メインコンテンツへスキップ
見出し画像

生成AIへの質問で終わらせない。API連携と業務自動化の考え方

    ChatGPTに質問すれば、それらしい答えがすぐ返ってきます。メールの下書きや会議メモの要約を頼んでいる人も多いと思います。

    ただ、使い慣れてくると気になることが出てきます。AIが作った文章を毎回コピーして、Excelに貼り、メールに貼り、社内システムに入力し直している。AIの作業は数秒で終わるのに、その前後の手作業はほとんど減っていない、という状態です。

    この記事では、生成AIを「質問する相手」として使う段階から一歩進めて、業務の流れに組み込む方法を考えます。キーワードはAPI連携と自動化です。プログラミングに詳しくない方にも分かるように説明するので、自分の仕事に当てはめながら読んでみてください。


    第1章:生成AIを使っているのに、毎回手作業が残っていませんか?

    たとえば、カスタマーサポートの担当者が、毎朝届く問い合わせメールを処理しているとします。

    1. メールを開いて本文をコピーする

    2. ChatGPTに貼り付けて「この問い合わせの要点と返信案を作って」と頼む

    3. 出てきた返信案を読んで、少し直す

    4. メールソフトに貼り付けて送信する

    5. 対応内容を管理用のExcelに転記する

    AIを使う前に比べれば、返信文を考える時間はかなり短くなったはずです。これは立派な活用です。

    それでも、1件ごとにコピー、貼り付け、転記が発生しています。1日5件なら気になりませんが、50件になると、AIに頼む作業より、AIとの間を行き来する作業のほうが重くなってきます。

    チャットでの使い方が悪いわけではありません。考えをまとめたいとき、文章のたたき台がほしいとき、たまにしか発生しない作業には、チャットがいちばん手軽です。

    ただ、「毎日同じ形で繰り返している作業」については、AIを人が呼び出すのではなく、仕組みのほうからAIを呼び出す使い方もできます。それが、この記事のテーマです。


    第2章:チャット利用と業務システムへの組み込みは何が違うのか?

    生成AIの業務での使い方は、大きく3つの段階に分けて考えると整理しやすくなります。

    レベル1:チャットで利用する

    人が質問を入力し、AIの回答を読んで、次の作業は自分で行います。多くの人が今使っている形です。

    • 例:取引先へのお詫びメールの文面を相談する

    • 良い点:準備がいらない。その場で自由に使える

    • 限界:毎回、人が入力とコピーを行う必要がある

    レベル2:一連の作業の一部を自動化する

    「フォームに回答が届いたら」「特定のフォルダにファイルが置かれたら」といった決まったきっかけで、AIによる分類や要約が自動的に実行される形です。

    • 例:問い合わせフォームに投稿があったら、AIが内容をカテゴリ分けし、結果を一覧表に追加する

    • 良い点:繰り返し作業の手間が大きく減る

    • 限界:きっかけと処理の流れをあらかじめ設計しておく必要がある

    レベル3:既存システムと連携する

    API(後で詳しく説明します)を使い、社内の顧客管理システムやデータベース、業務アプリケーションとAIを連動させる形です。

    • 例:顧客管理システムに登録された過去の対応履歴をもとに、AIが返信案を作り、担当者の画面に表示する

    • 良い点:社内のデータを活かした、業務に合った処理ができる

    • 限界:開発やテスト、運用・保守の体制が必要になる

    ここで大事なのは、レベルが上がるほど優れているわけではないということです。月に数回しか発生しない作業のためにシステム連携を作っても、開発の手間に見合いません。逆に、毎日何百件も発生する作業をチャットで回し続けるのも無理があります。

    作業の頻度、かけられる費用、誰が運用するのか。こうした条件に合わせて段階を選ぶのが現実的です。


    第3章:APIとは何か? 生成AIと業務システムをつなぐ仕組み

    【APIは "決まった書式で注文を受け付ける窓口" 】

    API(エーピーアイ)は、Application Programming Interfaceの略です。直訳すると難しく聞こえますが、役割はシンプルで、あるソフトウェアが、別のソフトウェアの機能を使うための窓口のことです。

