【kintone×AI】現場の悩みにプロが答えた Smart at Conference「AI相談会」レポート

この記事でわかること

執筆者

M-SOLUTIONSメディア編集部

2026年2月に開催されたSmart at Conferenceでは、「kintone×AI相談会 教えて Smart at AIコンサル」と題した特別セッションが行われました。

Smart at AI認定コンサルタントであるペパコミ株式会社の小川喜句（ハルク）氏と株式会社ジョイゾーの四宮靖隆氏、そしてM-SOLUTIONSの植草が登壇し、参加企業から寄せられたAI活用のお悩みに次々と答えていく、実践的なセッションです。

本記事では、当日の相談内容とそれに対する回答についてのレポートをお届けします。kintoneでのAI活用を検討している方にとって、参考になる内容となっております。ぜひご覧ください。

左から：ジョイゾー四宮氏、ペパコミ小川氏、M-SOLUTIONS植草

AIモデルのバージョン、どのタイミングで切り替える？

まず最初に参加企業の多くから寄せられたのが「生成AIのモデルが次々更新される中で、どのタイミングで見直しをかけるべきか」という疑問でした。新しいモデルが出るたびに全面的に入れ替えるのか、それとも落ち着いてから移行するのか。実務に組み込んでいる企業ほど、この判断に頭を悩ませています。

ペパコミの小川氏は「新しいモデルが出たからといって全部見直しをかけていては工数がもたない。基本的には、今のモデルが用途に合わなくなってきたと感じたタイミングで見直す」と、実運用ベースの判断基準を示しました。一方で「技術が大きく飛躍した場合は別」とも付け加え、ケースバイケースの見極めが重要だと語ります。

ジョイゾーの四宮氏はもう少し積極的なスタンスで、「同じAI内でのバージョンアップであれば、基本的に出たらすぐ新しいものに切り替えている」とのこと。その理由として「待っているうちにまた次のモデルが出てしまうので、待つメリットがあまりない」点を挙げました。

MSOLの植草からは、コスト面でのアドバイスもありました。新しいモデルのほうが精度だけでなくコストパフォーマンスも向上していることが多く、同世代の最新モデルに乗り換えるのが経済的にも合理的であるという見解です。

とはいえ、頻繁にモデルを入れ替えるのは設定の手間もかかります。この点について、Smart at AIの開発責任者・高橋からは「複数アプリのモデルを一括で切り替えられる機能を検討している」という前向きな発言もあり、会場からは期待の声が上がりました。

相談会にはSmart at AIの責任者の高橋も同席した。

営業データから月報を作りたい　「薄く広い活動」をどうまとめるか

ある参加者からは、kintoneに入力した営業データをもとにSmart at AIで月報の草案を作成している中での悩みが寄せられました。深く刺さる活動を5件こなした人の月報はAIがまとめやすい一方で、薄く広い活動を100件こなした人の場合、出力が散漫になりがちだというのです。「活動件数100件、うち○○の活動20件、△△の活動10件」のようにグルーピングして出力できないか、というのが具体的な相談内容でした。

四宮氏は「これはプロンプトの問題で解決できることが多い」と回答。グルーピングの定義をプロンプト内に明記すれば、AIが適切に分類して出力してくれるとのことです。さらに「どう書けばいいかわからないなら、それ自体をChatGPTやGeminiに聞いてプロンプトを作ってもらうのも手」という、実用的なアドバイスも飛び出しました。

小川氏もプロンプトの工夫に加えて、kintone側のフィールド設計でグルーピングしやすい構造を作っておくことの重要性を指摘。プロンプトとデータ構造の両面からアプローチすることで、精度の高い出力が得られるという見解です。

植草からは「コードインタープリター機能」の活用も提案されました。細かくプロンプトで指示するだけでなく、AIに分析を丸投げすると、独自のKPIを作り出して「この人はパフォーマンスが高い」「ここに改善余地がある」といったインサイトまで出してくれることがあるといいます。月報を”作業”で終わらせず、営業マネジメントの武器に変えるヒントとして、注目すべきポイントです。

