプルを与える事で回避している。 [gallery columns="2" link="file" size="medium" ids="14982,14984"]5. kintoneへ書き戻す／通知する
「HTTP Request」ノードを配置し、kintone REST APIにて更新を行う。 更にもう１つHTTP Requestノードを追加し、同様にコメントにて通知を行う。
運用設計のヒント（失敗時の扱い・ログと通知）
例外処理（保留フラグ／再実行）
- 取得・AI・書戻しのどこで失敗したかをエラーステータスで記録。n8nの実行IDをkintoneに残すと再実行が容易。
- 404/タイムアウトは自動リトライ上限を設定し、超過時は「保留」に振り分けて人が確認。
検証・改善（精度とコストの見直し）
- 入力を短く、フォーマットを固定が基本。長文はAI前に要約／HTMLは削除。
- 月次で更新件数・失敗率・平均トークンを確認し、ボトルネックを特定。
- モデル切替時は出力スキーマを固定しておけば、下流のkintone側は無改修で済みます。
まとめ（Webhook起点 × 最小構成で小さく回す）
- kintoneのWebhookを起点に、n8nで情報を取得し、生成AIで一次調査。役割分担を明確にすると設計がシンプルに。
- まずは対象を限定して回し、出典保持・例外処理・通知の3点を固める。
- 出力フォーマット固定とログ設計が、保守とモデル切替をラクにします。
kintoneと生成AI（Dify、n8n）で、定型業務を自動化するワークフロー開発サービスを提供開始！
アディエムでは、現場起点の業務改善を支援する「kintone × Dify × n8n」の伴走サービスをスタートしました。 ノーコードツール（kintone、Dify、n8n）を活用することで、 ・kintoneの登録・更新・集計 ・外部クラウドとの連携の自動化 ・生成AIを取り入れた業務フローの最適化 までを自動化し、工数削減とヒューマンエラー防止を実現します。 アディエムでは、特に製造業での生成AI活用事例を増やしたいと考えています。 「こんな業務を自動化できる？」「生成AIと組み合わせたい」など、 ぜひお気軽にアイデアをお寄せください。
最後に
株式会社アディエムでは、kintone × 生成AIで日々の業務改善に取り組んでいます。 今回ご紹介したようなワークフローの他にも、お客様の業務に合った改善をご提案させて頂きます。 無料相談も行なっておりますので、お気軽にお問い合わせ頂ければ幸いです。 お問い合わせはこちら" ["post_title"]=> string(85) "【kintone × n8n】生成AIを使って会社情報の調査を自動化してみた" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(39) "kintone-n8n-company-research-automation" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2025-12-21 09:25:23" ["post_modified_gmt"]=> string(19) "2025-12-21 00:25:23" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=14952" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } } ["post_count"]=> int(10) ["current_post"]=> int(-1) ["before_loop"]=> bool(true) ["in_the_loop"]=> bool(false) ["post"]=> object(WP_Post)#4316 (24) { ["ID"]=> int(15850) ["post_author"]=> string(2) "13" ["post_date"]=> string(19) "2026-01-22 09:00:06" ["post_date_gmt"]=> string(19) "2026-01-22 00:00:06" ["post_content"]=> string(22047) "kintoneの画面に映るのは、取引先名も原価も全て入った生産管理データ。 「この工程表、ChatGPTに貼り付けて分析させたら便利そうだな…」 データの整理をAIに任せたら、普段なら30分ほどかかっている作業が一瞬で終わる…しかし、話はそう簡単ではありません。 「待てよ？これってAIに学習されるんじゃないか？」 「万が一機密データが漏れたら、自分の責任になるのでは？」 そんな不安が頭をよぎり、結局コピペをやめた経験はありませんか？
kintone AIの導入を検討する際、最も多く寄せられる質問がセキュリティに関するものです。
「自社データはAIの学習に使われるのか？」
「生成AIに情報漏洩のリスクはあるのか？」
便利そうだが怖い。使いたいが責任を取らされたくない。この葛藤こそが、AI活用の最大の壁になっています。
本記事では、kintoneと生成AIにおけるデータ学習の仕組みを技術的根拠とともに解説し、その対処法を紹介します。
機密データの学習は「システム設定」、漏洩は「運用ルール」で防ぐ
AIには2つのリスクがあります。「データが学習に使われるリスク」と「機密情報が外部に漏洩するリスク」です。 単刀直入に言うと、学習リスクはシステム設定で防ぐことが可能で、漏洩リスクは人間による運用ルールの設計と徹底が鍵を握ります。
もう少し詳しく見ていきましょう。
まず、kintoneのAIでは入力データは学習に使われません。管理画面で機能のON・OFFを選ぶだけで導入できます。
