「ChatGPTを契約したのに、結局一部の人しか使っていない」
「生成AIを業務に使いたいが、何から手をつければいいかわからない」
最近、システムのご相談でこうした声をいただく機会が一気に増えました。
生成AIは、チャット画面を配るだけでは業務はなかなか変わりません。
業務システムの中に「決まった使い方」で組み込んだとき、はじめて毎日の仕事が変わります。
本記事では、生成AIを業務システムに組み込むときの代表的なパターン、発注前に決めておきたい6項目、費用と期間の目安を、開発会社の立場から解説します。
後半では、当社が実際に開発した「社内ナレッジのAIチャット検索（RAG）」と「請求書のAI読み取りを組み込んだ支払業務システム」の2つの事例もご紹介します。
生成AIを業務システムに組み込むとは
生成AIの業務システム組み込みとは、ChatGPTなどのAIを、社内で使っている業務システムの画面や処理の一部として動かすことです。
社員がAIのチャット画面を開いて質問を考えるのではなく、いつもの業務画面のボタンや取込処理の中で、AIが決まった仕事をこなします。
組み込みの対象になりやすいのは、次のような業務です。
- 探す
マニュアル・過去資料・社内規程から、必要な情報を見つけて答える - 読み取る
請求書・注文書・FAXなどの紙やPDFから、業者名や金額などを取り出す - まとめる
日報・議事録・問い合わせ履歴を要約し、傾向を整理する - 書く
メール返信・報告書・案内文の下書きを作る - 振り分ける
問い合わせや書類の種類を判定し、担当や処理を振り分ける
どれも「人が毎日くり返している、少し頭を使う作業」です。
ここにAIを入れ、最後の確認だけを人が行う形にするのが、組み込み型の基本的な考え方です。
「ChatGPTを使う」と「業務システムに組み込む」の違い
ChatGPTのようなチャットサービスをそのまま使う方法と、業務システムに組み込む方法は、似ているようで性質がまったく違います。
違いを整理すると、次のとおりです。
| 比較の軸 | チャットサービスをそのまま使う | 業務システムに組み込む |
|---|---|---|
| 使う人 | AIに慣れた一部の社員 | 業務担当者全員 |
| 使い方 | 毎回、質問文を自分で考える | ボタン1つ・決まった手順で動く |
| 社内データ | その都度コピーして貼り付ける | システム内のデータを直接使う |
| 結果の行き先 | 画面に表示されて終わり | そのまま登録・出力・次の処理へ |
| 品質のばらつき | 人によって大きく違う | 仕組みで一定に保てる |
| 管理 | 誰が何を入れたか把握しにくい | 権限・履歴をシステムで管理できる |
チャットサービスは「個人の道具」、組み込み型は「業務の仕組み」と考えるとわかりやすいです。
AIを使いこなせる人がいなくても成果が出る状態をつくるのが、組み込みの一番の目的です。
チャットボット単体の費用については、AIチャットボット開発の費用相場｜タイプ別の内訳と見積もりの見方を開発会社が解説で詳しく解説しています。
業務システムへの組み込みでよく使われる3つのパターン
ご相談の内容を整理すると、組み込みの形は大きく3つのパターンに分かれます。
自社の課題がどれに近いかを先に見きわめると、要件や費用の話が進めやすくなります。
| パターン | 向いている課題 | AIの役割 | 人の役割 |
|---|---|---|---|
| ① 社内ナレッジ検索（RAG） | 資料はあるのに探せない・ベテランに質問が集中する | 関連資料を探し、要点をまとめて答える | 回答の根拠資料を確認する |
| ② 書類のAI読み取り | 請求書・注文書の手入力に時間がかかる | 紙・PDFから項目を取り出す | 読み取り結果を確認・修正する |
| ③ 文章の下書き・要約 | 報告書・返信文の作成に時間がかかる | 下書きや要約を作る | 内容を直して確定する |
① 社内ナレッジ検索（RAG）
RAG（検索拡張生成）とは、AIが答える前に社内の資料を検索し、その資料をもとに回答させる仕組みです。
AIが一般論で答えるのではなく、「自社の資料に書いてあること」を根拠に答えるようになります。
