AIチャットボットは大きくシナリオ型とAI型（生成AI）に分かれ、AI型はさらにFAQ検索、文書RAG、GraphRAGと方式が枝分かれします。方式が変われば答えられる質問の幅と精度が変わり、コストも変わります。定型の一問一答ならシナリオ型やFAQ検索で足ります。型番の照合や複数資料をまたいだ根拠のある回答が要るなら、文書RAG以上を選ぶ必要があります。まず自社の問い合わせがどのタイプかを見極めてから方式を決めてください。
シナリオ型とAI型（生成AI）の違い
シナリオ型は、あらかじめ用意した分岐（ボタンや選択肢）に沿って会話を進める方式です。「配送状況を知りたい」「返品したい」のように、ゴールが決まった手続きを案内するのは得意です。反面、想定しなかった聞き方をされると詰まります。分岐を人手で保守し続ける前提なので、質問の種類が増えるほどメンテナンスが重くなります。
AI型は、利用者の自然な文章を解釈し、社内の資料やFAQをもとに文章で回答します。言い回しの揺れに強く、1つの質問に複数の情報源を突き合わせて答えられます。ただしAI型と一口に言っても、参照する仕組みが違えば精度も守備範囲も別物になります。ここを分けて考えないと、導入後に「思っていたほど賢くない」となりがちです。
帝国データバンクの2026年3月調査では、生成AI活用の課題として情報の正確性を挙げた企業が50.4%と最多でした（帝国データバンク「生成AIに関する企業の動向調査」2026年3月）。チャットボット選びでも、正確さをどう担保するかが方式選択の分かれ目になります。
方式別の比較
AI型の内訳まで含めて4方式を並べます。上から下へ、扱える質問の複雑さと構築コストが上がっていきます。
方式 | 仕組み | 得意な質問 | 限界 | 向く用途 |
|---|---|---|---|---|
シナリオ型 | 事前に作った分岐フローに沿って選択肢で誘導 | 手続き案内、定型の一問一答 | 想定外の聞き方に弱い、分岐保守が重い | 問い合わせの種類が少なく手順が決まった窓口 |
FAQ検索型 | 質問文とFAQを意味の近さで照合し該当回答を返す | 言い回しの揺れがある単発の質問 | FAQに無い内容は答えられない、複数条件の組み合わせが苦手 | よくある質問が整備済みのサポート窓口 |
文書RAG型（生成AI） | マニュアルや規程を検索し、該当箇所を根拠に生成AIが回答を作る | 手順・条件が絡む説明、資料に書かれた内容の要約 | 複数文書をまたぐ関係の推論が弱い、検索の精度に品質が左右される | マニュアルや社内規程が多く、根拠提示が要る問い合わせ |
GraphRAG型 | 資料を関係のネットワーク（ナレッジグラフ）にしてから検索・回答 | 型番と部品の対応、原因と対処、条件が連鎖する質問 | 構築の手間が大きい、データ整備の設計が必要 | 製品や契約が複雑で、関係をたどる回答が必要な現場 |
自社の質問タイプで選ぶ
方式は流行りではなく、寄せられる質問の性質で決めます。目安はこうです。
- 定型の手続き案内が中心：シナリオ型かFAQ検索型で十分です。まず整備済みのFAQを活かせるFAQ検索型を試すのが現実的です。
- マニュアルの内容を根拠つきで答えたい：文書RAG型。回答に出典を添えられるので、担当者の一次対応を肩代わりできます。
- 型番や部品、条件が連鎖する質問が多い：GraphRAG型。文書RAGでは拾いきれない関係を、ナレッジグラフでたどって答えます。
迷ったら、直近1か月の問い合わせを20件ほど書き出し、シナリオで捌けるもの、FAQで足りるもの、資料を横断しないと答えられないものに仕分けしてみてください。3つ目が多いほど、文書RAG以上の投資が効きます。方式の違いをもう少し掘るならGraphRAGとは？ベクトルRAGとの違いとナレッジグラフは発注者に何の得があるかが参考になります。
導入時に確認したい3点
方式が決まっても、作り方を誤ると精度が出ません。発注前に次を確認してください。
- 根拠を提示できるか：回答の出典（どの資料のどこか）を返せる構成か。根拠がないと、もっともらしい誤答を見抜けません。
- データを外に出さない構成か：社内資料を学習用に外部へ渡さず、自社が管理する環境内で処理できるか。VPS上に閉じた構成でも実用的な精度と速度は出せます。
- 答えられなかった質問を改善に回せるか：未回答やあいまいな回答を記録し、資料やグラフを継続的に足していく運用があるか。ここが精度を伸ばす分岐点です。
精度を上げる具体的な作り方は社内ナレッジAIの精度を上げる作り方、答えられない場面の潰し方はチャットボットが答えられない5つの原因と対策にまとめています。
よくある質問（FAQ）
Q. AIチャットボットとシナリオ型チャットボットはどちらが良いですか？
A. 優劣ではなく用途で分かれます。手続き案内など答えが決まった問い合わせはシナリオ型で確実に捌けます。聞き方が多様で資料を根拠に答えたいならAI型が向きます。質問の8割が定型ならシナリオ型、資料を横断する質問が多いなら文書RAG以上を選んでください。判断のヒントはチャットボットが答えられない5つの原因と対策にあります。
Q. FAQ検索型と文書RAG型はどう違いますか？
A. FAQ検索型は用意したFAQの中から近い回答を返す方式で、FAQに無い内容は答えられません。文書RAG型はマニュアルや規程そのものを検索し、生成AIが該当箇所を根拠に文章を組み立てます。手順や条件が絡む説明まで踏み込みたいなら文書RAG型が適します。詳しくは社内ナレッジAIの精度を上げる作り方をご覧ください。
Q. GraphRAGはどんなときに必要ですか？
A. 型番と部品、原因と対処のように、情報どうしの関係をたどらないと答えられない質問が多い場合です。文書RAGは1つの資料の該当箇所を返すのが得意ですが、複数の資料や項目にまたがる関係の推論は弱くなります。関係を検索できるGraphRAGが効きます。仕組みはGraphRAGとは？ベクトルRAGとの違いで解説しています。
Q. 社内資料を使うと情報漏洩が心配です。安全に作れますか？
A. 資料を外部の学習に渡さず、自社が管理する環境の中だけで検索・回答する構成にすれば、データを外に出さずに運用できます。VPS上に閉じた構成でも実用的な精度は出せます。回答に出典を添える設計にすれば、誤答も見抜きやすくなります。問い合わせ自動化の進め方は問い合わせ対応を生成AIで自動化する進め方を参照してください。
Beekleにご相談ください Beekleでは、生成AI／CDP／業務システムの企画・要件定義・開発・運用までワンストップで支援しています。「何を作れば成功か」の整理、検証フェーズの設計、本番化判断まで、発注側の判断材料が揃うように伴走します。費用感の概算だけでも歓迎です。