「問い合わせ対応をAIで自動化できないか」。経営層からそう指示され、いざ調べ始めたものの、ベンダーの比較サイトを開くたびにチャットボットの種類が増え、料金も「無料」から「月額数十万円」までバラバラ。精度や保守の負荷についても各社の説明はセールストークが混じり、結局どれを選べばよいのか分からなくなった——。こうした状態で本記事にたどり着いた方は少なくないはずです。
AIチャットボット選びが難しいのは、「AIチャットボットとは何か」という知識が足りないからではありません。本当の問題は、自社の状況（問い合わせ件数・FAQの整備度・予算・運用体制）に当てはめて、どのタイプを選ぶべきかを判断できる物差しが手元にないことです。稟議を通すには、費用対効果を数字で説明し、「なぜこのタイプなのか」を論理的に示す必要があります。
そこで本記事では、チャットボットを「従来型（シナリオ型）」「生成AI型」「RAG型」の3タイプに整理した上で、費用・回答精度・保守コストという3つの軸で比較します。さらに、自社の状況からタイプを逆引きできる発注判断チェックリストと、稟議資料に書ける費用対効果の試算手順までを解説します。
読み終えるころには、シナリオ型・生成AI型・RAG型のどれを選ぶべきか自分で仮決めでき、ベンダー選定で確認すべきチェック項目を手にできるはずです。それでは、まず3タイプの違いを整理するところから始めましょう。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
AIチャットボットとは｜従来型チャットボットとの違いを整理
AIチャットボットとは、生成AIや自然言語処理を活用して、ユーザーの質問内容を解釈し、柔軟に回答を生成するチャットボットの総称です。これに対して、従来型のチャットボットは「シナリオ型」と呼ばれ、人があらかじめ用意した会話の分岐をたどって回答します。
両者の違いの本質は、回答を返すまでの「事前準備の重さ」と「回答の柔軟さ」にあります。この違いが、後ほど解説する費用・精度・保守コストのすべてに跳ね返ってきます。まずは3タイプの仕組みを押さえましょう。
従来型（シナリオ型）チャットボットの仕組み
シナリオ型チャットボットは、「Aと聞かれたらBと答える」という会話の流れ（シナリオ）を人が事前に設計しておくタイプです。ユーザーは選択肢ボタンを押したり、決められたキーワードを入力したりして、用意された分岐をたどっていきます。
このタイプはAIを搭載していないため、シナリオに用意されていない質問には答えられません。一方で、回答内容は設計者が完全にコントロールできるため、想定外の質問には答えられないものの、誤った情報（嘘）を返すことはないという安心感があります。「よくある質問が決まっていて、回答もパターン化できる」業務に向いています。
AIチャットボット（生成AI型・RAG型）の仕組み
AIチャットボットは大きく「生成AI型」と「RAG型」に分かれます。
生成AI型は、ChatGPTに代表される大規模言語モデル（LLM）を使い、ユーザーの自由な文章を解釈して回答を生成します。シナリオを細かく組まなくても自然な対話ができる反面、モデルが学習した一般知識をもとに回答するため、自社固有の情報を正確に答えられなかったり、もっともらしい誤情報を生成したりする弱点があります。
RAG型（検索拡張生成／Retrieval-Augmented Generation）は、生成AIに「自社のFAQ・マニュアル・社内文書を検索して、その内容を根拠に回答させる」仕組みを組み合わせたタイプです。あらかじめ与えた情報源の中から関連箇所を探し出して回答するため、生成AIの柔軟さを保ちつつ、自社情報に基づいた正確な回答を返しやすいのが特徴です。近年、企業の問い合わせ対応で注目されているのはこのRAG型です。
3タイプの違い早見表
3タイプの違いを、事前準備・回答の柔軟さ・適する用途の観点で整理すると次のようになります。
項目 | シナリオ型（従来型） | 生成AI型 | RAG型 |
|---|---|---|---|
仕組み | 人が組んだ会話の分岐をたどる | LLMが自由文を解釈し回答を生成 | 自社情報を検索し根拠にして生成 |