次に、一般的な生成AI(ChatGPT・Gemini・Claude)については学習オフ設定で学習リスクを防げます。 設定さえきちんと行えば、入力したデータがAIモデルの改善に転用されることはありません。
しかし、学習を止めても漏洩リスクは残ります。最大の問題は、社員が顧客名や原価などの機密情報をそのままコピペしてしまうことです。設定だけでは、人間の判断ミスは防げません。
- 運用ルールのポイント
- kintone内の生データを、そのままAIに貼り付けない
- 顧客名や原価を記号(A社、B社、数値のみ)に変換してから入力する
- AIの回答を鵜呑みにせず、必ず人間が最終確認する
kintoneのAIは入力データを「学習しない」
kintone AIは、ユーザーが入力したデータをAIモデルの学習に利用しません。これは設定の問題ではなく、システムの仕様として最初から保証されています。つまり、あなたが何も設定しなくても、kintoneに入力したデータが勝手にAIモデルの学習に転用されることはないのです。「学習」はされないが、「回答のためのデータ利用」はされる
ここで重要なのは、「学習」と「一時的な利用」を混同しないことです。AIが情報漏洩すると誤解される一因は、この2つの概念の違いが曖昧なまま語られている点にあります。
静的学習とは、入力されたデータを蓄積し、AIモデル自体を改善するために再利用することです。
一方、コンテキスト利用とは、その場の回答を生成するために一時的にデータを参照することです。例えば検索AI機能では、kintone内のレコードデータを一時的にAIに渡し、回答を生成します。ただし処理終了後、データは破棄されます。
kintoneのAI機能は静的学習は行わずに、コンテキスト利用のみを行います。
基盤となるAWS Bedrockも「学習利用なし」を保証
kintoneのAI機能は、Amazonが提供する生成AIサービス「AWS Bedrock」を基盤としています。 このAWS Bedrockでは、顧客のデータをベースモデルの学習に使用しないことをサービスレベルで保証しています。サイボウズもこの保証をユーザーに継承する形で「学習利用なし」を明示しています。詳細は「サイボウズエンジニアのブログ」をご覧ください。 https://blog.cybozu.io/entry/2025/01/22/112000kintone管理者が知るべき「守りの設定」
ここからは、管理者向けにもう少し詳しい設定を紹介します。kintoneのAI管理について
kintone AIの設定は、「kintoneシステム管理」内の「kintone AI管理」メニューから行います。設定画面は2段階の制御構造になっています。
- 第1段階:マスター・スイッチ(全体有効化)
- 「kintone AIを有効にする」という項目があります。ここをOFFにすると、以下の全機能が強制的に停止します。文字通りの「緊急停止ボタン」です。
- 第2段階:機能別スイッチ(個別制御)
- 次に、「kintone AIラボ」セクション内に、検索AI、アプリ作成AIなど各機能の「利用する」チェックボックスがあります。ここでは、機能ごとの利用可否を個別に制御できます。
監査ログで「誰がいつ設定を変更したか」を追跡する
管理者の責任を全うするためには、「誰がいつAI設定を変更したか」を追跡できる体制が必要です。 kintoneの監査ログでは、AI機能のON・OFF操作が記録されます。いつ、誰が「検索AI」を有効化したかがログに残るため、無許可の設定変更を検知できます。 より詳細な仕様は、kintoneの公式ヘルプページをご覧ください。 https://jp.kintone.help/k/ja/admin/audit_logs/audit_logs
生成AI(ChatGPT・Gemini・Claude)のデータ学習リスクと対策
各サービスの学習ポリシーの違い
kintone AIは最初から学習しない設計ですが、一般的な生成AIのChatGPT、Gemini、Claudeでは状況が異なります。 これらはデフォルトでは入力データをモデル改善のために学習する設定になっているので、オフに切り替えましょう。- ChatGPT(OpenAI)
- Gemini(Google)
次に、Googleアカウントの「アクティビティ管理」設定で、Geminiアプリのアクティビティをオフにすることで、学習利用を停止できます。ただし、無料版では一定期間(18カ月)データが保存される点に注意が必要です。
なお、Google Workspace for Businessを利用している場合、管理者が組織全体でデータ利用ポリシーを制御できます。
- Claude(Anthropic)
生成AIを安全に使うための3つの運用ルール
システムの設定を変更する一方で、人間が誤った判断をすれば、セキュリティ事故は起きます。 もし設定でデータ学習をオフにしても、社員が顧客名入りの帳票や未公開情報をそのままAIに投入してしまえば、リスクは変わりません。 そこで、生データをAIにコピペするのではなく、「人が一度"業務の言葉"に要約・抽象化する工程」 を挟むこと。これこそが、kintone AIでも一般的な生成AIでも共通する、最大の漏洩対策になります。 以下の3つの運用ルールを守ることで、この漏洩対策を実践することができます。
ルール1:生データを直接入力しない(業務の言葉への変換)
最も重要な運用ルールは、kintoneから抽出した生データをそのままAIに貼り付けないことです。 例えば、顧客別売上データを分析したい場合、次のような変換を行います。- NG例(生データをそのまま入力)
株式会社山田製作所,12,500,000円
田中工業株式会社,8,300,000円
佐藤商事株式会社,15,700,000円