OCRで個人情報を除外して取り込みたい

AI-OCRで書類を読み取る際、個人情報を含まない形でデータ取り込みを行いたいという相談もありました。植草からは二つのアプローチが紹介されました。

一つはプロンプトで「名前の情報は取り込まないでください」「メールアドレスの情報は除外してください」と指示する方法。もう一つは、Smart at AIに搭載されているセキュリティ機能を使い、特定のフィールドをハッシュ化する方法です。メールアドレスや氏名など、プロンプトに含めたくないフィールドを事前にハッシュ化しておけば、AIが個人情報に直接触れることなく処理を進められます。

個人情報の取り扱いに慎重な企業ほど生成AIの導入に二の足を踏みがちですが、こうした機能を知っておくことで、安心してAI活用を進められるのではないでしょうか。

一部の人しか使えていない　AI活用の社内展開をどうするか

ある金融機関の参加者からは「一部の人しかAIを活用できていないため、使ったことがない人への展開方法やユースケースを知りたい」という、多くの企業が抱えるであろう悩みが寄せられました。

小川氏はこう答えました。「この場に来ている方は自発的にAIに興味を持っている人。でも興味がない人に同じ切り口でアプローチしても響かない」と語り、大切なのは各部署・業務単位での具体的な活用事例を見せることだと強調。「この業務がAIでこんなふうに楽になる」という実利を示して初めて、興味のない層にも響くのだと述べていました。

四宮氏は自社ジョイゾーでの取り組みを共有しました。まずはトップダウンで全員にアカウントを配り「使いなさい」と号令をかける。それでも使わない人はいるので、定期的にワークショップを開催し、チームごとの活用事例を共有し合う場を設けているそうです。「特効薬はない。半年から一年かけて文化として根付かせていくのが、結果的に一番早い」という言葉が印象的でした。

植草からは、Smart at AIの設計思想に触れた回答がありました。「Smart at AIはユーザーがプロンプトを書かなくてよい、というのがコンセプトです。知らないうちにボタンを押していたら生成AIを使っていた、という状態が理想です」と話しました。

またエレベーターの例えも印象的でした。「かつてはオペレーターがいなければ怖くて乗れなかったエレベータの箱が、今では誰もが当たり前のようにボタンを押して利用しています。AIも同じように普及するはず」と植草は説明しました。無理に使わせるのではなく、便利だから自然に使うようになる環境を整えることの重要性が語られました。

どんな会社でも応用できるAIの使いかた

続けて「どんな会社でも応用できる効果的な使いかたがあれば教えてほしい」という質問に対しては、認定コンサルタント両名と自社スタッフから、具体的な活用事例が次々と挙がりました。

問い合わせ対応の自動分析と名寄せ

ジョイゾーでは、Webフォームからの問い合わせがkintoneに流れたタイミングでSmart at AIを起動し、問い合わせ内容や会社名から「どういうアプリを作ると良いか」を自動生成しています。営業が商談に入る前の段階で、提案の方向性をあらかじめ把握できるようにしているそうです。

また、Webフォームに自由入力された部署名の名寄せにも活用しており、「DX推進部」「デジタル推進課」「情報システム部」「情シス」といったバラバラの表記を統一的な属性に分類し、マーケティング分析に役立てているとのこと。地味ですが、あらゆる企業で発生しうる課題であり、即効性の高いユースケースです。

議事録の要約と社員育成への活用

ペパコミでは、商談の議事録をSmart at AIに読み込ませて要約するだけでなく、社員ごとの対応品質を分析しています。社員マスターに性格特性や過去の商談記録を蓄積し、新規案件が入った際に「この案件にはこの社員が適任」という人材マッチングまでAIに行わせる試みも進めているとのこと。

