問い合わせ
問い合わせでAIへ移しやすい業務
- 業務
- 2件
- 判定
- AIへ移しやすい
- 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「AIへ移しやすい」のものを2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 |
|---|---|---|---|
| 問い合わせの多い質問を整理する | 記録を読んで数える | 分類と件数を出させる | 答えの正しさ |
| 問い合わせ対応の記録を残す | 対応後に自分で書く | やり取りから要約させる | 判断の理由 |
「AIへ移しやすい」の意味
まず1件だけ試して、結果を見てから広げてよい業務です。間違っても取り返しがつき、元に戻す手段も残せます。
| 業務 | 移しやすさ | 任せ方 | 向かない場合 |
|---|---|---|---|
| 問い合わせの多い質問を整理する | まず1件試せる | 下書きを任せる | 問い合わせが少ない場合 |
| 問い合わせ対応の記録を残す | まず1件試せる | 下書きを任せる | 対応件数が少ない場合 |
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
問い合わせの多い質問を整理するを例にした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
「記録を読んで数える」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
「答えの正しさ」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
「分類と件数を出させる」の形で1件だけ通します。「似た質問がばらけて数えられ、実態と違う順位になる」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「元の記録を残せば数え直せる」。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
問い合わせの多い質問を整理する
いま：記録を読んで数える → 移したあと：分類と件数を出させる
- 人に残る仕事：答えの正しさ
- よくあるつまずき：似た質問がばらけて数えられ、実態と違う順位になる
- 戻し方：元の記録を残せば数え直せる
- 向かない場合：問い合わせが少ない場合
問い合わせ対応の記録を残す
いま：対応後に自分で書く → 移したあと：やり取りから要約させる
- 人に残る仕事：判断の理由
- よくあるつまずき：やり取りは残るが、なぜそう答えたかが残らない
- 戻し方：やり取りの原文を残す
- 向かない場合：対応件数が少ない場合
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「問い合わせの多い質問を整理する」を手伝ってもらいます。 いままでは「記録を読んで数える」でしていましたが、「分類と件数を出させる」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】 ・「答えの正しさ」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 ・似た質問がばらけて数えられ、実態と違う順位になることがないよう、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「問い合わせ対応の記録を残す」を手伝ってもらいます。 いままでは「対応後に自分で書く」でしていましたが、「やり取りから要約させる」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】 ・「判断の理由」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 ・やり取りは残るが、なぜそう答えたかが残らないことがないよう、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】［ ］ ・問い合わせの多い質問を整理する：答えの正しさ → 担当［ ］／いつ［ ］ ・問い合わせ対応の記録を残す：判断の理由 → 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】問い合わせの多い質問を整理する・問い合わせ対応の記録を残す 【判定】AIへ移しやすい（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
問い合わせの一次返信
判定は「一部だけAI化する」。いまは担当が一件ずつ返す、移したあとは型を作って下書きを自動で出す。人に残るのは例外の判断と謝罪の文面。問い合わせの一次返信
問い合わせを分類する
判定は「一部だけAI化する」。いまは見て手で振り分ける、移したあとは内容から自動で振り分ける。人に残るのはどこにも入らないものの判断。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
判定は「一部だけAI化する」。いまは変更点を探して書き直す、移したあとは差分を出させて確かめる。人に残るのは運用の実態との照合。問い合わせのマニュアルを更新する
問い合わせから改善点を見つける
判定は「一部だけAI化する」。いまは読んで気づく、移したあとは分類させて数える。人に残るのは優先順位の判断。問い合わせから改善点を見つける
社内の問い合わせ窓口をまとめる
判定は「一部だけAI化する」。いまは担当が個別に受ける、移したあとは受付を1つにして振り分ける。人に残るのは判断が要るものの担当決め。社内の問い合わせ窓口をまとめる
問い合わせの担当を決める
判定は「一部だけAI化する」。いまは内容を見て割り振る、移したあとは内容から担当を出させる。人に残るのは例外の割り振り。問い合わせの担当を決める
問い合わせのほかの判定
- 問い合わせで「一部だけAI化する」業務（6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2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。
問い合わせの多い質問を整理する - 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。