問い合わせ
問い合わせで一部だけAI化する業務
- 業務
- 6件
- 判定
- 一部だけAI化する
- 合うモデル
- 31件
問い合わせの業務のうち、当サイトの判定が「一部だけAI化する」のものを6件集めました。いまのやり方と、AIに移したあとのやり方を並べ、移す前の確認・最初の指示・測り方・合うモデルまで1ページで進めます。
いまのやり方と、移したあと
| 業務 | いま | 移したあと | 人に残る仕事 |
|---|---|---|---|
| 問い合わせの一次返信 | 担当が一件ずつ返す | 型を作って下書きを自動で出す | 例外の判断と謝罪の文面 |
| 問い合わせを分類する | 見て手で振り分ける | 内容から自動で振り分ける | どこにも入らないものの判断 |
| 問い合わせのマニュアルを更新する | 変更点を探して書き直す | 差分を出させて確かめる | 運用の実態との照合 |
| 問い合わせから改善点を見つける | 読んで気づく | 分類させて数える | 優先順位の判断 |
| 社内の問い合わせ窓口をまとめる | 担当が個別に受ける | 受付を1つにして振り分ける | 判断が要るものの担当決め |
| 問い合わせの担当を決める | 内容を見て割り振る | 内容から担当を出させる | 例外の割り振り |
「一部だけAI化する」の意味
手順を決めてから、下ごしらえや下書きの部分だけをAIに渡す業務です。全部を任せると、人が見るべきところが抜けます。
| 業務 | 移しやすさ | 任せ方 | 向かない場合 |
|---|---|---|---|
| 問い合わせの一次返信 | 手順を決めてから移す | 手順ごと移す | 問い合わせが日に数件の場合 |
| 問い合わせを分類する | 手順を決めてから移す | 手順ごと移す | 問い合わせの種類が少ない場合 |
| 問い合わせのマニュアルを更新する | 手順を決めてから移す | 手順ごと移す | 更新が年に一度の場合 |
| 問い合わせから改善点を見つける | 手順を決めてから移す | 手順ごと移す | 問い合わせが少ない場合 |
| 社内の問い合わせ窓口をまとめる | 手順を決めてから移す | 手順ごと移す | 担当が1人しかいない場合 |
| 問い合わせの担当を決める | 手順を決めてから移す | 手順ごと移す | 担当が少ない場合 |
移す前の確認
全部に印が付くまで、移さないでください。
移す手順
問い合わせの一次返信を例にした4段の手順です。ほかの業務も同じ順で進めます。
1. いまのやり方を1回測る
「担当が一件ずつ返す」に何分かかり、何回やり直したかを残します。移したあとと比べる材料になります。
2. 人に残る仕事を切り出す
「例外の判断と謝罪の文面」はAIに任せません。誰がいつやるかを先に決め、手順に書き込みます。
3. 1件だけ移して比べる
「型を作って下書きを自動で出す」の形で1件だけ通します。「似た問い合わせに同じ答えを返し、事情の違うものを取りこぼす」が起きないかを、ここで確かめます。
4. 続けるか戻すかを決める
記録を見て決めます。戻すときは「下書き止まりにしておけば、送る前に止められる」。戻せる状態を残したまま広げてください。
移さなくてよい業務を先に外す
当てはまるものは、無理に移さなくて構いません。
業務ごとの移し方
問い合わせの一次返信
いま：担当が一件ずつ返す → 移したあと：型を作って下書きを自動で出す
- 人に残る仕事：例外の判断と謝罪の文面
- よくあるつまずき：似た問い合わせに同じ答えを返し、事情の違うものを取りこぼす
- 戻し方：下書き止まりにしておけば、送る前に止められる
- 向かない場合：問い合わせが日に数件の場合
問い合わせを分類する
いま：見て手で振り分ける → 移したあと：内容から自動で振り分ける
- 人に残る仕事：どこにも入らないものの判断
- よくあるつまずき：分類の境目にあるものが片方に寄る
- 戻し方：振り分けの記録を残せば、あとから直せる
- 向かない場合：問い合わせの種類が少ない場合
問い合わせのマニュアルを更新する
いま：変更点を探して書き直す → 移したあと：差分を出させて確かめる
- 人に残る仕事：運用の実態との照合
- よくあるつまずき：文面は更新されるが、実際の運用と離れる
- 戻し方：旧版を残せば、いつでも戻せる
- 向かない場合：更新が年に一度の場合
問い合わせから改善点を見つける
いま：読んで気づく → 移したあと：分類させて数える
- 人に残る仕事：優先順位の判断
- よくあるつまずき：件数の多いものだけが上がり、重い問題が埋もれる
- 戻し方：原文を残せば読み直せる
- 向かない場合：問い合わせが少ない場合
社内の問い合わせ窓口をまとめる
いま：担当が個別に受ける → 移したあと：受付を1つにして振り分ける
- 人に残る仕事：判断が要るものの担当決め
- よくあるつまずき：窓口には集まるが、答える人が決まらず滞る
- 戻し方：元の連絡経路を残しておく
- 向かない場合：担当が1人しかいない場合
問い合わせの担当を決める
いま：内容を見て割り振る → 移したあと：内容から担当を出させる
- 人に残る仕事：例外の割り振り