「データを一つの用途で終わらせず、複合的に組み合わせていくと活用範囲がどんどん広がる」という小川氏の言葉は、AI活用の本質を突いています。

AIを業務に落とし込むには　発想を逆転させる

「AIの機能をどう業務に落とし込むかが課題」という参加者からの相談に対して、四宮氏の回答が印象的でした。「発想を逆にするといい。AIの機能を業務に当てはめるのではなく、自分にどんな業務があって、そこにどんな課題があるのかを先に整理する。その課題の解決にAIがどう使えるかをAI自身に聞けばいい」と説明。

小川氏からは、「まずは自分の業務でめんどくさいと思っていることを洗い出して、一つずつAIに聞いてみるのが一番手っ取り早い」という実務的なアドバイスに加えて、音声入力の活用が紹介されました。頭の中の考えを音声でAIに伝え、それをヒアリング形式で引き出してもらい、最終的にはスライド資料のプロンプトにまで落とし込む。思考整理からアウトプットまでをAIとの対話で完結させる使いかたです。

植草からは、ChatGPTやClaudeの会話履歴を活用する方法も提案されました。「私の業務を効率化するために、今までの利用履歴からどういう活用ができますか」とAIに聞くと、過去の使いかたを踏まえた提案が返ってくる。Smart at AIであればログが出力されるので、そのログデータをもとに「どういうアプリを作ったらいいか」をAIに分析させることもできるとのことです。

AI-OCRと申請書類処理のリアル

ある農業関連団体の参加者からは、形式の異なる複数の申請書類をAI-OCRで読み取る活用方法について質問がありました。具体的には、医療費補助の申請で提出される病院の領収書を読み取り、保険適用分とそうでないものを仕分けたいというニーズです。

植草は「AI-OCRの読み取り自体は、まず精度5〜6割からスタートして徐々に改善していくもの。手入力がゼロになるわけではないが、手間が大幅に減る」と期待値を適切に設定した上で、申請書ごとにkintoneアプリを分けて対応するアプローチを提案しました。

小川氏は「いろいろな形式の書類を全部一度にやろうとせず、共通項目に特化して読み取る切り分け方がいい」と助言。四宮氏も「まず読み込ませる段階と、それが適用か適用外かの判断をさせる段階を分けて考えるとよい」と、処理を二段階に分ける考え方を示しました。

kintoneのアプリ設計、AI活用のために変えるべき？

最後に、ある参加者から「Smart at AIを使う際に、kintoneのアプリ設計やデータ構造で工夫すべき点はあるか」という質問が寄せられました。

これに対して、四宮氏、小川氏、植草の三者の回答は一致していました。「AI活用のために特別にアプリ設計を変える必要はない」。業務にとって最適なkintoneアプリを作っておけば、Smart at AIでも自然と活かせる。kintoneの一覧やグラフのためにフィールドを設計するのと同じ感覚で、業務に合った構造を作ることが、結果的にAI活用にも最適化されるという見解です。

これはSmart at AIが「kintoneのためのAI」として設計されていることの表れでもあります。kintoneの標準的なデータ構造を前提に作られているからこそ、ユーザーは余計なことを考えずにAI活用を始められるのです。

相談会を終えて

今回のAI相談会で浮かび上がったのは、「AIをどう使うか」以前に「自分たちの業務課題をどう整理するか」が出発点であるということ、そしてAIの社内浸透は一朝一夕にはいかず文化として育てていく必要があるということでした。

モデルの切り替えタイミング、プロンプトの書きかた、個人情報への配慮、社内展開の進めかた。どの質問も、実際にAIを業務で使い始めたからこそ出てくる悩みばかりです。セッション後の懇親会でも登壇者と参加者の間で活発なやり取りが続いており、こうした「現場同士の情報交換の場」の価値を改めて感じるイベントとなりました。

今後もSmart at Conferenceでは、kintone×AIの活用に関するさまざまなセッションを企画していく予定です。次回の開催もぜひお楽しみに。

Smart at AIについては詳しく知りたい方はこちら↓

本記事は、Smart at Conferenceで行われた「kintone×AI相談会 教えて Smart at AIコンサル」セッションの内容をもとに編集・構成したものです。