事前準備 | シナリオ設計（重い） | 比較的軽い | 情報源（FAQ・文書）の整備が必要 |
回答の柔軟さ | 低い（想定内のみ） | 高い | 高い（自社情報の範囲で） |
誤回答のリスク | ほぼなし | あり（ハルシネーション） | 低め（出典に基づく） |
適する用途 | 定型的なよくある質問 | 雑多な一般的問い合わせ | 自社固有の複雑な問い合わせ |
なお、チャットボットとAIエージェントの違いについては、チャットボットとAIエージェントの違いで詳しく解説しています。本記事では従来型チャットボットとAIチャットボットの選定に絞って解説します。
なお、ベンダーによっては「AI搭載」とうたいながら、実態はキーワードに反応するだけのシナリオ型に近い製品もあります。後述する比較軸を使えば、その製品が本当に求めるタイプなのかを見分けやすくなります。
AIチャットボットと従来型の比較①｜費用（初期費用・月額・費用対効果）
チャットボット選定で稟議の最初に問われるのが「いくらかかるのか」「元が取れるのか」です。ここではタイプ別の費用相場と、自社の数字で費用対効果を試算する手順を示します。
タイプ別 費用相場の比較表
複数の費用比較記事を確認したところ、相場には次のような傾向がありました。シナリオ型は初期費用無料〜10万円程度・月額数千円〜数万円から始められる一方、AI型・生成AI型は初期10万〜100万円超、月額10万〜50万円程度がひとつの目安とされています（Tayori「AIチャットボットの料金相場」、ds-b「AIチャットボットの料金・導入費用の相場」、NTT東日本「チャットボットの費用」）。
タイプ | 初期費用の目安 | 月額費用の目安 | 備考 |
|---|---|---|---|
シナリオ型 | 無料〜10万円程度 | 数千円〜数万円 | 低コストで始めやすい |
生成AI型 | 10万〜100万円超 | 10万〜50万円程度 | トークン従量課金が加わる場合あり |
RAG型 | 数十万円〜（要件次第） | 15万〜50万円以上 | 情報源整備・構築費が上乗せされやすい |
費用には幅があり、価格を非公開とするサービスも多い点に注意してください（出典: NTT東日本、2026年）。生成AI型・RAG型では、問い合わせ件数に応じたトークン従量課金が加わることがあり、月間1,000件程度なら数千円で収まる一方、1日1万件を超える大規模サイトでは月額数十万円に達することもあります（ds-b、2026年）。
費用を左右する要因（チャネル・連携・カスタマイズ）
同じタイプでも費用が大きく変わるのは、主に次の3要因によります。
- 対応チャネル数: Webサイトだけでなく、LINE・社内チャット・メールなど複数チャネルに対応させると費用が上がります。
- 外部システムとの連携: 顧客管理システム（CRM）や在庫・予約システムなどとAPI連携させる場合、開発・設定の費用が発生します。
- カスタマイズの度合い: 既製のテンプレートで足りるか、自社専用のデザイン・回答ロジックを作り込むかで費用が変わります。
逆に言えば、稟議資料では「どのチャネルで・どのシステムと連携し・どこまで作り込むか」を先に決めておくと、ベンダーから精度の高い見積もりを引き出せます。
費用対効果の試算ステップ
「元が取れるか」を経営層に説明するには、削減できる人件費とツール費用を比較するのが最もシンプルです。次の手順で試算できます。
- 現状の問い合わせ件数を把握する: 月間の問い合わせ件数を数えます（例: 月3,000件）。
- チャットボットで自動対応できる割合を見積もる: 定型的な質問が占める割合を見積もります（例: 60% = 月1,800件）。
- 1件あたりの対応コストを算出する: オペレーターの時給と平均対応時間から計算します（例: 時給2,000円 × 1件5分 = 約167円）。
- 削減できる人件費を計算する: 自動対応件数 × 1件あたりコスト（例: 1,800件 × 167円 = 約30万円／月）。
- ツール費用と比較する: 削減人件費（約30万円）からツール月額（例: 15万円）を引くと、月15万円程度の効果が見込める、という形で示せます。
