ChatGPTに社内FAQを学習させてサイトに設置する方法と費用・リスクを正直に解説

「よくある質問」対応を自動化したいけれど、費用や情報漏洩が心配…。ChatGPTを活用した社内FAQ Bot の導入手順、費用感、セキュリティリスクを実案件ベースで正直に解説します。

こんな悩み、抱えていませんか？

「問い合わせ対応に時間を取られすぎて、本来の業務が進まない」「サイトにチャットボットを設置したいけれど、どこから手をつければいいかわからない」「ChatGPTに社内の情報を学習させたら、情報が外に漏れるのでは？」

こうした相談は、最近とくに中小企業のWeb担当者や経営者の方から多く寄せられています。ChatGPTの名前は知っている、便利そうだとは思っている、でも「自社に導入できるかどうか」「費用はどれくらいかかるのか」「リスクは大丈夫なのか」という肝心な部分が曖昧なまま、踏み出せずにいる方が大半です。

この記事では、Fivenine Designが実際にクライアントへ提供してきた経験をもとに、FAQ Botの仕組み・費用感・情報漏洩リスクを包み隠さずお伝えします。「うちでも使えそうか」の判断材料として、ぜひ最後まで読んでみてください。

そもそも「ChatGPTに社内FAQを学習させる」とはどういうことか

まず大前提として、ChatGPT自体に直接FAQを「覚えさせる」ことはできません。ChatGPTの学習データは固定されており、あなたのFAQを追記する仕組みは提供されていないのです。

では実際にどうするかというと、**RAG（Retrieval-Augmented Generation）**と呼ばれる手法を使います。難しそうな名前ですが、仕組みはシンプルです。

flowchart TD
    A[ユーザーが質問を入力] --> B[質問をベクトル化して検索]
    B --> C[自社FAQデータベースから関連情報を取得]
    C --> D[取得した情報＋質問をChatGPT APIに送信]
    D --> E[ChatGPTが自然な日本語で回答を生成]
    E --> F[ユーザーに回答を表示]

「ユーザーの質問」→「自社FAQの中から関連情報を検索」→「その情報をChatGPTに渡して自然な文章で回答させる」という流れです。ChatGPTはあくまで「文章を生成するエンジン」であり、情報の源泉はあなたが用意したFAQデータです。これを理解しておくと、リスクの話がぐっと見えやすくなります。

費用感を正直に教えます

「いくらかかるの？」は経営判断の最重要ポイントなので、ここは具体的に書きます。

初期構築費用：20万〜50万円 FAQデータの整理・登録、チャットUIの実装、APIとの連携、サイトへの組み込みを含めた開発費です。FAQの件数と既存サイトの構造によって変わります。WordPressサイトへのプラグイン的な組み込みであれば20万円台から対応可能です。

OpenAI API利用料：月額1,000〜5,000円程度 FAQ Botが1回回答を生成するたびにAPIの「トークン」を消費します。中小企業のサイトで月間1,000〜3,000件程度の問い合わせであれば、この範囲に収まるケースがほとんどです。アクセスが急増した月は跳ね上がることもあるため、上限設定は必須です。

月額保守・運用費：2万〜5万円 FAQの内容更新、回答精度のチェック、エラー対応などを含めた継続費用です。

つまり、初年度トータルで35万〜80万円前後が現実的な相場感です。「ChatGPTだから安い」と期待される方も多いのですが、構築の手間はゼロではありません。

情報漏洩リスク、正直に話します

ここが最も聞かれるポイントです。結論から言えば、適切に構築すれば情報漏洩のリスクは限定的にコントロールできます。ただし「ゼロ」とは言い切れません。

とくに注意してほしいのが**「機密情報をFAQに含めないこと」**です。RAGの仕組み上、FAQに書いた情報はAPIに送信されます。給与体系・個人情報・取引先の詳細・未公開の製品情報などは絶対にFAQデータに含めてはいけません。「外部に公開しても問題ない情報だけ」をFAQとして登録する、これがセキュリティ管理の基本です。

実際の導入手順とコード例

実案件での構築フローをもとに、技術的な概要をご紹介します。構成はPHP（Laravel）＋OpenAI API＋ベクトル検索（pgvectorまたはシンプルなコサイン類似度）が弊社では多いパターンです。