「あの件、前にどう対応したっけ」をベテランに聞かなくても、画面で質問すれば過去資料から答えが返ってきます。
属人化の解消や、新人の立ち上がりを早める目的で選ばれることが多いパターンです。
② 書類のAI読み取り
請求書・注文書・納品書などの紙やPDFを、AIが読み取って項目ごとのデータにするパターンです。
従来のOCRは「どこに何が書いてあるか」を帳票ごとに設定する必要がありましたが、生成AIは書式の違う書類でも項目を取り出しやすくなっています。
ただし、読み取りは100%ではありません。
読み取った結果を人がすばやく確認できる画面まで含めて作ることが、実務では欠かせません。
注文書の読み取りについてはAIで受発注業務を自動化する方法｜FAX・メール注文の自動処理と進め方で解説しています。
③ 文章の下書き・要約
日報や問い合わせ履歴の要約、メール返信や報告書の下書きをAIに作らせるパターンです。
業務システムの中に入力データがそろっているため、「この案件の経緯をまとめて」といった操作をボタン1つで実行できます。
3つのパターンは組み合わせることもできます。
たとえば「読み取った請求書データを、過去の支払履歴と照らし合わせて確認する」といった使い方です。
AIだけ入れても業務が変わらない5つの理由
生成AIの導入がうまくいかないケースには、共通点があります。
当社がご相談を受ける中で、特に多いものを5つ挙げます。
1. AIの結果を、人が確認しにくい
AIの答えは、ときどき間違えます。
それなのに、元の資料や原本と見比べる手段がないと、結局すべてを人がやり直すことになります。
確認のしやすさを設計していないことが、失敗の一番の原因です。
2. AIの結果が、次の作業につながっていない
AIが読み取った金額を、別のExcelに手で打ち直している。
こうした「AIとExcelの往復」が残ると、手間はほとんど減りません。
結果がそのまま登録や出力に流れることが重要です。
3. 社内データが整っていない
取引先名の表記がばらばら、資料の保存場所が人によって違う。
この状態でAIを入れても、正しく照合・検索できません。
AIの前に、マスタや資料の置き場所を整える作業が必要になることが少なくありません。
4. 現場の実際のやり方を見ていない
長く使われてきたExcelや紙の運用には、書かれていない独自ルールがあります。
会議室の打ち合わせだけで仕様を決めると、その独自ルールが抜け落ち、現場で使えないシステムになります。
5. 「何でもAIで」を目指してしまう
最初から全業務をAI化しようとすると、要件が決まらず、費用も膨らみます。
効果が見えやすい1つの業務から始め、うまくいったら広げる方が確実です。
進め方は中小企業のDXは小さく始める｜試験導入から横展開までの進め方も参考にしてください。
発注前に決めておきたい6項目
生成AIの組み込みを開発会社に相談する前に、次の6項目を社内で整理しておくと、見積もりの精度が上がり、手戻りも減ります。
すべてが決まっていなくても構いません。「決まっていない」とわかっていることが大切です。
| 決めること | 具体的に確認する内容 |
|---|---|
| ① 対象業務 | どの業務の、どの作業をAIに任せたいか。1日・1か月に何件あるか |
| ② AIの役割と人の役割 | AIに任せる範囲と、人が確認・判断する範囲の線引き |
| ③ 使うデータ | 読み取る書類の種類、検索させたい資料の場所と形式（PDF・Word・Excelなど） |
| ④ 間違えたときの扱い | AIが誤った場合に、誰がどこで気づき、どう直すか |
| ⑤ 情報の取り扱い | AIに渡してよい情報・渡してはいけない情報、利用するAIサービスの規約確認 |
| ⑥ 既存システム・Excelとの関係 | 今のExcelや会計・銀行などのシステムとどうつなぐか。置き換えるか、併用するか |
この中で特に重要なのが②と④です。
「AIは必ず間違える」を前提に、人が確認する場面をどう速くするかを決めることが、組み込み型の設計の出発点です。
当社が開発する際も、AIの精度そのものより「確認画面の使いやすさ」と「迷ったときに自動で処理しないルール」に時間をかけます。
既製のAIサービスと個別開発、どちらを選ぶか
生成AIを業務に取り入れる方法は、個別開発だけではありません。