この試算はあくまで概算ですが、「自社の数字」に置き換えることで、相場の話に留まらない説得力のある稟議資料になります。実際には自動対応割合は導入直後は低く、運用改善とともに上がっていくため、初年度は控えめに見積もるのが安全です。
生成AI型・RAG型の費用構造をより詳しく知りたい方は、AIエージェント費用相場ガイドも参考になります。
AIチャットボットと従来型の比較②｜回答精度とハルシネーション対策
費用の次に判断軸となるのが「どこまで正確に問い合わせ対応できるか」という回答精度です。問い合わせ対応は顧客との接点であり、誤った回答はクレームや信頼低下に直結します。「生成AIは嘘をつくから本番投入が怖い」という不安は、ここで整理しておきましょう。
タイプ別の回答精度・対応範囲の違い
3タイプの精度は、次のようなトレードオフの関係にあります。
- シナリオ型: 想定外の質問には「答えられません」と返すしかありませんが、用意した回答は確実に正しいため、誤情報を返すリスクはほぼありません。
- 生成AI型: 自由な質問に柔軟に答えられますが、自社固有の情報を持たないため、もっともらしい誤情報（ハルシネーション）を返すリスクがあります。
- RAG型: 自社の情報源を根拠に回答するため、柔軟さと正確さを両立しやすく、出典を示せるため利用者も回答の根拠を確認できます。
つまり「柔軟だが誤りうる生成AI型」と「正確だが融通の利かないシナリオ型」の中間で、両者の長所を取りにいくのがRAG型、という位置づけです。
ハルシネーションはなぜ起きるか・どう抑えるか
ハルシネーションとは、生成AIがもっともらしいけれど事実と異なる回答を生成してしまう現象です。生成AIは「与えられた文脈から最も自然に続く言葉」を確率的に選んでいるため、知らないことでも自信ありげに答えてしまう性質があります。
実務でハルシネーションを抑える代表的な方法は次の3つです。
- RAGで回答の根拠を限定する: 自社のFAQ・マニュアルの範囲内で回答させ、情報源にない質問には「分かりません」と返す設計にします。
- 出典・参照元を明示する: 回答に「この内容はこのページに基づいています」と出典を添えることで、利用者が裏取りできるようにします。
- 有人対応へのエスカレーションを用意する: AIが確信を持てない質問は、無理に答えさせず人のオペレーターへ引き継ぐ導線を設けます。
これらを組み合わせれば、生成AIのリスクは実務で許容できる水準まで下げられます。「生成AIは危険だから一切使わない」のではなく、「どう設計すれば安全に使えるか」を判断軸に持つことが重要です。
問い合わせ対応で精度が問われる場面の見極め
精度をどこまで求めるかは、問い合わせの性質によって変わります。料金・契約・個人情報など、誤った回答が重大なトラブルにつながる領域では、シナリオ型で確実な回答を返すか、RAG型で出典を明示しつつ最終確認を有人対応に回すのが安全です。一方、製品の使い方や営業時間といった一般的な問い合わせは、多少の柔軟さを優先して生成AI型・RAG型に任せやすい領域です。
AIチャットボットと従来型の比較③｜保守コストと運用負荷
導入費用ばかりに目が向きがちですが、チャットボットが「使われなくなる」失敗の多くは、導入後の保守・運用が回らないことに原因があります。ここは比較サイトでも見落とされがちな軸なので、選定時にしっかり確認しておきましょう。
シナリオ型の保守負荷（シナリオ更新）
シナリオ型は、新しい質問パターンが増えるたびに、人がシナリオの分岐を追加・修正する必要があります。FAQが頻繁に変わる業務では、この更新作業が継続的に発生します。シナリオが複雑になるほど修正の手間も増え、「気づいたら誰もメンテしておらず、古い情報のまま放置されていた」という形骸化が起きやすいタイプです。
生成AI型・RAG型の保守負荷（情報源メンテ・精度監視）
生成AI型・RAG型は、シナリオを細かく組む必要がない分、初期構築後の更新は楽に見えます。しかしRAG型の場合、回答の根拠となる情報源（FAQ・マニュアル・社内文書）を最新に保つメンテナンスが欠かせません。情報源が古いままだと、AIは古い情報を正確に答えてしまいます。
