社内ヘルプデスクのAI自動化｜構築方法・答えさせる範囲・費用

社内ヘルプデスクの問い合わせ対応が「属人化」から抜け出せない理由

情報システム部門や総務・人事部門には、日々「PCが起動しない」「VPNにつながらない」「有給休暇の申請方法がわからない」「経費精算のやり方を教えてほしい」といった、社内の従業員からの問い合わせが絶えず届きます。これらの多くは過去に何度も聞かれた定型的な内容であるにもかかわらず、担当者はそのたびにメールやチャットの受信箱を確認し、社内規程やマニュアルを探し、個別に回答を作成しています。

問い合わせの内容自体は難しくなくても、件数が多いと対応時間は積み上がります。しかも同じ質問に何度も答える作業は、担当者の本来の業務（システムの企画・改善や制度設計など）を圧迫し、対応品質も担当者の知識量や在籍期間によってばらつきが出ます。特定のベテラン担当者に問い合わせが集中し、その人が休むと対応が止まる、という属人化も起きやすい業務です。

この記事では、社内ヘルプデスクの問い合わせ対応をAI（生成AI・LLM＝大規模言語モデル。文章を人のように理解して処理できる生成AIの中核技術）でどう自動化し、一次対応を任せられる状態まで持っていくのかを、進め方と費用の目安とあわせて整理します。

なぜヘルプデスク対応は自動化しにくいのか——3つの壁

社内ヘルプデスクのAI化を検討すると、最初につまずくのが「思ったより単純ではない」という壁です。原因は主に3つに分けられます。

• 回答の根拠が複数の場所に散らばっている：社内規程・就業規則・システムのマニュアル・過去のFAQ・部署ごとの独自ルールなど、回答の根拠となる情報は複数の文書やツールに分散していることが多く、AIが正確に回答するには、これらを横断的に参照できる状態に整理する必要があります。
• 質問の言い回しが従業員ごとにバラバラ：「有給の申請方法」と「休みを取りたいときはどうすればいい？」は同じ質問ですが、表現は大きく異なります。決まったキーワードだけを拾う仕組みでは、表現の揺れに対応しきれません。
• 答えられない質問と答えるべきでない質問の線引きが必要：個人の評価や人間関係が絡む相談、規程の解釈が分かれるグレーな案件など、AIが単独で回答すべきでない性質の問い合わせも一定数あります。ここを事前に切り分けておかないと、誤った回答や不適切な回答が従業員に届くリスクが生じます。

この3つの壁を越えるには、社内文書を検索対象にしたRAG（検索拡張生成。社内の文書やデータをAIが検索し、その内容をもとに回答を組み立てる仕組み。技術面の詳細はRAG構築を外注する費用相場で扱っています）を土台にしつつ、「AIが答えてよい範囲」と「人に引き継ぐ範囲」を業務設計として切り分ける作業が欠かせません。

社内ヘルプデスクの対応が属人的な手作業のまま残っていると、次のような形で業務や組織に影響が及びます。

• 担当者の本来業務の圧迫：定型的な問い合わせ対応に時間を取られ、システムの企画・改善や制度設計といった、本来注力すべき業務が後回しになります。
• 対応品質のばらつきと属人化：担当者の知識量や経験によって回答の速さ・正確さが変わり、特定の担当者が不在になると対応が滞ります。
• 従業員側の待ち時間の発生：問い合わせから回答までに時間がかかると、従業員は業務を止めて回答を待つことになり、組織全体の生産性に影響します。
• 情報システム部門・総務・人事の増員圧力：問い合わせ件数が組織の成長とともに増えていくと、対応のためだけに人員を増やす必要が生じ、コストが積み上がります。

いずれも、問い合わせ対応という間接業務が肥大化することで、担当部門の本来の付加価値業務にしわ寄せがいく構造です。

AIによる社内ヘルプデスクAI化の進め方（4つのフェーズ）

社内ヘルプデスクのAI化も、いきなり全部署・全業務範囲を対象にするのではなく、段階を踏んで進めるのが実務的です。

①現状の把握では、どの部署（情シス・総務・人事等）の、どんな種類の問い合わせが多いか、根拠となる社内文書・規程がどこにどんな形式で存在するか、月間の問い合わせ件数を洗い出します。ここで「もっとも件数が多く、かつ回答の根拠が明確な問い合わせ種別はどれか」を見極めることが、後工程の効果を左右します。

