この記事は2025年8月に公開し、最新の情報をもとに随時更新しています。（最終更新：2026年3月）
ECサイトの問い合わせ対応をAIでテンプレート化する。これは単なる時短だけでなく、返信内容を「社内の共有資産（ナレッジ）」に変えるための第一歩です。うちの会社では、クライアントのEC支援で実際にこの仕組みを使い、対応時間の削減と品質の安定を両立させています。
以前の問題
以前の問い合わせ対応には、3つの問題がありました。
1つ目は、同じパターンの問い合わせに毎回ゼロから返信を書いていたこと。「返品したい」「在庫を確認したい」「配送日を変更したい」「領収書を発行してほしい」。パターンは決まっているのに、毎回新しく文面を考えていました。1件あたり10〜15分かかっていて、1日10件対応すると問い合わせだけで2時間以上取られていました。
2つ目は、コピペテンプレートの限界。簡単なテンプレートは以前から用意していたのですが、数が30以上に増えると「この問い合わせにはどれを使えばいいか」を探す時間がかかります。しかも定型文そのままだと冷たい印象になるので、毎回手でアレンジが必要。「探す＋アレンジする」の手間が、地味に積み重なっていました。
3つ目は、対応品質のバラつき。自分が対応するときとスタッフが対応するときで、文面のトーンや丁寧さにムラが出ます。忙しいときや体調が悪いときは、つい短くてそっけない返信になりがちです。お客様から見れば「前回は丁寧だったのに、今回は冷たい」と感じるかもしれません。
AIでテンプレートを作った手順
やったことはシンプルです。4ステップでテンプレートライブラリを作りました。
ステップ1。過去3ヶ月分の問い合わせデータ（約200件）をCSVで書き出して、AIに分類してもらいました。「この問い合わせデータをカテゴリ分けして、主要なカテゴリと件数を出して」と指示したところ、「返品・交換（42件）」「配送状況（35件）」「在庫確認（28件）」「商品仕様（25件）」「支払い・領収書（22件）」「クレーム（18件）」「その他（30件）」と出てきました。
ステップ2。各カテゴリの中で、よくあるパターンを特定しました。たとえば「返品・交換」の中でも、「商品が違っていた」「サイズが合わなかった」「商品が破損していた」「気が変わった」と細分化できます。上位10パターンを洗い出したところ、全体の約80%をカバーできることがわかりました。パレートの法則がきれいに当てはまった形です。
ステップ3。各パターンに対して、AIに返信テンプレートの作成を依頼しました。指示文は「ECサイトで{カテゴリ}の問い合わせを受けた際の返信テンプレートを作成してください。トーンは丁寧で温かみがある感じ。お客様の名前は{customer_name}、注文番号は{order_number}として変数にしてください。具体的な手順がある場合は番号付きリストで書いてください」としました。
ステップ4。AIが出力したテンプレートを自分で微調整しました。言い回しが一般的すぎるところを、自社のトーンに合わせて修正。たとえば「ご不便をおかけして申し訳ございません」を「ご不便をおかけしてしまい、大変申し訳ございません」に変えるなど、細かなニュアンスを調整しています。このプロセスに丸2日かかりました。
テンプレートの構造
各テンプレートは以下の構造で統一しています。
冒頭部分。お客様の名前＋お問い合わせへの感謝。「{customer_name}様、このたびはお問い合わせいただきありがとうございます。」これは全テンプレート共通です。
本文部分。回答の本題。問い合わせの種類によって内容が変わります。具体的な手順がある場合は番号付きリストで書きます。たとえば返品手順なら「1. 返品申請フォームから申請 2. 商品を着払いで返送 3. 商品到着確認後、3営業日以内に返金」のように。
締め部分。「その他ご不明な点がございましたら、お気軽にお問い合わせくださいませ。今後ともよろしくお願いいたします。」これも全テンプレート共通です。
ポイントは変数の埋め込みです。{customer_name}、{order_number}、{product_name}、{delivery_date}、{refund_amount}。これらを実際の情報に置き換えるだけで、パーソナライズされた返信になります。機械的な定型文ではなく、「ちゃんと自分の問い合わせに対応してくれている」と感じてもらえる仕上がりになります。
AIによるテンプレート選択と自動生成