- OK例(業務の言葉に変換)
A社:1,250万円
B社:830万円
C社:1,570万円
ルール2:機密情報の定義と入力禁止事項の明確化
2つ目は、組織内で「何が機密情報なのか」を明確に定義し、全社員に周知することです。- 入力禁止事項の例
- 個人情報:氏名、住所、電話番号、メールアドレス、マイナンバー
- 取引先情報:企業名、担当者名、契約条件、価格情報
- 社内機密:未発表の製品情報、財務データ、人事情報
- 認証情報:パスワード、APIキー、アクセストークン
- 法的機密:契約書の条文、訴訟関連情報
ルール3:出力結果の人間による最終確認
3つ目は、AIの回答は、あくまで「下書き」として扱うことです。必ず人間が最終確認を行います。 なぜなら、AIは文脈を誤解したり、古い情報を元に回答したりする可能性があるからです。 そこで、数値データや固有名詞などは必ず元データと照合する習慣をつけましょう。確認のポイントは以下の通りです。- 数値の正確性：AIが提示した数値を、元のkintoneデータと突き合わせます。計算ミスや桁の誤りがないかを確認します。
- 論理の一貫性：AIの説明が論理的に矛盾していないか、前後の文脈が合っているかチェックします。
- 情報の鮮度：AIが最新の状況を反映しているか確認し、必要に応じて追加情報を補います。
kintone×生成AIの効果的な運用方法
使い分けの基本原則
kintone AIと一般的な生成AI(ChatGPT等)を適切に使い分けることで、安全性と利便性を両立しながら効率化できます。- kintone AIを使うべき場面
- kintone内のデータを直接検索・分析したい場合
- アプリの作成やプロセス管理の設定支援が必要な場合
- データを外部に出さず、クローズドな環境で処理したい場合
- 生成AI(ChatGPT等)を使うべき場面
- kintone AIでは対応できない高度な分析や文章生成が必要な場合
- 業界知識や一般常識を組み合わせた回答が必要な場合
- 業務の言葉に変換したデータを使って、より深い洞察を得たい場合
「kintone×生成AI」二段構えの実践フロー
上記の原則に基づいて、kintoneと生成AIの具体的な使い分けフローを示します。 この二段構えの戦略により、kintone AIの安全性と生成AIの推論能力を両方とも活用できます。
- まずkintone AIで処理できるか検討する
- データがkintone内にある場合、まずkintoneの各種AI機能で対応できないか検討します。kintoneで完結できればそれが最も安全です。
- kintone AIで不十分な場合、データを変換する
- kintoneでは対応できない高度な分析が必要な場合、データを「業務の言葉」に変換します。固有名詞を記号(A社、B社)に置き換え、機密情報を削除します。
- 変換したデータを生成AIに入力する
- 学習オフ設定を確認した上で、変換後のデータをChatGPT等に入力します。「売上トレンドの分析」「改善提案の作成」など、より高度な処理を依頼します。
- AIの出力を人間が最終確認し、kintoneに反映する
- AIの出力結果を人間が確認・修正した上で、kintoneのレコードやコメントに反映します。
そのまま使える「AI導入セキュリティチェック」
ここまでの内容を踏まえて、社内稟議や導入判断の際に応用できるチェックリストを作成しました。社内の状況に合わせて調整してご利用ください。
- 導入前チェック
- データ棚卸し:kintone内にマイナンバー等の情報が含まれていないか。含まれている場合、そのアプリはAI検索の対象外にするか、アクセス権を厳格化する。
- 法的確認:使用するAIツールが自社のプライバシーポリシーに沿っているか法務確認する。
- 規約同意:Kintone AI Lab利用規約を確認する。
- 生成AIサービスの選定:業務利用を許可する生成AIサービスと、利用プラン(個人版・法人版)を決定する。
- 設定時チェック
- 管理者制限:kintoneシステム管理者に、AI設定を勝手に変更できる不要なユーザーが含まれていないか再確認する。
- IP制限:社外からの不正アクセスを防ぐため、IPアドレス制限などが有効になっているか確認する。
- 学習オフ設定:許可した生成AIサービスで、全社員が学習オフ設定を実施していることを確認する。
- 運用時チェック
- 教育:全社員に対し「AIに個人名やパスワードを入力しない」「生成された回答を鵜呑みにしない」などのガイドラインを周知する。
- ログ監視:定期的に監査ログを確認し、意図しない設定変更がないかチェックする。
- 定期見直し:四半期ごとに運用状況を確認し、ガイドラインや許可サービスの見直しを行う。
過度な恐れを捨てて「守りのDX」を進めよう
「面倒さ」は強固なセキュリティ
kintone AIはデフォルトで学習されない設計になっています。一般的な生成AI(ChatGPT等)も、学習オフ設定を実施すれば安全に活用できます。 しかし、システムが安全でも、人間が判断ミスをすればセキュリティ事故は起きます。 そこで、人が一度「業務の言葉」に要約・抽象化する工程を挟み、思考停止のコピペをさせないこと。この「面倒さ」こそが強固なセキュリティです。kintone AIと一般的な生成AIの「二段構え」で守りと攻めを両立