既製のチャットサービスやAI機能つきのクラウドサービス（SaaS）で足りるケースもあります。
| 比較の軸 | チャットサービス（ChatGPTなど） | AI機能つきSaaS | 業務システムへの個別開発 |
|---|---|---|---|
| 始めやすさ | すぐ使える | 契約すれば短期間で使える | 開発期間が必要 |
| 自社の業務への合わせやすさ | 低い | サービスの範囲内 | 高い |
| 既存データ・Excelとの連携 | 手作業でコピー | 対応形式に合わせる必要あり | 今の形式に合わせて作れる |
| 初期費用 | ほぼ不要 | 小〜中 | 中〜大 |
| 向いているケース | 個人の調べもの・文章作成 | 業務が一般的な型に近い | 独自の運用・複数業務の連携がある |
判断の目安は、「今の業務のやり方をサービスに合わせられるか」です。
合わせられるならSaaS、独自のExcelや運用ルールを活かしたいなら個別開発が向いています。
開発会社の選び方はAI開発会社の選び方｜パッケージ・スクラッチ・ノーコード比較でも解説しています。
費用と期間の目安
生成AIを組み込んだ業務システムの費用は、「AI部分」よりも「周辺の業務機能」で大きく変わります。
一般的な目安は次のとおりです。
| 構成 | 内容の例 | 初期費用の目安 | 期間の目安 |
|---|---|---|---|
| スモールスタート | 既存システムにAI機能を1つ追加（要約・下書きなど） | 数十万〜200万円程度 | 1〜2か月 |
| 標準構成 | AI読み取り・社内検索＋確認画面・データ登録までを新規開発 | 200万〜600万円程度 | 2〜4か月 |
| 連携型 | 複数業務のAI化＋会計・銀行・基幹システムとの連携 | 500万円〜 | 4か月〜 |
※金額・期間はあくまで目安です。対象業務の範囲、既存データの状態、連携先の数によって大きく変わります。
初期費用とは別に、AIの利用料（API費用）が毎月かかります。
処理する件数や、検索時にAIへ渡す資料の量によって変わるため、見積もりの段階で「月に何件処理するか」を伝えておくと、ランニング費用も試算しやすくなります。
なお、後ほど紹介する支払業務システムの事例では、既存のExcel運用を活かす設計にしたことで、開発期間は1か月でした。
対象を絞り、今の運用を活かせば、AIを組み込んだシステムでも短期間で稼働できます。
システム開発全体の相場はシステム開発の費用相場｜規模・種類別の目安と人月単価・見積もり妥当性をご覧ください。
開発事例：生成AIを業務システムに組み込んだ2つのケース
ここからは、当社が実際に開発した事例を2つご紹介します。
どちらも「AIを入れること」ではなく、「業務の流れの中でAIをどう使うか」から設計しました。
事例1：社内ナレッジをAIチャットで検索（RAG）
課題
過去の資料はあるものの、保存場所がばらばらで「情報は存在するのに探せない」状態でした。
知識は特定のベテラン社員に集まり、従来のキーワード検索は言い換えに弱いため、ほとんど使われていませんでした。
論点
AIに意味で探させると、言い換えには強くなります。
一方で、型番や社名などの固有名詞は、意味で探すより文字どおりに探す方が確実です。
また、新しいデータベースを増やすと、運用の手間が増えるという心配もありました。
工夫
意味の近さで探す「ベクトル検索」と、従来の「キーワード検索」を組み合わせたハイブリッド方式を採用しました。
専用のデータベースは入れず、既存の業務システムのデータベースの中で完結させ、運用するものを増やさない設計にしました。
あわせて、どこまで似ていれば「関連する資料」とみなすかの基準を細かく調整しています。
結果
検索が実際に使われるようになり、ベテラン社員への問い合わせが減りました。
新入社員が自分で調べて学べる環境もできています。
技術構成や工夫の詳細は社内ナレッジをAIチャットで検索｜ベクトル検索（RAG）を業務システムに組み込むで解説しています。
事例2：請求書のAI読み取りを組み込んだ支払業務システム
課題
ホテルの経理部門で、支払業務を1冊のExcelで運用していました。
紙やPDFの請求書から業者名と金額を手で転記し、2つの拠点に金額を振り分け、振込は銀行サイトに1件ずつ入力する流れです。
