株式会社Koinobori

CASE 07 | 問い合わせの仕分け

作り方:生成AIで作成動き方:プログラム+AI

問い合わせの9割は、
売り込みだった。

ホームページの問い合わせフォームに届く内容を、社内のMac miniで動く AI が仕分け、 買い手からの相談だけを担当者に届けます。

要点:株式会社Koinobori が自社で作った、問い合わせを仕分ける仕組みです。 過去1年分の問い合わせ85件のうち、本物の相談は8件でした。残りはフォームを使った売り込みです。 そこで、決まりごとで確実なものを先に落とし、残りを社内の Mac mini で動くローカル AI が「相談/売り込み/判断できない」に分けます。 問い合わせの本文は社外の AI には送りません。届くのは相談だけで、2026年9月2日から動いています。

導入前の実測
85件中 相談8件
過去1年分
仕分け
決まりごと+ローカルAI
二段構え
本文の送り先
社外に出さない
社内の Mac mini だけ
稼働
2026年9月〜
9月2日から

WHY — なぜ作ったか

本物の相談を、見逃さないために。

REASON 01

相談が、埋もれていた

過去1年分の問い合わせ85件を読み直すと、本物の相談は8件、約1割でした。残りは売り込みで、対応すべき相談が紛れて見つけにくくなっていました。

REASON 02

読む人の時間を、相談に使う

売り込みを1通ずつ開いて確かめる手間をなくし、担当者が読むのは買い手からの相談だけにします。

REASON 03

本文は、外に出さない

問い合わせの本文はお客様の個人情報です。便利な外部の AI サービスには送らず、社内の Mac mini の中だけで判定することにしました。

売り込みの中身は、人材紹介、リストの販売、出版、求人媒体、機材のレンタル、M&A、オフィスの紹介など、さまざまでした。

ARCHITECTURE — 構成

確実なものは決まりごとで、残りは社内の AI で。

フォームに届いた内容は会社のメールに入ります。Mac mini が数分おきに新着を確かめ、二段構えで仕分けて、相談だけを担当者に届けます。

入口

  • 問い合わせフォーム

  • 会社のメール

Mac mini(社内)

  1. 1

    新着を確かめる

    数分おきに。メールは読み取り専用の権限で読む

  2. 2

    決まりごとで落とす

    計測用のリンクなど疑いようのないもの、機械的な送信。AI には渡さない

  3. 3

    ローカル AI で3つに分ける

    相談/売り込み/判断できない

  4. 4

    相談だけを届ける

    ほかは理由をつけて記録に残す

届け先

担当者

相談だけ

毎朝の1行まとめ

前日の結果と、要確認の件名

社外に出さない:問い合わせの本文は、社外の AI サービスへ送りません

使っている技術

  • Mac mini
  • Python
  • Ollama(ローカル AI・qwen3:14b)
  • 会社のメール(読み取りのみの権限)
  • Slack

RULES — 仕分けの決まり

迷ったときは、届けずに毎朝知らせる。

  1. 1

    届けるのは、買い手の相談だけ

    研修の見積もり、法人での導入、教材の制作、講座の申込、交流会への参加、生成 AI 構築の相談。協業・提携・取材・登壇のご依頼なども、ここでは届けません。代表の判断です。

  2. 2

    わからないものは、届けず毎朝知らせる

    AI が判断できなかったものは、その場では届けません。そのかわり、毎朝の1行まとめに「要確認」として件名を出し、人が見て決められるようにしています。

  3. 3

    見送った理由を、残す

    届けなかったものも捨てません。なぜ見送ったかの理由をつけて記録に残し、あとから見直せるようにしています。

  4. 4

    AI に渡す前に、落とす

    営業配信ツールが付ける計測用のリンクなど、疑いようのないものは先に落とします。これだけで約2割が片づきます。攻撃のような機械的な送信もここで落とし、AI には渡しません。

  5. 5

    社内からの送信は、除外する

    社内からのテスト送信は対象から外します。導入のときに見つかった誤判定の原因は、これだけでした。

毎朝の1行まとめでは、攻撃のようなものは件数だけを伝え、内容は載せません。

VERIFICATION — 検証

過去1年の85件に、当ててみた。

対象
過去1年・85件
実際に届いた問い合わせ
本物の相談の取りこぼし
0件
8件すべてを相談と判定
売り込みを相談と誤る判定
0件
誤って届けたものなし

誤判定の原因は、社内のテストだけ

導入のときに見つかった誤判定の原因は、社内からのテスト送信だけでした。そのため、社内からの送信は対象から外しています。

HOW WE USE AI — AI の使い方

分類は AI、確実なものは決まりごと。

疑いようのないものは、決まりごとで先に落とすほうが確実で、速く、誤りもありません。文面の意図を読み取らなければ分けられないものだけを、AI に任せています。

問い合わせの本文には、お客様のお名前や連絡先、ご相談の内容が含まれます。そのため、社外の AI サービスには送らず、社内の Mac mini で動くローカル AI だけで判定しています。

判定のしかた 確実なものは決まりごと/分類はローカル AI

MORE

ほかの取り組みも、あわせて。

CASE 09 | もう1つの実例

Mac mini 1台のローカル AI を、実際の業務の問題で比べ、用途ごとに使い分けている事例です。

ローカル AI の使い分けを見る →

生成AI・ローカルLLM構築支援

当社自身が運用している、ローカル LLM と業務自動化の実例を掲載しています。

事例の一覧へ →

経営者コラム

自社で AI や自動化を運用する中での、工夫や失敗を記録しています。

経営者コラムを読む →

※ 本ページは、当社が自社の業務のために作った仕組みの事例紹介です。

KOINOBORI ECOSYSTEM

私たちが運営するサイト