本記事の情報とチェックリストを組み合わせることで、「導入すべきか否か」を自信を持って判断できるようになります。 kintone AIは安全性を最優先した「守りのツール」として、一般的な生成AIは運用ルールを守った上で高度な分析を行う「攻めのツール」として、それぞれの強みを活かして使い分けましょう。 過度な恐怖を捨て、「正しく恐れて正しく使う」姿勢で守りのDXを進めていきましょう。 [cta] " ["post_title"]=> string(96) "AI経由のkintoneデータ流出を防ぐ！「データ学習・漏洩」のリスクと対策" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(27) "generative-ai-data-security" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-01-21 17:21:22" ["post_modified_gmt"]=> string(19) "2026-01-21 08:21:22" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=15850" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } ["comment_count"]=> int(0) ["current_comment"]=> int(-1) ["found_posts"]=> int(10) ["max_num_pages"]=> int(1) ["max_num_comment_pages"]=> int(0) ["is_single"]=> bool(false) ["is_preview"]=> bool(false) ["is_page"]=> bool(false) ["is_archive"]=> bool(true) ["is_date"]=> bool(false) ["is_year"]=> bool(false) ["is_month"]=> bool(false) ["is_day"]=> bool(false) ["is_time"]=> bool(false) ["is_author"]=> bool(false) ["is_category"]=> bool(false) ["is_tag"]=> bool(true) ["is_tax"]=> bool(false) ["is_search"]=> bool(false) ["is_feed"]=> bool(false) ["is_comment_feed"]=> bool(false) ["is_trackback"]=> bool(false) ["is_home"]=> bool(false) ["is_privacy_policy"]=> bool(false) ["is_404"]=> bool(false) ["is_embed"]=> bool(false) ["is_paged"]=> bool(false) ["is_admin"]=> bool(false) ["is_attachment"]=> bool(false) ["is_singular"]=> bool(false) ["is_robots"]=> bool(false) ["is_favicon"]=> bool(false) ["is_posts_page"]=> bool(false) ["is_post_type_archive"]=> bool(false) ["query_vars_hash":"WP_Query":private]=> string(32) "5695855edd0d80eb9a11317169584f3b" ["query_vars_changed":"WP_Query":private]=> bool(true) ["thumbnails_cached"]=> bool(false) ["allow_query_attachment_by_filename":protected]=> bool(false) ["stopwords":"WP_Query":private]=> NULL ["compat_fields":"WP_Query":private]=> array(2) { [0]=> string(15) "query_vars_hash" [1]=> string(18) "query_vars_changed" } ["compat_methods":"WP_Query":private]=> array(2) { [0]=> string(16) "init_query_flags" [1]=> string(15) "parse_tax_query" } ["query_cache_key":"WP_Query":private]=> string(84) "wp_query:c7466381481d0ba7ec040344a518cbe1:0.53562600 17701139040.59498200 1770113904" } -->他のタグから探す
- 全てのタグ
- 自動化
- 関連レコード集計プラグイン
- 会社情報調査
- 関連レコード一覧
- kintone
- kintoneプラグイン
- 関連レコード一覧集計
- もしもシリーズ
- 独自ルックアップ
- アプリ設計
- 生産管理システム
- ルックアップ
- ユースケース図
- kintoneアプリ
- セミオーダー型アプリ
- TOC
- バックアップ
- 製造業
- DBR
- n8n
- 展示会
- バッファ
- データ保護
- 生産スケジューラ
- Box連携プラグイン
- MCPサーバー
- GROW工程管理
- ボトルネック改善
- Claude Desktop
- CybozuDays
- セキュリティ
- 生成AI
- 工程管理システム
- Box
- draw.io
- ボトルネック
- プラグイン
- ダイアグラム図
- TOC理論
- ファイル管理
- 添付ファイル
- TOC研修
- ファイル共有
- OCR
- ジムリン
