AI活用は広がったのに、チャットボットが定着しない理由

導入から数週間。設定を担当した人は別の案件に移り、管理画面のログインを知っている人は他にいません。その間に店舗は返品ルールを変更しましたが、チャットボットは古い案内を返し続けています。お客様が誤った回答の画面を撮って、店頭に持ってくる。「いったん止めておこうか」という声が出て、そのまま再開されない。

この話に、AIモデルの性能は出てきません。出てくるのは、持ち主のいないツールです。

この記事は、日本企業のAI利用が広がっているのに、なぜチャットボットは定着しにくいのか、そして契約の前に何を確かめるべきかを扱います。想定している読者は、中小企業の経営者・責任者の方と、その相談に乗る制作会社・代理店の方です。

AIの利用は広がった。ただし企業規模で差が大きい

IPA（情報処理推進機構）が2026年7月16日に公表した「DX動向2026」では、AIの活用は企業規模が大きいほど進んでいます。従業員1,001名以上の企業ではおよそ8割が活用している一方、101名以下の企業では16.6%です。同じ調査は、用途の中心も示しています。文章の要約・翻訳・校正が82.5%でした。

この最後の数字は、少し立ち止まる価値があります。日常のAI活用は、一人が文書を整えるような、小さく個人的で、失敗しても影響の小さいものが中心です。お客様に向き合うチャットボットは別物です。会社の代わりに、24時間、テスターになることに同意していない人に話しかけ、内容を正しく保つ人が必要になります。

矢野経済研究所の『2026年版 生成AI／AIエージェントの活用実態と展望』（2025年11月28日発行）では、生成AIを活用している企業は4割を超え、AIエージェントは約3%（3.3%）でした。生成AIはすでに普通のものになり、自律的に動くエージェントはまだ少数です。多くの企業は、まず普通の生成AIをうまく使いこなす段階にいます。

ここで断っておくべき点があります。これらの調査が測っているのはAI全般で、チャットボットに限った数字ではありません。「活用」の定義も調査ごとに違います。チャットボットの普及率としてではなく、全体の流れをつかむための数字として読んでください。

「使っている」と「機能している」は別の話

普及率は、始めた企業の数です。始めたあとに利用が減り、静かにやめた企業は数えられていません。

小規模な企業では、「何に使えばよいかイメージが湧かない」「社内に推進できる人がいない」という二つの壁にぶつかりがちです。どちらも「AIが賢くない」ではありません。人と目的の問題です。

チャットボットに絞った資料でも、同じことが言われています。GENIEEのCX NAVIは、チャットボットが失敗する典型パターンとして次の7つを挙げています。

• 目的が明確でない
• 裏にあるFAQ・情報が足りない
• ユーザーがボットを見つけられない
• 回答の精度が十分でない
• KPIがなく、効果を判断できない
• 運用する体制がない
• 有人対応へ引き継ぐ道がない

ゆっくり読み直してみてください。モデルの性能に関わるのは「回答精度」だけです。それも、多くの場合は元になる情報の質に戻ってきます。残りの6つは、導入の前後で会社が決める（あるいは決めそこなう）ことです。

ヒューコネクトの2026年8月の記事は、RAGについて、実際に起きがちな様子を書いています。社内FAQで学習させたボットが、公開の数週間後に、製品仕様についてもっともらしいが誤った説明を返し始め、利用がゼロになった、というものです。モデルが悪くなったのではありません。元の資料が古くなり、それを見る人がいなかったのです。

モデルが効いてくる場面：ハルシネーションを短く

モデルの性能は関係ない、と言うのは正直ではありません。ハルシネーション、つまり流暢だが間違った回答は実際にあるリスクで、KDDIの法人向けコラム「ハルシネーションを避ける」も、中小企業にとっても現実的な懸念として扱っています。

RAG（検索拡張生成）は有効です。モデルの記憶に頼って答える代わりに、まず自社の資料を検索し、その内容から答えます。作り話の入り込む余地は狭まりますが、ゼロにはなりません。資料が古い、矛盾している、そもそも載っていない、という場合、RAGはその古い・矛盾した・ない情報に忠実に答えるか、答えられないと返します。

つまりRAGは、問いを「AIを信用できるか」から「自社の情報を信用できるか」に移します。会社として取り組める問いになる、という意味では良い変化です。運用が重要になるのも、ここに理由があります。仕組みの詳細はRAGチャットボットがハルシネーションを減らす仕組みと限界にまとめています。