Step 1：FAQデータの整備

まず既存のFAQをCSVやJSONで整理します。

[
  {
    "id": 1,
    "question": "返品はできますか？",
    "answer": "商品到着後7日以内であれば返品を承ります。未開封・未使用品に限ります。",
    "category": "注文・返品"
  },
  {
    "id": 2,
    "question": "送料はいくらですか？",
    "answer": "全国一律500円です。5,000円以上のご注文で送料無料となります。",
    "category": "配送"
  }
]

Step 2：FAQのベクトル化（Embedding）

各FAQをOpenAIのEmbedding APIでベクトル変換し、データベースに保存します。

// Laravel での実装例
use Illuminate\Support\Facades\Http;

function embedText(string $text): array
{
    $response = Http::withToken(config('services.openai.key'))
        ->post('https://api.openai.com/v1/embeddings', [
            'model' => 'text-embedding-3-small',
            'input' => $text,
        ]);

    return $response->json('data.0.embedding');
}

// FAQをDBに保存する際にベクトルも一緒に登録
foreach ($faqs as $faq) {
    $vector = embedText($faq['question'] . ' ' . $faq['answer']);
    DB::table('faqs')->insert([
        'question' => $faq['question'],
        'answer'   => $faq['answer'],
        'embedding' => json_encode($vector), // pgvector使用時はvector型で保存
    ]);
}

Step 3：ユーザーの質問に近いFAQを検索して回答生成

function getFaqAnswer(string $userQuestion): string
{
    // 1. ユーザーの質問をベクトル化
    $queryVector = embedText($userQuestion);

    // 2. コサイン類似度で最も近いFAQを取得（pgvector利用例）
    $relatedFaq = DB::selectOne(
        'SELECT question, answer FROM faqs ORDER BY embedding <=> ? LIMIT 1',
        [json_encode($queryVector)]
    );

    if (!$relatedFaq) {
        return 'お探しの情報が見つかりませんでした。お問い合わせフォームよりご連絡ください。';
    }

    // 3. 関連FAQをコンテキストとしてChatGPTに渡す
    $response = Http::withToken(config('services.openai.key'))
        ->post('https://api.openai.com/v1/chat/completions', [
            'model' => 'gpt-4o-mini',
            'messages' => [
                [
                    'role' => 'system',
                    'content' => "あなたはカスタマーサポートの担当者です。以下のFAQ情報のみをもとに、丁寧に回答してください。情報にない内容は回答せず、お問い合わせを促してください。\n\nFAQ: {$relatedFaq->answer}"
                ],
                [
                    'role' => 'user',
                    'content' => $userQuestion
                ]
            ],
            'max_tokens' => 300,
        ]);

    return $response->json('choices.0.message.content');
}

このコードのポイントはsystemプロンプトで**「FAQにない情報は答えない」と明示**していることです。これがプロンプトインジェクション対策と誤情報防止の両方に効きます。

よくある失敗パターンと対処法

実際の案件で見てきた「やりがちなミス」をまとめました。これを知っておくだけで、導入後の品質が大きく変わります。

あるクライアントでの導入事例

神奈川県内の通販事業者（社員20名）でFAQ Botを導入した際のケースです。それまで1日平均40件の問い合わせメールに、担当者1名がほぼ半日を費やしていました。

導入後3ヶ月で問い合わせメールが約35%減少。よくある配送・返品・支払い方法に関する質問の多くはボットが即答できるようになり、担当者は複雑なクレーム対応や新規顧客対応に集中できるようになりました。

初期費用35万円・月額4万円（API＋保守込み）の投資で、担当者の工数が月40時間以上削減されたと試算すると、半年以内に投資回収が見込める結果になっています。

まとめと次のステップ

ChatGPTを活用したFAQ Botは、「魔法のツール」でも「危険なもの」でもありません。正しく設計・運用すれば、中小企業でも十分に現実的な費用対効果を出せる技術です。ただし、データ整備・セキュリティ設計・運用ルールの3点が揃わないと、かえってトラブルの種になります。

「うちでも導入できるかな」と思ったら、まず以下のチェックリストで現状を確認してみてください。

「自社のFAQがどれくらい整理されているか、まだわからない」という段階でも大丈夫です。Fivenine Designでは、FAQデータの整備から設計・構築・運用サポートまでワンストップで対応しています。まずは現状のサイトとFAQをお聞かせいただくだけで、費用感と実現可能性をお伝えできます。お気軽にご相談ください。