    レストランで考えてみましょう。お客さんは厨房に入って料理を作るわけではありません。店員さんに決まった形で注文を伝え、できた料理を受け取ります。厨房の中でどう調理されているかを知らなくても、注文の仕方さえ分かっていれば料理は届きます。

    生成AIのAPIもこれと同じです。
    社内のプログラムが「この文章を3行で要約してください」という注文を決まった書式でAIに送り、AIが処理した結果を受け取ります。人がチャット画面に入力する代わりに、プログラムが注文を出すイメージです。

    【生成AIのAPIを使った処理の流れ】

    一般的には、次のような流れになります。

    1. 業務システムが必要な情報を受け取る(例:問い合わせフォームの投稿内容)

    2. プログラムがAIのAPIに情報を送信する(例:「この問い合わせを『請求』『不具合』『解約』『その他』のどれかに分類して」)

    3. AIが分類・要約・文章生成などを行う

    4. 返ってきた結果をシステムが受け取る

    5. 結果を画面に表示したり、担当者が確認したうえで次の処理に使ったりする

    ポイントは、人がコピーや貼り付けをしなくても、2から4が自動で進むことです。人は5の確認と判断に集中できます。

    【チャット利用とAPI利用の違い】

    同じ会社のAIでも、チャットサービスとAPIは別のものとして提供されていることが一般的です。主な違いは次のとおりです。

    • 料金体系:チャットサービスは月額の定額制が多いのに対し、APIは使った量に応じて課金される従量制が一般的です。量は「トークン」という、文章を細かく区切った単位で数えられます。具体的な単価はモデルや時期によって変わるため、各社の公式の料金ページで確認してください。

    • 実装方法:チャットはブラウザを開けばすぐ使えますが、APIはプログラムやツールを通じて呼び出す必要があります。APIキーと呼ばれる、利用者を識別する鍵の管理も必要です。

    • データの取り扱い:送信したデータがAIの学習に使われるかどうか、どのくらいの期間保存されるかといった条件は、チャットとAPI、個人向けと法人向けなど、サービスや契約の種類によって異なります。業務で使う前に、利用規約や提供元のポリシーを必ず確認してください。

    【APIを使えば何でも自動化できるわけではない】

    APIはあくまで「AIに注文を出して結果を受け取る窓口」です。メールを受信する、Excelファイルを開く、結果をデータベースに保存する、といった前後の処理は、別のプログラムやツールが担当します。

    また、AIの返答は毎回まったく同じになるとは限らず、内容が間違っている可能性もあります。API連携は便利な仕組みですが、それだけで業務が完結するわけではない、ということを頭に置いておいてください。


    第4章:身近な業務で考える、生成AIの自動化アイデア5選

    ここからは、多くの職場にありそうな業務を例に、生成AIをどう組み込めるかを見ていきます。

    なお、どの例もAIだけで実現するわけではありません。
    メールやファイルの読み込み、データの保存、送信、システム間の受け渡しには、別途プログラムやノーコードツールなどの外部サービスが必要になります。AIが担当するのは、あくまで流れの中の一部分です。