契約前に決めておく3つのこと

この記事で持ち帰っていただくなら、ここです。ベンダーを比べる前に、社内で次の3つに答えてください。答えられないなら、どのベンダーでもプロジェクトは救えません。

1. 目的

「AIを導入する」は目的ではありません。「営業時間や配送についての同じ質問に、スタッフが答える回数を減らす」は目的です。狭いほど最初の版は作りやすく、後で効果があったかも判断しやすくなります。

実際に届いている質問から選んでください。メールの受信箱、LINEのトーク履歴、電話のメモを、直近の1〜2か月ぶん見てみます。多くの場合、少数の質問パターンが問い合わせの大半を占めています。まずそこから始め、特殊なケースは人に任せます。

成功の見え方も、特別な調査なしに取り出せる数字で決めておきます。スタッフが手で対応した件数、人を介さずに終わった会話の数、「担当の方と話したい」と言われた頻度などです。測れないKPIは2か月目には忘れられ、費用に見合うのかと聞かれたときにプロジェクトが自分を守れなくなります。

2. 担当

チャットボットには、少量でも定期的に時間を使う人が必要です。多い必要はありません。安定すれば月に数時間で足りることも多いでしょう。ただし名前のある人で、休暇時の代わりがいて、キックオフの資料だけでなく、その人の実際の業務に入っていなければなりません。

ここは、制作会社・代理店が力を発揮できる場所です。小さな会社には、担当を引き受けられる人がいないことが多く、代理店が運用者となり、月次で見直しをするなら、「誰の仕事でもない」状態が一つのサービスになります。代理店の方は、提案書にそう明記してください。発注する側は、それが含まれているのか、何を含むのかを確認してください。

担当のもう一つの半分は、有人対応への引き継ぎです。答えられないときにボットが何をするか、誰に届くか、どのくらいで返すかを先に決めておきます。GENIEEが「引き継ぎがない」を失敗パターンに挙げているのは理由があります。ボットの前で行き止まりになったお客様は、ボットではなく会社を責めるからです。

3. 情報の更新

ボットの新しさは、資料の新しさで決まります。今、正しい情報がどこにあるかを考えてみてください。料金、営業時間、返品条件がそれぞれ別の場所にあり、別の人が編集しているなら、ボットはその混乱をそのまま受け継ぎます。

地味ですが効果のあるやり方は、次のとおりです。

• 1つのテーマにつき元資料は1つにする（少しずつ違うものを5つ置かない）
• 元資料ごとに編集者を決める
• 見直しの頻度を決める（毎月第1月曜など）。ルールが変わったときは当日に更新する
• ボットが答えられなかった質問を見て、多いものを新しい項目にする

最後の習慣が、改善するボットと劣化するボットを分けます。答えられなかった質問は、次に何を書けばいいかを教えてくれる無料の提案です。

小さな会社の場合、最初の版は大きくなくて構いません。正確で整理された少数の回答のほうが、半分だけ新しい資料の山よりも信頼できます。ボットは、渡された情報以上には確かになれません。

どのベンダーにも聞いておきたいこと

どの会社にも通用する質問です。弊社にもぜひ聞いてください。

• 情報はどう入り、どう更新するか。 エンジニアでない人が直せるか。編集後、回答が変わるまでどのくらいかかるか。
• わからないとき、ボットはどうするか。 推測するのか、断るのか、引き継ぐのか。文言は調整できるか。
• スタッフが引き継げるか。 引き継ぎ先はどこか。お客様は最初から説明し直す必要があるか。
• あとで何が見えるか。 どんな質問が来て、どれが答えられなかったか。書き出せるか。
• 運用は誰がやり、料金に含まれるか。 設定までを売って、公開後は静かになるベンダーもあります。2か月目、3か月目がどうなるかを聞いてください。
• データはどこに置かれ、そこから何が外に出るか。 安心させる答えより、正確な答えのほうが大切です。外部のAIサービスを使う処理があり得ますから、「何も出ません」と言い切るベンダーにはもう一つ質問を。
• できないことは何か。 限界を言えないベンダーは、調べていないか、伝えていません。

