想定ケース
ここでは、30店舗を展開する従業員150名の小売業で、店舗からの「これどうするんだっけ」という電話が本部のスーパーバイザー2名に集中しているケースを想定します。
| 項目 | 内容 |
|---|---|
| 業種・規模 | 小売業・従業員150名（30店舗・うち店舗スタッフ130名・パート比率高め） |
| 対象部署 | 本部スーパーバイザー2名と全30店舗 |
| 対象業務 | 店舗からの問い合わせ対応（返品処理・ポイント対応・機器トラブル等） |
お客様の状況と課題
店舗運営マニュアル・キャンペーン手順・レジ操作手順が、本部の共有フォルダと紙ファイルに散在している会社です。
店舗からの問い合わせ電話は本部のスーパーバイザー2名に集中し、1人あたり1日1時間超が電話回答に消えています。
困っているのは本部側だけではありません。
スーパーバイザーが店舗巡回中は電話がつながらず、店舗側は「お客様を待たせたまま確認できない」ことを最大の不満にしています。
さらにマニュアルの新旧版が混在し、店舗によってオペレーションが違うことが覆面調査で発覚しました。
実現したいこと
- 店舗スタッフがその場で自分で答えにたどり着ける状態にする
- スーパーバイザーへの電話を、原文を見ても判断がつかない例外だけに絞る
- 手順の「正」を1つに確定し、店舗間のオペレーションを統一する
- マニュアルの更新が止まらず回り続ける運用を作る
改修の概要
現状は、店舗スタッフが疑問に当たると本部のスーパーバイザーへ電話し、つながらなければお客様を待たせたまま確認できずにいます。
マニュアルは共有フォルダと紙ファイルに散在し、新旧版が混在しているため、文書を探すより電話の方が早いのが実態です。
改修後は、まず文書の棚卸しで正の版だけを選別して古い版はアーカイブへ隔離し、そのうえで部署別ではなく店舗業務のプロセス別（レジ・返品・ポイント・開閉店・機器）に整理し直します。
これをNotebookLM（登録した資料だけを根拠に、出典付きで回答するGoogleのAIサービス）へ回答の元として登録します。
店舗スタッフがバックヤードのパソコンやスマートフォンから普段の言葉で質問すると、出典付きの回答が返る形です。
回答が疑わしいときは出典から原文へ飛べるため、スーパーバイザーへの電話は原文を見ても判断がつかない例外だけに絞られます。
いきなり全マニュアルを対象にはしません。
スーパーバイザーへの電話を1ヶ月分類し、件数の多い領域（返品・ポイントが典型）から始めると、効果が数字で見えるので店舗への展開説得にも社内の承認にも使えます。
運用開始後は、月次でソースの差し替え・追加を行う更新担当を本部に1名指名します。
使用する技術構成
| 役割 | 使用技術 | 選定理由 |
|---|---|---|
| 現場の人が触る部分 | バックヤードの共用パソコン・スマートフォンの質問画面 | 店舗の実際の閲覧環境に合わせる。本部のパソコンを前提に作ると店舗で使われない |
| 回答を返すAI | NotebookLM等の出典付きAI検索 | 回答だけ返る方式は接客中のスタッフが検証できず、1回の誤答（誤った返金対応等）で使われなくなる。出典付きなら原文で確かめられる |
| 回答の元になる文書 | プロセス別に整理した集約フォルダ | 部署別ではなく店舗業務のプロセス別（レジ・返品・ポイント・開閉店・機器）に分けると、現場の質問と対応しやすい |
| 更新の仕組み | 月次のソース差し替え（本部の更新担当1名） | キャンペーン手順は毎月変わる。更新が止まるとAIが旧情報を答え始める |
効果試算
試算の前提として、人件費単価はスーパーバイザー3,500円/時・店舗スタッフ2,000円/時（職種別単価・福利厚生込み概算・推定）を置きます。
公開されている導入事例より控えめに、確認電話が半分に減る前提で置きます。
| 項目 | Before | After |
|---|---|---|
| スーパーバイザーの電話対応 | 2名×1時間超/日（月約40時間） | 月約20時間 |
| 店舗側の電話・確認待ち時間 | 月約40時間（推定） | 月約20時間 |