    1. 問い合わせメールの分類

    • 入力情報:問い合わせメールの件名と本文

    • AIが行う処理:内容を「請求」「不具合」「契約変更」などに分類し、緊急度の目安を判定する

    • 処理結果:分類ラベルと優先度がついた問い合わせ一覧

    • 人間が確認すべき点:分類の誤り、特に「緊急なのに低く判定されたもの」がないか。クレームや法的な内容を含むものは必ず人が判断する

    担当部署への振り分けを「AIが決める」のではなく、「AIが判断材料を用意する」と考えると、運用しやすくなります。

    2. 議事録や報告書の作成支援

    • 入力情報:会議の文字起こしデータや手書きメモをテキスト化したもの

    • AIが行う処理:要点を抽出し、「決定事項」「宿題(担当者・期限)」「次回の議題」といった社内の形式に整える

    • 処理結果:社内フォーマットに沿った議事録の下書き

    • 人間が確認すべき点:発言の意図が変わっていないか、数字や固有名詞、期限が正しいか。会議で「言っていないこと」が書き足されていないか

    3. ExcelやCSVデータの内容整理

    • 入力情報:アンケートの自由回答欄や、営業日報の備考欄など、文章で書かれたデータ

    • AIが行う処理:内容を「価格」「品質」「サポート対応」などのカテゴリに分類し、短く要約する

    • 処理結果:カテゴリ列と要約列が追加された表

    • 人間が確認すべき点:分類基準がぶれていないか。いくつかの行を抜き出して、人の判断と一致しているかを確かめる

    「自由記述が多すぎて、結局誰も読んでいない」というデータは多くの職場にあります。集計できる形に整えるだけでも、活用の幅が広がります。

    4. 社内文書やマニュアルの検索支援

    • 入力情報:社員からの質問と、社内規程やマニュアルなどの文書

    • AIが行う処理:質問に関係しそうな文書の該当部分を探し出し、それをもとに回答文を作る

    • 処理結果:回答と、根拠となった文書の名前や該当箇所

    • 人間が確認すべき点:回答が根拠の文書と食い違っていないか。参照した文書が古い版になっていないか

    この仕組みは、RAG(ラグ:検索拡張生成)と呼ばれることがあります。AIが自分の知識だけで答えるのではなく、指定した文書を検索してから回答する方式です。文書の整理や更新の手間はかかりますが、「総務に毎回同じ質問が来る」といった悩みには効果が期待できます。

    5. 定型的な文章の作成

    • 入力情報:問い合わせ内容、注文情報、対応状況などの入力データ

    • AIが行う処理:情報をもとに、返信メールや報告文の下書きを作る

    • 処理結果:担当者が確認・修正できる状態の文章

    • 人間が確認すべき点:金額、日付、約束事項などの事実関係。相手との関係性に合った言葉遣いになっているか

    社外に出る文章は、少なくとも最初のうちは「下書きまでAI、送信は人」という線引きをおすすめします。


    第5章:すべてをAIに任せない。自動化で重要な考え方

    生成AIで自動化を考えるとき、つい「全部AIにやらせよう」と考えがちです。しかし、実際にはAIに任せないほうがよい処理もたくさんあります。

    【ルールで決まる処理は、通常のプログラムに任せる】

    「件名に『請求書』と入っていたら経理フォルダに移す」「金額が10万円以上なら承認者に回す」といった、条件がはっきりしている処理は、通常のプログラムやツールの設定で十分です。いつ実行しても同じ結果になり、費用もかからず、間違えません。

    【曖昧な文章の解釈は、AIの得意分野】

    一方で、「この問い合わせは怒っているのか、ただの質問なのか」「この長いメールの要点は何か」といった、文章の意味を読み取る処理はルールで書き切るのが難しい部分です。ここに生成AIを使うと効果的です。

    【組み合わせの具体例】

    問い合わせ対応を例にすると、処理の流れと役割分担は次のようになります。

    1. メールの受信、本文の取り出し → プログラム

    2. 内容の分類、緊急度の判定 → 生成AI

    3. 分類結果による担当者への振り分け → プログラム

    4. 返信文の下書き作成 → 生成AI

    5. 内容確認と送信 → 人

    AIは判断が必要な部分だけを担当し、前後はプログラムで固め、最後に人が確認する。この形にしておくと、AIが間違えたときの影響も限られます。

    【その他に考えておきたいこと】

    • 確認工程を設ける:AIはもっともらしい誤りを出すことがあります。どの段階で、誰が、何を確認するのかを決めておきましょう。

    • 送信するデータに注意する:個人情報や機密情報をAIに送ってよいかは、利用するサービスの規約や契約、社内のルールによって変わります。導入前に情報システム部門などに確認してください。