- よくあるつまずき：どこにも当てはまらないものが宙に浮く
- 戻し方：割り振りの記録を残す
- 向かない場合：担当が少ない場合
AIに渡す最初の指示
「移したあと」のやり方で、AIに最初に渡す指示です。人に残る仕事はAIにやらせず、印を付けて返させます。
これから「問い合わせの一次返信」を手伝ってもらいます。 いままでは「担当が一件ずつ返す」でしていましたが、「型を作って下書きを自動で出す」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「例外の判断と謝罪の文面」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・似た問い合わせに同じ答えを返し、事情の違うものを取りこぼすことがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「問い合わせを分類する」を手伝ってもらいます。 いままでは「見て手で振り分ける」でしていましたが、「内容から自動で振り分ける」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「どこにも入らないものの判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・分類の境目にあるものが片方に寄ることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「問い合わせのマニュアルを更新する」を手伝ってもらいます。 いままでは「変更点を探して書き直す」でしていましたが、「差分を出させて確かめる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「運用の実態との照合」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・文面は更新されるが、実際の運用と離れることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「問い合わせから改善点を見つける」を手伝ってもらいます。 いままでは「読んで気づく」でしていましたが、「分類させて数える」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「優先順位の判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・件数の多いものだけが上がり、重い問題が埋もれることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「社内の問い合わせ窓口をまとめる」を手伝ってもらいます。 いままでは「担当が個別に受ける」でしていましたが、「受付を1つにして振り分ける」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「判断が要るものの担当決め」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・窓口には集まるが、答える人が決まらず滞ることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「問い合わせの担当を決める」を手伝ってもらいます。 いままでは「内容を見て割り振る」でしていましたが、「内容から担当を出させる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「例外の割り振り」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・どこにも当てはまらないものが宙に浮くことがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
効果を測る
移す前と後で、同じ1件を比べます。
【業務】［ ］
【いま】かかった時間［ ］分／やり直し［ ］回
【移したあと】かかった時間［ ］分／やり直し［ ］回
【人に残った仕事】［ ］分
【出てきたもの】そのまま使えた／直した（直した箇所［ ］）
【起きたつまずき】［ ］
【判断】続ける／やめる／もう1件
【やめるときの戻し方】［ ］人に残る仕事の担当を決める
AIに移しても、人に残る仕事は消えません。担当を書いて共有しておくと、抜け落ちを防げます。
【部署】［ ］ 【見直す日】［ ］ ・問い合わせの一次返信：例外の判断と謝罪の文面 → 担当［ ］／いつ［ ］ ・問い合わせを分類する：どこにも入らないものの判断 → 担当［ ］／いつ［ ］ ・問い合わせのマニュアルを更新する：運用の実態との照合 → 担当［ ］／いつ［ ］ ・問い合わせから改善点を見つける：優先順位の判断 → 担当［ ］／いつ［ ］ ・社内の問い合わせ窓口をまとめる：判断が要るものの担当決め → 担当［ ］／いつ［ ］ ・問い合わせの担当を決める：例外の割り振り → 担当［ ］／いつ［ ］ 【困ったときの相談先】［ ］
社内に説明する