チームで確認できる、もう少し長いリストがほしい場合は中小企業向け導入チェックリストが参考になります。手順を飛ばした場合にどうなるかは導入失敗の5つのパターンをご覧ください。

小さく始めるとは、具体的にどういうことか

「小さく始める」は便利な言葉ですが、具体像がないと何も決まりません。たとえば次のような形です。あくまで考え方の例で、御社の状況に合わせて置き換えてください。

対象を、1つの窓口に絞ります。LINEなら、まず公式アカウントの問い合わせだけ。ウェブサイトのボットは後回しにします。対象の質問を、実際の履歴から拾った少数のテーマに絞ります。営業時間、予約の変更方法、料金の考え方、配送や返品の条件、といったところです。それぞれについて、正しい答えが書かれた元資料を1つ用意し、編集者を決めます。

次に、答えられない場合の出口を作ります。担当者への引き継ぎ先（メール、電話番号、有人チャットへの案内）を決め、ボットがその案内を出す文言を決めておきます。この文言は意外に大事です。「わかりません」で終わるのと、「担当者が確認します。営業時間内であれば翌営業日までにご連絡します」と続くのとでは、お客様の受け取り方が大きく変わります。文言の内容は、実際にそれを守れる体制に合わせてください。守れない約束を書くくらいなら、書かないほうが誠実です。

そのうえで、社内の数人に使ってもらいます。お客様に公開する前に、スタッフが「お客様の言葉」で質問してみるだけで、資料の抜けは多く見つかります。ここで見つかった問題は、公開後に見つかるより、ずっと安く直せます。

公開後は、上で書いた月次の確認に入ります。範囲を広げるのは、その確認が2、3回、無理なく回ってからで十分です。急ぐ必要はありません。最初から全社の問い合わせを引き受けようとしたボットは、多くの場合、担当者が回せる量を超えて、上の失敗パターンのどれかに入っていきます。

小さく始めることは、控えめにすることとは違います。担当と目的と更新の仕組みが決まっていれば、範囲が狭くても、社内での信頼は積み上がります。信頼が積み上がってから広げるほうが、結局は早く、静かに定着します。

公開後の最初の数か月に、何を見るか

公開日は、プロジェクトのゴールではなく出発点です。ここで多くの会社が、公開したことに安心して手を離します。GENIEEが挙げる「運用体制がない」「KPIがない」は、まさにこの時期に起きます。

最初の数か月は、大げさな分析は要りません。毎月、同じ短い確認を繰り返します。

まず、実際に届いた質問を眺めます。想定していた質問と、実際に来た質問は、たいてい違います。お客様は社内の言葉ではなく、自分の言葉で聞いてきます。「解約」を「やめたい」と書き、「送料」を「いくらで届く？」と書きます。その言い回しを見ておくと、資料に足すべき表現が見えてきます。

次に、答えられなかった質問と、有人に引き継がれた質問を見ます。件数が多いものから、資料に足すか、フローに組み込むか、最初から人が答える領域だと割り切るかを決めます。すべてをボットで済ませる必要はありません。人に任せたほうがよい質問（個別の事情が絡むもの、クレーム、契約に関わるもの）を、ボットが無理に引き受けないほうが、全体の信頼は保たれます。

そして、最初に決めた目的の数字に戻ります。スタッフが手で対応していた件数は減っているか。減っていないなら、ボットが使われていないのか、使われているが解決していないのか。この区別が、次の一手を変えます。前者なら見つけやすさ（LINEのメニュー、サイトでの表示位置、案内文）の問題で、後者なら情報の問題です。

ここで、GENIEEの7つのパターンにある「ユーザーがボットを見つけられない」が効いてきます。作ったのに使われない理由が、回答の質ではなく、入口が見えないことであるケースは少なくありません。LINEなら、トークルームのメニューやあいさつメッセージで、何を聞けるボットなのかを最初に伝えておくだけで変わります。

最初の数か月に完璧を求める必要はありません。見て、直して、また見る。その繰り返しを続けられる体制があるかどうかが、この記事の最初の場面と、定着した場合との違いです。

OneBotの位置づけ、そして限界

OneBotは、VAON Vietnamが提供するRAG型のチャットボットプラットフォームで、LINE公式アカウントとウェブサイトに接続できます。上の3点との関係を、限界も含めて書きます。