テンプレートの選択自体もAIに任せています。新しい問い合わせが来たら、その内容をAIに渡して「この問い合わせに最適なテンプレートを選んで、以下の情報を埋めて返信案を作って」と依頼します。注文番号やお客様名などの情報も一緒に渡すと、AIが適切なテンプレートを選んで、変数に実際の情報を入れた返信案を生成してくれます。
これでテンプレートを「探す」工程がほぼなくなりました。AIが最適なものを選んでくれるので、人間はAIの出力を確認して、必要があれば微修正して送信するだけです。
2026年時点では、AIエージェント機能を使ったカスタマーサポートツールも増えてきています。過去の対応履歴やマニュアルをAIに学習させて、自社のトーンに合った返信を自動生成するサービスが出てきました。完全自動化まではいかなくても、返信案の生成を自動化するだけで対応時間はかなり短縮できます。
導入後の効果
この仕組みを入れてから、3つの変化がありました。
返信時間が平均15分から5分に短縮しました。テンプレートを探す時間がなくなり、ゼロから文面を考える必要もなくなったためです。1日10件の問い合わせなら100分の時短。月に換算すると30時間以上の削減になっています。
対応品質のバラつきがかなり減りました。誰が対応しても、テンプレートがベースラインの品質を保ってくれます。新しいスタッフでも、テンプレートを使えば初日からそれなりの品質で対応できます。教育コストの面でも助かっています。
クレーム対応の精度が上がりました。クレームのテンプレートは特に丁寧に作り込んでいて、お詫びの言葉遣い、補償の提案方法、エスカレーションの基準を整備しています。感情的になりやすい場面でこそ、テンプレートの存在価値は大きいです。冷静かつ丁寧な対応が安定してできるようになりました。
注意点とメンテナンス
テンプレートに頼りすぎると、機械的な対応になるリスクがあります。お客様は「自分のために書いてくれた」と感じたいものです。テンプレートをベースにしつつも、問い合わせの具体的な内容に合わせた一言を添えるようにしています。「今回お選びいただいた○○は、当店でも人気の商品でして…」のような、その人に向けた一文を加えるだけで印象が変わります。
テンプレートは定期的な見直しも必要です。商品のラインナップが変わったり、返品ポリシーが変わったり、配送業者が変わったりすれば、テンプレートの内容も更新が必要になります。うちでは四半期に1回、テンプレートの棚卸しをしています。古くなったテンプレートを放置すると、間違った情報をお客様に伝えてしまうリスクがあります。
新しいパターンの問い合わせが増えてきたら、テンプレートを追加します。AIに「この問い合わせは既存のテンプレートでカバーできないパターンですか？」と確認する仕組みも作っています。カバーできないパターンが月に5件以上発生したら、新しいテンプレートを作る基準にしています。
テンプレート運用の具体的な数字
テンプレート導入前後の数字を共有します。
導入前。1日あたりの問い合わせ対応件数：平均10件。1件あたりの対応時間：平均15分。1日の合計対応時間：約2.5時間。月間の合計対応時間：約50時間。
導入後。1日あたりの問い合わせ対応件数：平均10件（変化なし）。1件あたりの対応時間：平均5分。1日の合計対応時間：約50分。月間の合計対応時間：約17時間。
月に33時間の削減です。この時間を商品開発やマーケティング施策の立案に充てられるようになりました。テンプレート構築に2日（16時間）かかりましたが、初月で十分にペイしています。
問い合わせ対応は、EC運営の中でも「仕組み化の効果が出やすい」領域だと感じています。AIを使ったテンプレート化は、小規模なEC事業者でもすぐに取り組めます。最初のステップは、過去の問い合わせをカテゴリ分けするところからです。
AIテンプレートの発展形
テンプレートライブラリの次のステップとして、FAQページとの連携を進めています。よくある問い合わせのテンプレートをベースに、ECサイトのFAQページを充実させるやり方です。FAQで解決できる問い合わせが増えれば、そもそも問い合わせ件数自体が減ります。
実際、テンプレート化と並行してFAQページを拡充したクライアントでは、問い合わせ件数が2割減りました。1日10件が8件になれば、月に40件分の対応時間が浮きます。テンプレートで1件あたりの対応を速くし、FAQで件数自体を減らす。この二段構えが、問い合わせ対応を効率化する上で効果的です。