【試した業務】問い合わせの一次返信・問い合わせを分類する・問い合わせのマニュアルを更新するほか 【判定】一部だけAI化する（当サイトの判定を参考） 【試した結果】時間［ ］分→［ ］分／やり直し［ ］回→［ ］回 【人に残す仕事と担当】［ ］ 【続けるかどうか】［ ］ 【費用】［使ったモデルと月の目安］
問い合わせの業務に要る機能と、合うモデル
問い合わせの業務で効くのは大量の返信を安く回せることです。件数が多いので、1件あたりの単価の差が月の費用にそのまま出ます。掲載76件のうち、この条件に合うのは31件でした。
| 候補 | なぜ候補か | 一度に読める量 | 入力100万 |
|---|---|---|---|
| Llama 3.2 1B Instruct | 単価がいちばん安い | 60,000 | $0.027 |
| DeepSeek V4 Flash 0731 | 一度に読める量がいちばん多い | 1,310,720 | $0.03 |
| Ministral 3 8B 2512 | 別の提供元で、単価が中くらい | 262,144 | $0.15 |
Llama 3.2 1B Instruct（単価がいちばん安い）
Metaのモデルです。入力100万トークン$0.027（目安4円）。件数が多い作業ほど差が出ます。渡せる入力は文字。
DeepSeek V4 Flash 0731（一度に読める量がいちばん多い）
DeepSeekのモデルです。1,310,720トークン（原稿用紙でおよそ2,341枚）。資料を分けずに渡せます。渡せる入力は文字。
Ministral 3 8B 2512（別の提供元で、単価が中くらい）
Mistral AIのモデルです。Mistral AIのモデルで、入力100万トークン$0.15。1社に寄せないための比べ先になります。渡せる入力は文字・画像。
並べているのは公表されている仕様と単価だけで、出来の良し悪しの順位ではありません。同じ材料で1回ずつ試して、自分の作業で比べてください。
費用の目安を計算する
APIの料金は、読ませた量と書かせた量の両方にかかります。単価から3つの使い方の費用を出しました（入力・出力の量は当サイトの目安、1ドル150円）。
| モデル | メールの下書き1,000通 | 会議の要約100本 | 問い合わせの一次返信5,000件 |
|---|---|---|---|
| Llama 3.2 1B Instruct | $0.255（38円） | $0.081（12円） | $0.638（96円） |
| DeepSeek V4 Flash 0731 | $0.38（57円） | $0.109（16円） | $0.95（143円） |
| Command R7B (12-2024) | $0.226（34円） | $0.087（13円） | $0.565（85円） |
| DeepSeek V4 Flash 0423 | $0.196（29円） | $0.093（14円） | $0.49（74円） |
| Llama 3.2 3B Instruct | $0.43（65円） | $0.141（21円） | $1.075（161円） |
| Nova Lite 1.0 | $0.36（54円） | $0.138（21円） | $0.9（135円） |
| Phi 4 | $0.28（42円） | $0.133（20円） | $0.7（105円） |
| Nemotron 3.5 Lightning | $0.36（54円） | $0.16（24円） | $0.9（135円） |
| Gemma 4 26B A4B | $0.48（72円） | $0.195（29円） | $1.2（180円） |
| Llama 4 Scout | $0.5（75円） | $0.21（32円） | $1.25（188円） |
件数と1件の長さを入れると、月の費用の目安が出ます。
【1件の入力】［ ］トークン（日本語は1字およそ1〜1.5トークン） 【1件の出力】［ ］トークン 【月の件数】［ ］件 入力の費用 ＝ 1件の入力 × 月の件数 ÷ 1,000,000 × 入力の単価 出力の費用 ＝ 1件の出力 × 月の件数 ÷ 1,000,000 × 出力の単価 月の費用 ＝ 入力の費用 ＋ 出力の費用（ドル）× 為替
大量の返信を安く回せるモデル31件
| モデル（提供元） | 一度に読める量 | 100万トークン 入力／出力 |
|---|---|---|
| Llama 3.2 1B Instruct（Meta） | 60,000 | $0.027／$0.201 |
| DeepSeek V4 Flash 0731（DeepSeek） | 1,310,720 | $0.03／$0.32 |
| Command R7B (12-2024)（Cohere） | 128,000 | $0.038／$0.15 |
| DeepSeek V4 Flash 0423（DeepSeek） | 1,048,576 | $0.049／$0.098 |
| Llama 3.2 3B Instruct（Meta） | 131,072 | $0.05／$0.33 |