| 月間人件費換算 | 約22万円 | 約11万円 |
| 年間人件費換算 | 約264万円 | 約132万円 |
年間削減効果は約132万円（約480時間）と試算しました。
金額に出ない効果としては、お客様を待たせる時間の解消と、覆面調査のスコアに直結する店舗間のオペレーション統一が大きく、スーパーバイザーの巡回中でも店舗業務が止まらなくなります。
運用コストの目安（構成パターン別・推定）
| 構成 | ランニングコスト（目安） | 向いているケース |
|---|---|---|
| A. NotebookLM型 | Google Workspaceの有料プラン利用料の範囲内（追加費用は小さい） | Google Workspace環境。まず小さく始めたい |
| B. 社内FAQ専用サービス型 | 月数万円程度（サービス利用料） | 利用状況の分析や全社展開まで見据える。利用人数が多い |
どちらの構成でも、実質のランニングコストは月次更新担当の作業時間（月数時間程度・推定）です。
ツール費用より、この更新運用を続けられるかが投資対効果を左右します。
構築費用は文書の散在状況と対象領域の広さによって変わるため、個別にお見積りします。
リスクと対策
| リスク | 内容 | 対策 |
|---|---|---|
| 業務文書の外部送信 | マニュアル類をAIサービスに登録する | 学習利用の扱いを規約・プランで確認し、個人情報や機密を含む文書は対象から除外する |
| 新旧版の矛盾による誤答 | 共有フォルダを丸ごと登録すると、AIが旧手順を根拠に誤答を作る | 棚卸しで正の版だけを選別してから登録し、古い版はアーカイブへ隔離する。店舗間で違う手順の「正」を決める棚卸しがプロジェクトの本体 |
| 回答の鵜呑みによる誤対応 | 出典を確認しない使い方が広がると、誤った返金対応等がお客様に直接届く | 「返金・個人情報に関わる判断は出典の原文を開く」を利用ルールとして周知する |
| 更新されず陳腐化 | 放置3ヶ月でAIが旧キャンペーンを答え始めるのが定番の死に方 | 「販促企画が確定したらソースも差し替える」の担当者指名と月次点検をセットで運用に組み込む |
| 個人スマートフォン利用の労務問題 | 業務利用の可否は労務ルールに触れる | 閲覧環境（共用パソコンか個人スマートフォンか）を人事部門と事前に確認して決める |
導入の進め方と期間の目安
標準的には次の4ステップで、合計2～2.5ヶ月が目安です。
期間は推定で、文書の散在状況と店舗間の手順の違いの大きさによって変動します。
Step1. ヒアリング・現状把握（約1ヶ月）
スーパーバイザーへの電話を1ヶ月分類して件数の多い領域を特定する。
並行して店舗の閲覧環境（共用パソコンかスマートフォンか）を確認する。
Step2. 文書の棚卸し・構築（約2～3週間）
対象領域の正の手順を確定・整理してAIに登録する。
ツール設定自体は数日で終わるが、店舗間で違う手順の統一に必要な営業部門の意思決定が実は期間の本体だ。
Step3. 並行運用（約2～3週間）
数店舗で先行利用し、従来どおり電話も受け付ける。
回答の正確さと現場での使われ方を確認する。
Step4. 本稼働
問題がなければ全店へ展開する。
問い合わせ件数の変化を月次で計測しながら対象領域を順次広げる。
お客様にお願いすることは、マニュアル・手順書一式のご提供、店舗間で手順が違う場合の「正」の決定（営業部門の意思決定）、更新担当者の指名、ご担当者との週1回・30分程度の打ち合わせの4点です。
店舗業務を止める切り替え作業はありません。
この構成が向く会社・向かない会社
この構成が効果を出しやすいのは、次のような会社です。
- 問い合わせが特定の担当者（本部・ベテラン）に集中している
- マニュアル自体は存在するが、散在・新旧混在で探せない状態にある
- 多店舗・多拠点で、オペレーション統一の必要がある
逆に、手順がそもそも文書化されていない会社では、AIは登録した文書に書いてあること以上は答えられないため、先にマニュアル作成が必要になります。
問い合わせが月数件なら電話のままで十分ですし、店舗に閲覧できる端末がない場合は端末の整備が先です。