加えて、生成AI型・RAG型では「想定どおりの精度で回答できているか」を定期的にモニタリングし、誤回答が多い質問について情報源やプロンプトを調整するチューニングも必要です。シナリオ更新という人手の作業からは解放されますが、情報の鮮度管理と精度監視という別の運用が発生する点を見落とさないようにしましょう。
運用体制を決めずに導入すると失敗する理由
タイプを問わず、チャットボットは「導入して終わり」のツールではありません。誰が・どのくらいの頻度で・何をメンテするのかという運用体制を決めずに導入すると、回答の質が徐々に劣化し、利用者に見限られて使われなくなります。
稟議の段階で「導入後の運用担当と工数」まで盛り込んでおくことが、形骸化を防ぐ最大のポイントです。費用比較の際も、初期費用・月額だけでなく「自社内で発生する運用工数」を隠れたコストとして見積もりに含めておきましょう。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
自社に合うのはどちら？発注判断フレーム（タイプ逆引きチェックリスト）
ここまでの費用・精度・保守の3軸を踏まえ、自社の状況からタイプを逆引きできる判断フレームを示します。稟議資料で「なぜこのタイプなのか」を説明する根拠として活用してください。
4つの判断変数（問い合わせ量・FAQ整備度・予算・運用体制）
タイプ選定は、次の4つの変数を棚卸しすることから始めます。
- 問い合わせ量: 月間の問い合わせ件数と、その内容のばらつき（定型的か／多様か）。
- FAQの整備度: 回答の根拠になるFAQ・マニュアルがどこまで整っているか。
- 予算規模: 初期費用・月額に充てられる予算の上限。
- 運用体制の有無: 導入後にメンテを担当する人員・工数を確保できるか。
タイプ逆引きチェックリスト
4変数の状況から、適するタイプを逆引きできるよう整理しました。
自社の状況 | シナリオ型 | 生成AI型 | RAG型 |
|---|---|---|---|
問い合わせが定型的で種類が少ない | ◎ | △ | ○ |
問い合わせが多様で自由文が多い | △ | ○ | ◎ |
FAQ・マニュアルが整備されている | ○ | △ | ◎ |
FAQがほとんど整備されていない | △ | ○ | △ |
予算を抑えたい・まず試したい | ◎ | △ | △ |
自社固有の複雑な質問に正確に答えたい | △ | △ | ◎ |
メンテ担当の工数を確保しにくい | ○ | ○ | △ |
（◎: 特に適する／○: 適する／△: 条件次第）
FAQが整備されていない場合、RAG型は根拠となる情報源が不足するため本領を発揮できません。その場合は、まずシナリオ型や生成AI型で運用を始めながらFAQを整え、後からRAG型へ移行するという段階的な進め方も現実的です。
代表的な3つの選定シナリオ例
具体的なイメージを持てるよう、典型的な3パターンを挙げます。
- 小規模・定型的・予算重視のケース: 問い合わせが「営業時間」「返品方法」など定型的で、まずは低コストで始めたい。→ シナリオ型から始め、効果を見て拡張を検討。
- 問い合わせが多様・FAQ整備済み・予算ありのケース: 自社固有の複雑な質問が多く、回答の正確さが求められ、メンテ体制も確保できる。→ RAG型で柔軟さと正確さを両立。
- 一般的な質問が中心・素早く立ち上げたいケース: 製品の使い方など一般的な質問が多く、シナリオを組む手間を省きたい。→ 生成AI型で柔軟に対応しつつ、誤回答対策を併用。
パッケージ導入かカスタム開発か｜選定後の次のステップ
タイプを仮決めできたら、次は「既製のSaaS型パッケージで足りるのか、それとも自社向けのカスタム開発が必要か」という判断です。ここはシステム開発を手がける秋霜堂株式会社の視点から、中立的に線引きの考え方をお伝えします。
SaaS型パッケージで足りるのは、次のようなケースです。
- 問い合わせ内容が一般的で、既製のテンプレートやFAQ取り込み機能で対応できる