| Nova Lite 1.0（Amazon） | 300,000 | $0.06／$0.24 |
| Phi 4（Microsoft） | 16,384 | $0.07／$0.14 |
| Nemotron 3.5 Lightning（NVIDIA） | 262,144 | $0.08／$0.2 |
| Gemma 4 26B A4B （Google） | 262,144 | $0.09／$0.3 |
| Llama 4 Scout（Meta） | 1,310,720 | $0.1／$0.3 |
| GPT-6 Luna Pro（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-6 Luna（OpenAI） | 1,050,000 | $0.1／$0.5 |
| Ministral 3 3B 2512（Mistral AI） | 131,072 | $0.1／$0.1 |
| Llama 3.3 70B Instruct（Meta） | 131,072 | $0.1／$0.32 |
| DeepSeek V4.1 Flash（DeepSeek） | 1,048,576 | $0.15／$0.6 |
| Qwen3.8 Omni Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Qwen3.8 Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Mistral Small 4（Mistral AI） | 262,144 | $0.15／$0.6 |
| Ministral 3 8B 2512（Mistral AI） | 262,144 | $0.15／$0.15 |
| Command R (08-2024)（Cohere） | 128,000 | $0.15／$0.6 |
ほかに11件あります（入力の単価が高い順に省略）。
問い合わせの業務で、合うモデルが一度に読める量
やりたいことに要るおおよその量と、この中のモデルのうち一度に読めるものの数です。足りないモデルでは、資料を分けて渡すことになります。
| やりたいこと | 要るおおよその量 | 一度に読めるモデル |
|---|---|---|
| メール1通を書かせる | 1,000トークン | 31件／31件 |
| A4の資料1枚を読ませる | 2,000トークン | 31件／31件 |
| 1時間の会議の文字起こしを要約 | 15,000トークン | 31件／31件 |
| 契約書1通を読ませる | 20,000トークン | 30件／31件 |
| 本1冊を読ませる | 150,000トークン | 22件／31件 |
| 社内規程一式（本5冊ほど） | 750,000トークン | 14件／31件 |
モデルを使う前に決めること
試す前に、情シスや上長と決めておくことです。
この記事で使っている言葉
コンテキスト（一度に読める量）
1回のやり取りで渡せる文章の長さです。足りないと、前に渡したところを忘れます。大きいほど長い資料を分けずに渡せますが、読ませた分だけ費用もかかります。
トークン
AIが文章を数える単位です。日本語はおおむね1字が1〜1.5トークン。料金も読める量も、このトークンで数えます。
入力の単価・出力の単価
100万トークンあたりの米ドルです。読ませた量に入力の単価、書かせた量に出力の単価がかかります。出力のほうが高いのが普通です。
仕様はhttps://openrouter.ai/api/v1/modelsから2026-09-25に取ったものです。OpenRouter が各提供元から集めて公開している仕様です。単価は100万トークンあたりの米ドル。ベンチマークの点数や順位は含みません。
問い合わせのほかの業務
問い合わせの多い質問を整理する
判定は「AIへ移しやすい」。いまは記録を読んで数える、移したあとは分類と件数を出させる。人に残るのは答えの正しさ。問い合わせの多い質問を整理する
問い合わせ対応の記録を残す
判定は「AIへ移しやすい」。いまは対応後に自分で書く、移したあとはやり取りから要約させる。人に残るのは判断の理由。問い合わせ対応の記録を残す
問い合わせのほかの判定
- 問い合わせで「AIへ移しやすい」業務（2件）
よくある質問
全部まとめて移したほうが早くありませんか？
比べる相手がいなくなるので、効果を説明できなくなります。1件ずつ移して、測ってから広げてください。
どのモデルがいちばん良いですか？
当サイトは点数や順位を持っていません。上の候補を同じ材料で試し、自分の作業で正しさと直す手間を比べて決めてください。
人に残る仕事は、いずれAIに任せられますか？
この6件の「人に残る仕事」は、間違えたときの影響が大きいか、判断の材料がAIに渡らないものです。任せるかどうかは、移したあとの記録を見てから決めます。
次にやること
- 1件選ぶ
上の表から、いちばん手間のかかっている業務を1件選びます。
問い合わせの一次返信 - いまのやり方を測る
移す前の1回を測っておかないと、効果を説明できません。 - 合うモデルを2つ試す
候補から2つ選び、同じ材料で比べます。