情報の入れ方。 テキストの登録、ファイルのアップロード（PDF・Word・Excel・PowerPoint、1ファイル50MBまで）、ウェブサイトの読み取りができます。管理画面で、各項目が学習済みか、保留中か、失敗かを確認できます。商品や価格の一覧をGoogleスプレッドシートで管理している場合は、シートに貼り付ける小さなApps Scriptによる同期の方法があります。ただし、ワンクリックで繋がるコネクタではありません。初回にGoogleの認証手順が必要で、1行を1つのテキストのまとまりとして扱います。Googleドキュメントやログインが必要なページは、ウェブサイトの読み取りでは扱えません。

自由回答にしたくない場面。 「メニューを選び、2つ質問に答える」のような案内フローには、質問・メッセージ・リード収集・終了のノードを使うビジュアルなワークフロー機能があります。LINEでは、質問がボタンとして表示されます。

お試し。 14日間の無料トライアルがあります。実際の資料を入れて、決める前に回答の様子を確認できます。

OneBotがやらないこと。 目的を決めることも、担当者を選ぶこともしません。元資料を正しくすることもしません。資料が間違っていれば、ボットは整った形で間違えます。回答精度の数字はお約束しません。精度は、何を渡すかに依存するからです。複数のAIプロバイダーの接続など、まだベータの機能もありますので、前提にせず、お尋ねください。データは日本国内サーバーで保管しますが、回答の生成には外部のAIサービスを使うため、「データが日本から出ない」とは表現しません。

代理店の方にとっては、運用の部分が、プラットフォームの上に月次サービスを載せる自然な場所です。それは御社の事業判断であり、ツールが代わりに決めてくれるものではありません。

契約する前に

上の表を印刷し、実際にボットを運用する人たちと一緒に埋めてみてください。「担当」か「情報の更新」で詰まるなら、それは有用な情報です。必要なのは製品ではなく、決断だということです。

記事を読むより、自社の資料で実際に試したい場合は、14日間のトライアルをご利用ください。先に3つの問いを誰かと話したい場合は、お問い合わせからご連絡ください。

よくある質問

中小企業のチャットボット導入は、ほとんど失敗するというのは本当ですか？

日本の中小企業について信頼できる失敗率は把握しておらず、それを断言する資料も信用しないほうがよいと考えています。調査が示しているのは、繰り返し出てくる原因です。目的が曖昧、情報が薄い、担当がいない、KPIがない、有人引き継ぎがない。GENIEEのCX NAVIがこれらを挙げており、どれも公開前に会社として手を打てるものです。

AIモデルと運用では、どちらが重要ですか？

どちらも重要ですが、小規模な導入では運用が結果を左右することが多いと考えています。より高性能なモデルでも、古い料金表は直せません。先に情報と担当を整え、そのあとでモデルを比べてください。

公開後、担当者にはどのくらいの時間が必要ですか？

情報の変わる頻度と問い合わせの量によります。答えられなかった質問の月次確認と、ルール変更時の当日更新のように、小さく定期的な時間を見込んでください。誰にでも当てはまる数字は持っておらず、数字を断言する相手には注意が必要です。

RAGならハルシネーションはなくなりますか？

なくなりません。RAGは自社の資料から答えさせることで減らしますが、資料が古い・矛盾している場合は回答も同じになります。適切な検索、きちんと管理された情報、有人引き継ぎの経路の組み合わせが現実的です。

IT担当がいなくても運用できますか？

日々の作業が、コードを書くことではなく資料の編集であれば可能です。OneBotの管理画面はそのような作業を中心に作られています。より難しいのは誰が担当するかという人の問題で、代理店に運用を依頼する会社もあります。

データはどこに保管されますか？

OneBotのデータは日本国内サーバーに保管されます。回答の生成には外部のAIサービスを使うため、データが日本国外に出ないとは表現していません。法務・コンプライアンス上重要な場合は、具体的な内容をお問い合わせのうえ、ご自身の専門家にもご確認ください。

最初の目的は何にすべきですか？

直近1〜2か月で、スタッフが最も多く答えている繰り返しの質問を選び、それを減らすことを目標にしてください。狭い目的のほうが、作りやすく、測りやすくなります。

長い契約なしで試せますか？

OneBotには14日間の無料トライアルがあります。実際に使う資料を持ち込んで、回答の様子を確認してから判断してください。