同じ業者が「株式会社」「㈱」など違う表記で登録され、二重登録が22件ありました。
論点
要件定義書はなく、Excelには長年の独自ルールがありました。
また、AIの読み取りは必ずどこかで間違えます。
「AIの精度を上げる」より「人の確認をどれだけ速くするか」が論点でした。
工夫
現場を見て、既存Excelの読み取りルールをそのままシステムに組み込み、Excelを作り直さずに移行できるようにしました。
画面の左に請求書の原本、右にAIの読み取り結果を並べ、確認が必要なものだけを「保存して次へ」で連続処理できるようにしました。
業者名は4段階で突き合わせ、候補が2件以上あるときは自動で紐付けず、人の判断に任せます。
スキャン中のファイルを取り込まないよう「保存から10秒未満のファイルは対象外」にする、使っていなかった入力項目は削るなど、実際の運用に合わせた細かな設計も加えています。
結果
請求書の手転記は、画面での「確認」作業に変わりました。
スキャン後はボタン1回で取込が完了し、明細にチェックを入れて振込指定日を決めれば、銀行振込用のデータ（全銀データ）を出力できます。
業者名の二重登録22件も解消しました。
開発期間は1か月です。
2つの事例に共通するのは、AIに任せる部分と人が判断する部分をはっきり分けたことです。
そして、「振込データの出力は支払の実行ではない」など、システムにできないことも画面に明記しました。
できることとできないことが見えると、現場は安心してAIを使えるようになります。
よくある質問
Q. 今使っている業務システムにも、生成AIを後から組み込めますか？
A. 多くの場合は可能です。
既存システムの作り（言語・データベース・改修できるかどうか）を確認したうえで、AI機能を追加する形と、周辺に新しい画面を作って連携する形のどちらが良いかをご提案します。
Q. 社内の情報をAIに渡しても大丈夫ですか？
A. 利用するAIサービスの契約形態や規約によって、入力データの扱いは異なります。
発注前に「AIに渡してよい情報・渡してはいけない情報」を決め、その方針に合うサービスと設定を選ぶことが大切です。
Q. AIが間違えたら、どうなりますか？
A. 間違える前提で設計します。
原本と結果を並べて確認できる画面、判断に迷うものは自動処理しないルール、根拠となった資料の表示などで、人が気づいて直せるようにします。
Q. 毎月のAI利用料はどのくらいかかりますか？
A. 処理する件数、読み取る書類の枚数、検索時にAIへ渡す資料の量で変わります。
月の処理件数がわかれば概算を出せますので、見積もり時にお知らせください。
Q. 要件定義書がなくても相談できますか？
A. はい、問題ありません。
支払業務システムの事例も、要件定義書のない状態から、現場で使われていたExcelと実際の作業を見て仕様をまとめました。
今お使いのExcelや書類を拝見するところから始められます。
まとめ
- 生成AIは、業務システムに組み込むことで「一部の人の道具」から「業務の仕組み」に変わる
- 組み込みの代表的なパターンは「社内ナレッジ検索（RAG）」「書類のAI読み取り」「文章の下書き・要約」の3つ
- AIは必ず間違える前提で、人の確認を速くする画面とルールを設計する
- 発注前に、対象業務・AIと人の役割・使うデータ・誤りの扱い・情報の扱い・既存システムとの関係の6項目を整理する
- 費用はAI部分より周辺の業務機能で決まり、別途AIの月額利用料がかかる
- 今のExcelや運用を活かし、1つの業務から小さく始めると短期間で効果が出やすい
生成AIの業務システムへの組み込みは、AIの性能よりも「業務の流れにどう入れるか」で成果が決まります。
まずは、毎日くり返している作業のうち、時間がかかっているものを1つ挙げるところから始めてみてください。
株式会社みんなシステムズでは、生成AIを組み込んだ業務システムの開発を手がけています。
社内ナレッジをAIチャットで検索できるRAGの組み込みや、請求書のAI読み取りを組み込んだ支払業務システムの新規開発を行ってきました。
生成AIの業務システムへの組み込みをご検討の際は、現在の運用と課題をお聞かせいただければ、必要な機能と概算費用をご提示します。お気軽にご相談ください。
