AI・チャットボット開発 (RPA開発 Dialogflow) の依頼・外注

貢献
・ビジュアルエディタのプロトタイプの作成と、UIのブラッシュアップ
・ビジュアルプログラムの実行処理や、JSON形式での実行状態の保持などを実装
・プロジェクトリーダー

技術的工夫点
・ビジュアルプログラミングのノードエディタをほぼフルスクラッチで自作
・LIFF / LINE Messaging API / Share・Target Picker / Deep Linkなどを利用し、シームレスなUXを実現
・ビジュアルプログラムの実行処理をNode.jsで作成し、フロントにBundleするほか、FunctionsとしてデプロイしサーバーからHTTPS経由で利用可能にした

利用技術
・フロントエンド: TypeScript, Next.js, Tailwind.css, LIFF, MUI, Vercel, LINE Login, LINE Bot
・バックエンド: TypeScript, React, Next.js, Tailwind.css, MUI, Vercel
・その他: github_actions

開発期間
2022-07 ~ 2022-9（3か月）

担当
リーダー, ノードエディタ, プログラムの実行処理, LIFF繋ぎこみ

メンバー
6人（フロント4人、バックエンド2人）

発表
大学の実習, 技育展, ヒーローズリーグ

LINE公式アカウントとWebサイト、社内システム、RPAを連携したAIチャットボットを、中小企業、サービス業、EC、医療、教育などの業務効率化と自動化に向けて設計・開発・運用支援します。お客様には、AI導入に対する不安をできるだけ抑えながら、実際に成果を実感できるサービスを提供することを重視しています。

まず、ヒアリング・要件整理フェーズでは、お客様の問い合わせ状況（電話、メール、Webフォーム、LINE、社内チャット）と、よくある質問内容を整理し、AIチャットボットが対応する一次対応と、人間が対応すべき二次対応を明確に分けます。
この段階で、AIチャットボットを導入する目的とKPIを設定し、「問い合わせ対応時間の削減率」「手動対応件数」「FAQ回答率」「AI対応率」など、数値で効果を確認できる指標をクライアントと共有します。

次に、データ構築・RAG設計フェーズでは、FAQ、社内マニュアル、規則、商品情報、レポート資料などをテキストデータとして整理し、LLM（大規模言語モデル）とベクトル検索を組み合わせたRAG構成を構築します。
Pythonを用いて、ドキュメントの分割、埋め込みベクトル化、検索精度の検証を行い、回答の一致性と信頼性を担保します。これにより、クライアントの質問に対して、正確な情報源に基づいた自然な回答をAIチャットボットが返せるようになります。

バックエンド・API設計フェーズでは、FastAPIやFlaskを用いて、LINE公式アカウント、Webサイト、社内チャット、SMS、RPAなど複数のメッセージングプラットフォームとのAPI連携を設計し、ユーザーからの質問を受け取り、RAGで検索・生成した回答を返す一連のフローを構築します。
AIチャットボットの応答遅延を最小限に抑え、社内利用者・外部利用者の双方がストレスなく必要な情報を取得できるように設計します。

RPA＋AI連携フェーズでは、RPAツール（UiPathやPower Automateなど）とAIチャットボットを連携させ、チャット上の自然な指示（例：「Excelに入力してほしい」「レポートを作成してほしい」「申請書類を出力してほしい」）をもとに、バックエンドのRPAを自動実行する仕組みを構築します。
これにより、単発の問い合わせ対応だけでなく、社内業務の一部まで自動化し、人間の担当者はより高度な判断や対応に集中できるようになります。
また、この構成により、AIチャットボットの導入効果やROI（投資対効果）を定量的に可視化し、クライアントのWeb施策にも活用できます。

運用・改善フェーズでは、導入前後の効果を定期的にレビューし、ログとKPIを可視化しながら、AIチャットボットの回答精度を継続的に改善します。導入後は、問い合わせ内容を分析し、SEOキーワードや顧客ニーズを可視化したうえで、クライアントのホームページやWebコンテンツに反映させることで、SEO流入の増加にもつなげます。

カスタム・コンサルティングフェーズでは、社内システム、CRM、SFA、勤怠、経費、RPAなど、最大3〜5システムとの連携設計を行い、社内業務全体をAIチャットボットとRPAの組み合わせで最適化するフルカスタム案件を提供します。
このフェーズでは、クライアントの業務プロセス、ITシステム、運用体制を踏まえた個別設計と、導入後の運用継続支援を一貫して行います。

医療機関向けAIチャットボット開発（要件定義〜実装・運用まで一貫対応）

本プロジェクトでは、医療機関の問い合わせ対応を効率化し、患者体験を向上させるためのAIチャットボット（予約案内・診療案内・書類手続き支援）を企画・開発しました。単なるFAQ自動化ではなく、医療特有の表記揺れ・専門用語・症状説明などを前提とした高精度な自然言語処理基盤の構築を担当しました。

■ 課題設定

導入前の医療機関では、予約変更・初診可否・必要書類に関する電話問い合わせが多く、

1件あたりの対応に平均4〜6分
忙しい時間帯に電話がつながらない
不正確な情報伝達のリスク
が課題として顕在化していました。
また「単純なキーワードマッチ型チャットボットでは医療特有の問い合わせに対応できない」という問題もあり、高精度・低誤検知・説明可能性が求められました。
■ 実施した取り組み（How）

課題の性質に応じて、以下のように技術選定と設計を行いました。

医療NLP前処理パイプラインの構築
症状・薬品名・検査名の表記ゆれを正規化
MeCab＋辞書拡張により医療用語の分かち書きを最適化
ノイズ除去と固有表現抽出により検索精度を改善
対話ログのクラスタリングとFAQ再設計
過去数万件のログをTF-IDF＋K-meansで自動分類
問い合わせボリュームの大きいカテゴリを特定し、回答文章を医療従事者と共に監修
精度改善のためのフィードバックループ（誤分類ログの収集→再学習→しきい値調整）を構築
バックエンド基盤の安定化
FastAPIでAPIを構築し、レスポンスを平均150ms以内に最適化
Celery＋Redisでバッチ処理を非同期化し、混雑時間帯の負荷を分散
ログ分析基盤を設計し、日次で改善指標（誤検知率・ユーザー離脱率）を可視化
■ 成果

導入後3ヶ月で、以下のような具体的な改善を実現しました。

問い合わせ対応時間を66%削減（平均4.8分 → 1.6分）
誤検知率を32% → 11%へ改善（高精度NLPにより）
患者側の自己解決率が23%向上
職員の電話対応時間が削減され、月20時間以上の工数削減を達成
医療機関アンケートでユーザー満足度がNPS +13ポイント改善

単なる自動応答ではなく、医療機関の業務負荷を確実に下げながら、安全かつ正確な情報提供ができるチャットボットとして評価されています。

【御社専用のAIチャットボットを構築します】

■ こんな方におすすめ

• カスタマーサポートを自動化したい
• LINE公式アカウントにAIボットを導入したい
• 社内FAQをAIで自動回答させたい
• Webサイトにチャット機能を追加したい

■ 対応範囲

• LINE公式アカウント×AIボット構築
• Webサイト埋め込みチャットウィジェット
• ChatGPT API活用のカスタムボット
• Dify/Flowise等ノーコードAIプラットフォーム活用
• RAG（社内文書学習）対応ボット

■ 納品物

• 稼働するチャットボットシステム
• 管理画面/設定マニュアル
• 運用サポート期間付き