②PoC（概念実証。小規模に試して効果を確認する工程）では、いきなり全問い合わせ種別を対象にせず、まず件数の多い1〜2種別（例：総務・人事系のよくある質問）に絞ってAIによる一次回答を試します。実際の問い合わせを使い、どの程度の精度で回答できるか、逆にAIでは答えられず人に引き継ぐべき問い合わせがどの程度出るかを確認します。

③実装では、PoCで見えた精度・引き継ぎが必要なパターンの傾向を踏まえ、対象範囲を主要な問い合わせ種別へ広げます。AIが自信を持って回答できない場合や、規程の解釈が分かれる場合は自動で担当者へ引き継ぐ設計にし、「AIが答えてよい範囲」を明確に線引きします。

④運用は、社内規程の改定や新しい制度の導入のたびに、AIが参照する情報を更新し続ける必要があるという前提に立った工程です。回答精度が落ちた場合や、従業員からの新しい種類の問い合わせが増えた場合に、継続的に参照データや回答範囲を見直す保守体制を維持します。

陥りやすい失敗パターン3つ

社内ヘルプデスクのAI化を検討する際、よくつまずくポイントを3つ挙げます。

①「AIが答えてよい範囲」を決めずに始める——個人の評価や人間関係が絡む相談まで含めて何でも自動回答させようとすると、不適切な回答が従業員に届くリスクが生じます。現状把握の段階で、AIが単独で回答してよい範囲と、人が対応すべき範囲を業務側とすり合わせておくことが欠かせません。

②回答の根拠となる文書を整理しないまま導入する——社内規程やマニュアルが更新されずに古い情報のまま放置されていると、AIも古い情報をもとに回答してしまいます。AI化の前提として、参照する文書自体を最新の状態に保つ運用体制が必要です。

③全部署・全業務を一気に自動化しようとする——部署ごとに問い合わせの性質も規程も異なるため、初めから全社一括で導入すると、部署固有のルールへの対応が追いつかず現場が混乱します。まずPoCで件数の多い部署・問い合わせ種別に絞り、精度を確認しながら対象を広げるのが現実的です。

AIに答えさせてよい問い合わせ・いけない問い合わせ

社内ヘルプデスクの自動化は、対象範囲の線引きで成否が決まります。次の基準で仕分けると、最初に対象にすべき範囲が見えます。

最初に対象にするのは1行目だけで十分です。実際、情シス・総務に届く問い合わせの多くは「どこに書いてあるか分からない」という種類で、答えは既に社内文書の中にあります。

答えられなかったときの設計が、定着を決める

社内向けの仕組みは、一度「使えない」と思われると二度と使われません。次の3点を最初から組み込んでください。

• 分からないときは「分かりません」と返す：無理に回答させる設計が、信頼を失う最大の原因です。
• 担当者へ引き継ぐ導線を必ず置く：回答できなかった時点で、担当のチャットや申請フォームへ1クリックで移れるようにします。
• 答えられなかった質問を記録する：この記録が、次に整備すべき文書の一覧そのものになります。月に一度見直し、上位から文書を追加します。

費用の目安

費用は対象とする問い合わせ範囲・部署数・参照文書の整備状況で変わります。以下は市場の一般的な目安で、特定サービスの確定価格ではありません。

効果を測る指標は、問い合わせの総件数ではなく「担当者が対応した件数」です。総件数は仕組みを入れると一時的に増えることがあります（聞きやすくなるため）。担当者に届く前に解決した割合が上がっているかを見てください。

なお、社内ヘルプデスクの土台となる技術要素（社内文書をAIが検索・参照する仕組みそのもの）についてはRAG構築を外注する費用相場｜内訳と依頼前に確認すべき3つのことで詳しく扱っています。また、対象が社外の顧客からの問い合わせ（返品・送料等）である場合は課題の性質が異なり、生成AIのカスタマーサポート自動化｜失敗する3つの原因で別途整理しています。どの業務からAI化に着手すべきか総論から確認したい場合は業務自動化のAI開発を外注するには｜業務の見極め・会社選び・費用も参考になります。

まとめ——ヘルプデスクAI化は「線引き」が成否を分ける

社内ヘルプデスクのAI化は、問い合わせを全部自動で答えられるようにすることが目的ではありません。件数が多く根拠が明確な定型的な問い合わせをAIに任せ、個人の状況判断が必要な相談は人に引き継ぐ——この線引きを業務設計として決めることが、成否を分けます。