さらに先を見据えると、AIチャットボットによる自動応答も選択肢に入ってきます。テンプレートのライブラリがあれば、それをベースにチャットボットの応答パターンを構築できます。人間が対応するのは、チャットボットでは解決できない複雑な問い合わせだけ。ここまで仕組み化できれば、EC運営の効率はかなり上がります。
問い合わせ対応の効率化は、お客様にとってもメリットがあります。返信が速くなれば待たされるストレスが減りますし、対応品質が安定すれば安心して買い物ができます。仕組みを整えることが、結果的にお客様の体験向上にもつながっています。
問い合わせ対応AIで最初に決めるルール
問い合わせ対応をAIに手伝わせるときは、返信文のきれいさよりも、判断してよい範囲を決める方が重要です。納期、返品、返金、クレーム、個別値引きのように会社判断が必要なものは、AIが勝手に確定しないようにします。
最初は「よくある質問への返信案」「過去対応の要約」「確認すべき項目の抽出」に絞ると安全です。テンプレート化の目的は、人間の対応をなくすことではなく、毎回ゼロから考える時間を減らすことです。
問い合わせ返信を、社内ナレッジ作りの入口にする
問い合わせ返信は、1通ずつ丁寧に書くだけでは資産になりません。AIに下書きを作らせる前に、次の3点を残す設計にすると、返信業務がそのままCompany Brainの材料になります。
- 相手が何で困っているか
- 今回どう判断したか
- 次に同じ相談が来たとき、どの文面を再利用できるか
この流れを作ると、営業メール、FAQ、社内資料検索がつながります。返信文だけをAI化するより、過去の回答を探せる状態にした方が、現場の負担は下がります。
| 場面 | AIに任せる部分 | 人が見る部分 |
|---|---|---|
| 初回問い合わせ | 要点整理、返信たたき台 | 約束してよい範囲、温度感 |
| よくある質問 | 過去回答から候補文を出す | 今も正しいか、相手に合うか |
| 商談後フォロー | 議事メモから次アクションを書く | 金額、納期、責任範囲 |
先に読む記事: AIで営業メールを書く前に決めるべき条件。社内に残す設計は AIで社内資料を探せる状態にする手順 にまとめています。
返信テンプレートは、使った後に育てる
問い合わせ返信のAI化で差が出るのは、最初の文面よりも運用後です。よく聞かれる不安、返信後に止まる案件、営業メールへ進んだ案件。この3つを残すと、次の返信文が現場に合っていきます。
| 残す記録 | 次に直す場所 |
|---|---|
| 同じ質問が何度も来た | FAQと初回返信テンプレートへ移す |
| 返信後に返事が止まった | 次の一手と期限の書き方を短くする |
| 営業メールに進んだ | 反応があった表現を記事や提案文にも戻す |
monoblo内では、営業メールの下書き、記事運用への反映、社内ナレッジの更新を同じ流れで扱っています。問い合わせ対応だけを単独で自動化するより、返信後の反応まで1つのメモに戻す方が、AI業務改善としては強いです。
「返信して終わり」にしないAI運用の設計
問い合わせ対応をAIで効率化する際、もっとも大きなリターンは「返信時間の短縮」ではありません。「顧客が何に迷い、自社がどう答えたか」がAIで検索可能なデータとして蓄積され続けることです。
単なるコピペ用のテンプレート集ではなく、AIエージェントに「過去の類似対応と、その時の判断基準」をセットで参照させる仕組みを作ると、属人化していた対応が組織の共有知（Company Brain）に変わります。具体的には、以下の3つのレイヤーで運用を設計します。
- 一次回答レイヤー: AIがテンプレートに基づき、即座に返信案を生成する。
- 判断・修正レイヤー: 人間がAIの案を確認し、例外事項や最新の状況を加味して微調整する。
- ナレッジ還流レイヤー: 修正された返信内容をAIが再度学習し、次回のテンプレート精度を上げる。
この循環を作ることで、スタッフが入れ替わっても対応品質が落ちず、むしろ時間が経つほど「自社らしい」返信がAIから出てくるようになります。これは、単に便利なツールを使うのとは一線を画す、AI時代の「業務基盤」の作り方です。
小さな会社がAI導入で最初に決めるべき3つのステップ →
問い合わせ対応AIは、社内資料検索までつなげる
問い合わせ対応をAI化するとき、返信テンプレートだけを増やすと途中で詰まります。小さな会社では、返信文を作った後は、社内資料をAIで検索できる状態に寄せると、スタッフが「どのルールを見ればいいか」で迷わなくなります。