    • 費用を見積もる:APIは使った量だけ課金されます。処理件数が増えたときにいくらになるか、試験運用の段階で把握しておくと安心です。

    • エラーへの備え:AIのサービスが一時的に使えなくなることもあります。その場合に手作業に切り替える方法を決めておきます。

    • ログを残す:何を送り、何が返ってきたかを記録しておくと、問題が起きたときに原因を追いやすくなります。

    • 小さく始める:いきなり全社のシステムを作るのではなく、一つの部署、一つの業務に絞って試しましょう。


    第6章:最初の一歩は、小さな業務の自動化から

    ここまで読んで「やはり自分には難しそう」と感じた方もいるかもしれません。でも、最初からプログラムを書く必要はありません。次の順番で進めてみてください。

    1. 毎日繰り返している作業を一つ選ぶ

    「毎回コピーして貼り付けている」「同じような文章を何度も書いている」「読むのに時間がかかる文章を毎日処理している」。こうした作業が候補になります。

    2. 今の手順と、時間がかかっている部分を書き出す

    作業を一つずつ分解して書き出してみます。すると、「判断に時間がかかっている」のか「転記に時間がかかっている」のかが見えてきます。前者はAI、後者はプログラムやツールで解決できる可能性があります。

    3. まずチャットでAIに任せられる部分を試す

    いきなり自動化せず、まずはChatGPTなどのチャット画面で、同じ処理を何件か試してみましょう。「この指示の出し方なら安定して分類できる」という感触をつかんでおくと、後の自動化がスムーズです。業務データを入力する場合は、社内ルールで認められた範囲で行ってください。

    4. 繰り返し発生するなら、ツールやAPI連携を検討する

    チャットで手応えがあり、作業の頻度も高いなら、次の段階に進みます。

    • ChatGPT:まず処理の内容を試すための場所として向いています。指示の出し方を固める段階で役立ちます。

    • Microsoft Power Automate:Microsoftのノーコードツールです。「メールが届いたら」「ファイルが追加されたら」といったきっかけで、一連の処理を自動で動かす流れを、画面上で組み立てられます。Outlook、Excel、Teamsなど、Microsoft製品との連携が得意です。AIを組み込めるかどうかや、使える機能はライセンスや契約によって異なるため、社内の環境で確認が必要です。

    • Python:プログラミング言語の一つです。生成AIのAPIを呼び出したり、ExcelやCSVを大量に処理したりと、自由度の高い仕組みを作れます。その分、コードを書いて保守する人が必要になります。

    この3つは役割が違います。ChatGPTだけでメールの自動振り分けまではできませんし、Power Automateも単独では文章の意味を理解しません。それぞれの得意分野を組み合わせて使うものだと考えてください。

    5. 小さな範囲で試験運用し、比較する

    一部の業務や期間に限って試し、次の点を記録します。

    • AIの処理はどのくらい正確だったか

    • 費用はいくらかかったか

    • 作業時間はどのくらい減ったか

    • 確認作業にどのくらい手間がかかったか

    確認の手間が大きすぎて結局楽にならなかった、というケースもあります。それも立派な結果です。数字で比べたうえで、広げるか、やり方を変えるか、やめるかを判断しましょう。


    まとめ:生成AIを「使う」から「仕組みに組み込む」へ

    生成AIはチャット画面で質問に答えてくれるだけのツールではありません。APIを通じて業務システムとつなげば、分類、要約、文章作成といった処理を、仕事の流れの一部として動かせます。

    一方で、すべてをAIに任せる必要はありません。ルールで決まる処理はプログラムに、文章の解釈はAIに、最終的な判断は人に。この役割分担が、無理のない自動化の基本です。

    そして、生成AIを業務に組み込むことは、大規模なシステム開発と同じ意味ではありません。身近な作業の一部を自動化し、効果が確認できたら少しずつ広げていく。その積み重ねで十分です。

    最後に、ご自分の一日の仕事を振り返ってみてください。

    毎回同じ手順で繰り返している作業はありませんか。AIの回答をコピーして、別の場所に貼り付けている作業はありませんか。

    もし思い当たるものがあれば、それが最初の一歩の候補です。

     
     
    仕事でChatGPTやClaude Codeを活用中。実務で学んだことや、試してわかったことを発信します。初心者にもわかりやすく、AIの活用方法をみんなで一緒に学んでいけたら嬉しいです!

    あなたへのおすすめ