製造業の問い合わせ対応をAI化するとき、最初に押さえておきたいことがあります。代理店や顧客から届く質問の多くは「この型番の後継は何か」「この部品はこの機種に付くか」「保証はどこまでか」という、製品と部品と機種の関係をたどる問いです。単語を拾って定型文を返すFAQボットでは答えが出ません。部品と機種、旧品と後継品、不具合と対策を関係でつないだナレッジグラフに、根拠となる資料を添えて答えさせる作り方が必要になります。
製造業のCSに届く問い合わせは「関係の問い」が多い
電話やメールの内容を分類すると、単なる用語の説明はほとんどありません。ベテランが電話帳のような適合表と過去のやりとりを見比べて答えている質問は、だいたい次の類型に収まります。
- 適合・互換：この部品は指定の機種に取り付けられるか、別メーカー品と互換性があるか。
- 後継品：廃番になった型番の後継は何か、後継品でも従来のオプションが使えるか。
- 保証範囲：この不具合は保証内か、交換部品にも保証が及ぶか、保証期間の起算日はいつか。
- 仕様・寸法：取付寸法や電源仕様、対応する規格。
- 在庫・納期：現行品の入手可否、代替品の提案。
どれも「Aという製品」と「Bという部品」と「Cという機種」の間の関係を正しくたどれないと答えられません。回答を間違えれば返品や誤発注につながるので、勘で返すわけにもいきません。
Excelの適合表や普通のチャットボットが行き詰まる理由
多くの現場は適合情報をExcelの適合表で管理しています。行に部品、列に機種を並べて丸印を打つやり方です。製品ラインが一つなら回りますが、実際は縦横に関係が絡みます。ある部品が複数の機種に適合し、その機種にはそれぞれ後継があり、後継品では適合する部品が一部入れ替わる。この多対多の関係が数世代にわたって続くと、表は肥大化して更新が追いつかなくなります。
型番の表記揺れも厄介です。ハイフンの有無、末尾のリビジョン記号、社内呼称と正式品番の違いで、同じ部品が別物として扱われます。キーワード一致で動くチャットボットは、この揺れを吸収できません。「近い文字列」を返してしまい、適合しない部品を案内する事故が起きます。さらに、取扱説明書や保証規定はPDFで別管理されていることが多く、表とドキュメントが分断されたままでは、根拠を示した回答になりません。
部品・機種・不具合・保証を関係でつなぐ
ここで有効なのがナレッジグラフです。製品、部品、機種、不具合、保証といった対象を点として置き、「適合する」「後継である」「保証対象に含む」といった関係を線でつなぎます。適合表が本来表現したかった多対多の構造を、そのまま関係データとして保持できます。表記揺れも、正式品番を一つの点にまとめて別名を紐づけておけば、社内呼称で聞かれても正しくたどれます。
回答はこのグラフをRAGと組み合わせて生成します。質問から関係をたどって候補を絞り、根拠となる適合表や保証規定の該当箇所を引いて、出典を添えて返します。取扱説明書のPDFは章や表の単位で取り込み、どの資料のどこを見て答えたかを提示できるようにしておきます。資料に無いことは「資料上は確認できません」と返す設計にすれば、無理に埋め合わせて誤案内する事態を避けられます。適合表のように縦横につながる情報ほど、関係データとナレッジグラフの相性が強く出ます。この考え方の背景はナレッジグラフは発注者に何の得があるかと、ナレッジグラフエージェントの作り方で詳しく触れています。
私たちが手がけた案件でも、社内に蓄積された問い合わせ履歴やナレッジを対象に、根拠つきで答えるカスタマーサポート向けの検索を構築しています。実際のデータ量になると通常のベクトル検索だけでは精度が伸びず、関係をたどるグラフ構造を組み合わせて回答の確からしさを上げました。運用しながら実データを足し込み、VPS上で動かしています。回答精度の考え方は社内ナレッジAIの精度を上げる作り方にまとめてあります。
小さく始めて0円デモで確かめる
最初から全製品ラインを対象にする必要はありません。問い合わせが集中している一つの製品ラインを選び、その適合表と取扱説明書、保証規定だけを取り込んで試すのが現実的です。回答の精度を実際の質問で確かめ、間違いの傾向を見てから対象を広げていきます。生成AIの基盤は安く速く組めますし、機微な社内資料を外に出さずVPSで完結させることもできます。まずは動くものを見てから判断したいはずなので、費用をかけずに試すデモから入るのが向いています。
費用の見方は生成AI開発の費用相場を、問い合わせ業務そのものの自動化の考え方は問い合わせ対応を生成AIで自動化する進め方を参考にしてください。関係データを軸にした検索の作り込みはGraphRAGとは？ベクトルRAGとの違いで扱っています。
よくある質問（FAQ）
Q. 既存のExcel適合表をそのまま使えますか？
A. 出発点として使えます。行と列で表現された適合関係は、部品と機種をつなぐ関係データに変換できます。ただし表記揺れの統一や、後継品の世代関係の補足は取り込み時に整えます。詳しくはナレッジグラフエージェントの作り方をご覧ください。
Q. 回答が間違っていないか、どう担保しますか？
A. 回答には必ず根拠となる適合表や保証規定の該当箇所を出典として添えます。資料に記載が無い場合は断定せず、確認できない旨を返す設計にします。オペレーターが出典を見て最終判断できる状態を保ちます。精度の考え方は社内ナレッジAIの精度を上げる作り方にあります。
Q. 取扱説明書のPDFも回答に使えますか？
A. 使えます。章や表の単位で取り込み、仕様や保証条件の問い合わせに対して該当ページを引いて答えます。適合表のような構造化データと、PDFの文章の両方を同じ検索から扱えるようにします。
Q. 社外に出せないデータでも導入できますか？
A. できます。VPS上で構成を完結させ、機微な適合情報や顧客履歴を外部に出さずに運用する形が取れます。生成AIの基盤は安価かつ短期で用意できるため、まずは一製品ラインの0円デモで確かめることをおすすめします。帝国データバンクの2026年3月調査でも情報の正確性や情報漏洩リスクが活用の課題に挙がっており（帝国データバンク）、根拠提示と自社内運用はその懸念に直接応えます。
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。