- 既存システムとの複雑な連携が不要、または標準連携で足りる
- 短期間・低コストで立ち上げたい
一方、カスタム開発（またはRAG基盤の自社構築）を検討すべきなのは、次のようなケースです。
- 基幹システムや独自データベースと深く連携させ、リアルタイムの情報を回答に反映させたい
- 自社のセキュリティ要件上、社内文書を外部SaaSに預けられない
- 既製品では実現できない独自の回答ロジック・業務フローが必要
次のアクションとしては、自社の4変数（問い合わせ量・FAQ整備度・予算・運用体制）を棚卸ししてタイプを仮決めし、要件を整理した上で複数社に相見積もりを取るのが王道です。相見積もりの際は、初期費用・月額だけでなく「運用工数」「情報源メンテの分担」「ハルシネーション対策の設計」「将来の拡張・連携の可否」まで確認項目に含めると、価格だけでは見えない実力差を比較できます。 チャットボット導入後、さらにAIエージェントへの発展を検討する場合は、チャットボットとAIエージェントの違いもあわせてご参照ください。
よくある質問（FAQ）
Q1. AIチャットボットと従来型チャットボットの一番の違いは？
従来型（シナリオ型）は人が組んだ会話の分岐をたどるため想定外の質問に答えられませんが、AIチャットボット（生成AI型・RAG型）は自然な文章を解釈して柔軟に回答できます。詳しくは「AIチャットボットとは｜従来型チャットボットとの違いを整理」をご覧ください。
Q2. 費用は最低どれくらいから始められる？
シナリオ型なら初期費用無料〜10万円程度、月額数千円から始められるサービスもあります。生成AI型・RAG型は初期10万円以上・月額10万円以上が目安です。試算手順は「費用対効果の試算ステップ」で解説しています。
Q3. FAQが整備されていなくても導入できる？
シナリオ型や生成AI型は導入できますが、RAG型は回答の根拠となる情報源が必要なため、FAQ整備が前提です。整備が不十分な場合は、まず別タイプで始めてFAQを整え、後からRAG型へ移行する進め方が現実的です。
Q4. 生成AIのハルシネーションは実務で問題にならない？
RAGで根拠を限定する・出典を明示する・有人対応へエスカレーションする、といった設計で実務上許容できる水準まで抑えられます。詳しくは「ハルシネーションはなぜ起きるか・どう抑えるか」をご覧ください。
Q5. 問い合わせ削減効果はどれくらい見込める？
自動対応できる割合（定型的な質問の比率）に依存します。月間問い合わせ件数 × 自動対応割合 × 1件あたり対応コストで削減人件費を試算できます。ただし導入直後の自動対応割合は低めに見積もるのが安全です。
Q6. 導入が失敗するのはどんなとき？
最も多いのは、導入後の運用体制を決めず、シナリオや情報源のメンテが止まって形骸化するケースです。稟議の段階で運用担当と工数まで盛り込んでおくことが失敗回避の鍵になります。
まとめ｜費用・精度・保守の3軸で自社に合うチャットボットを選ぶ
AIチャットボットと従来型チャットボットの選定は、「どれが優れているか」ではなく「自社の状況にどれが合うか」で判断するものです。本記事で整理した3軸を振り返りましょう。
- 費用: シナリオ型は低コストで始めやすく、生成AI型・RAG型は高機能だが費用も上がる。相場だけでなく自社の数字で費用対効果を試算する。
- 精度: シナリオ型は確実だが融通が利かず、生成AI型は柔軟だが誤りうる。RAG型は出典に基づき両者の長所を取りにいける。
- 保守コスト: シナリオ型はシナリオ更新、生成AI型・RAG型は情報源メンテと精度監視。どちらも運用体制を決めないと形骸化する。
検索者が取るべき次のアクションは明確です。まず自社の4変数（問い合わせ量・FAQ整備度・予算・運用体制）を棚卸しし、本記事のチェックリストでタイプを仮決めする。次に要件を整理し、複数社に相見積もりを取って運用工数まで含めて比較する。この手順で進めれば、「何を物差しに選べばよいか分からない」状態から抜け出し、稟議を通せる根拠を持って意思決定できるはずです。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
