【設計編】AIに「判断」をさせる技術。メール自動トリアージの共通プロンプト設計

みなさん、こんにちは!業務ハックLabのようです。

はい、気づけばもう大晦日ですね! 12月初めに新たにブログサイトをオープンしてから14本ほど記事を書かせていただきましたが、年内最後のテーマは「生成AIによる業務自動化」です。年末年始の休暇中に、ちょっとシステムを作ってみようかな、という方にもピッタリの内容になってますので、ぜひ最後まで読んでいってください!

ただの「要約」で満足していませんか?

「生成AIを業務に導入したい」という相談が増えていますが、多くの現場が「文章の要約」で止まってしまっています。

はい、もったいないですよね!

AIの真価は「判断(トリアージ)」にあるんです。

本シリーズでは、日々届く大量のお客様メールをAIが自動で読み込み、「緊急クレームか?」「ただの営業メールか?」を判断し、適切な担当者へ振り分けるシステムを構築します。

第1回となる今回は、Google WorkspaceでもMicrosoft 365でも使える「システム設計とプロンプトエンジニアリング」について解説します。

作成するシステムの全体像

今回構築するのは、以下のフローを持つ「メール自動トリアージシステム」です。

Input: メールを受信(Gmail / Outlook)
↓
Process: 生成AIが内容を解析(Gemini / Azure OpenAI)
↓
Logic: 解析結果に基づいて分岐(GAS / Power Automate)
↓
Output: データベース保存＆チャット通知(Sheets+Slack / SharePoint+Teams)

はい、いいですね!

このアーキテクチャの肝は、AIに「自然言語(日本語)」で返答させるのではなく、「構造化データ(JSON)」で返答させる点にあります。

これがめちゃくちゃ重要なポイントなんですよね。

人間の「判断基準」を言語化する

AIに適切な判断をさせるためには、曖昧さを排除した基準が必要です。

ここで少し考えてみましょう。皆さんがメールを読むとき、頭の中でどんな基準で「これは緊急だ」って判断してますか?

おそらく、言語化されていない「感覚」で判断していることが多いと思うんですよね。でも、AIに任せるには、この感覚を明確なルールに落とし込む必要があります。

今回は以下の3軸でトリアージを行います。

① 感情スコア(Sentiment)

まずは、相手の感情レベルを見極めます。

Severe(激怒/法的リスク): 即時対応必須。「訴える」「弁護士」「損害賠償」などのワードが含まれる場合。
Negative(不満): 一般的なクレーム。対応は必要だけど、まだ余裕がある状態。
Neutral(普通): 事務連絡や質問。淡々と対応すればOK。
Positive(感謝): お礼メールなど。嬉しいですよね!

② 緊急度(Urgency)

次に、対応の優先度を判定します。

High: システム障害、セキュリティ事故、Severeな感情。今すぐ動かないとヤバい。
Medium: 見積依頼、バグ報告。数日以内には対応したい案件。
Low: 営業メール、挨拶。時間があるときに見ればいいやつ。

③ カテゴリ(Category)

最後に、内容の分類です。

技術的な問題(technical_issue)
請求関連(billing)
機能要望(feature_request)
営業・スパム(sales_spam)
その他(other)

はい、これで判断基準が明確になりましたね!

この3つの軸をAIに教えてあげることで、しっかりと判断ができるようになるはずです。

【コピペOK】共通プロンプトの定義

ここが本記事のハイライトです!

以下のプロンプトは、GoogleのGemini 1.5 Flashでも、MicrosoftのGPT-4oでも同様に機能するようにチューニングされています。

あなたは熟練したカスタマーサポートマネージャーです。
入力された「顧客からのメール」を分析し、以下のルールに従ってJSON形式で結果を出力してください。

# 分析ルール
1. **sentiment**: 顧客の感情を `positive`, `neutral`, `negative`, `severe` (激怒・法的脅迫など) の4段階で評価。
2. **urgency**: 対応の緊急度を `high`, `medium`, `low` の3段階で評価。
   - `high`: システム障害、セキュリティ事故、解約の示唆、激しいクレーム
   - `medium`: 一般的な質問、見積依頼、バグ報告
   - `low`: 営業メール、スパム、緊急性のない報告
3. **category**: 内容を分類 (`technical_issue`, `billing`, `feature_request`, `sales_spam`, `other`)。
4. **summary**: メールの内容を日本語50文字以内で要約。
5. **draft_reply**: 返信メールのドラフト案(日本語)。相手の感情に配慮した丁寧な文章を作成すること。

# 制約事項
- 出力は**JSON形式のみ**とすること。Markdown記法(```json など)は含めないでください。
- 余計な解説や挨拶文は一切不要です。

# 入力メール文面
{{input_text}}

はい、これがプロンプトの完成形です!

なぜ「JSON」なのか?

ここで、少し技術的な話をさせてください。

Web開発者にとってJSONは馴染み深いですが、ローコード開発においてもJSONは「共通言語」としてなじみ深いんですよね。

どういうことかというと…

AIから {"urgency": "high"} というデータさえ受け取れば、プログラム側で if (urgency == "high") という明確な分岐処理が可能になります。

これが「なんとなく怒っているようです」というテキストでの返答だと、システムによる自動化が困難になるんですよね。

つまり、「人間が読んでわかる」形式ではなく、「プログラムが処理しやすい」形式でデータを受け取ることが、自動化の成功の鍵なんです。

プロンプト設計の3つのポイント

このプロンプトを作るにあたって、特に意識したポイントが3つあります。

ポイント① 出力形式の明確化

「JSON形式で」とだけ伝えても、AIは親切心から “`json というMarkdown記法を付けて返してくることがあるんですよね。

(これが意外と厄介なんですw)

なので、「Markdown記法は含めないでください」と明示的に禁止しています。

ポイント② ルールの具体化

「緊急度を判断してください」だけでは、AIの判断基準がブレます。

なので、highの定義として「システム障害、セキュリティ事故、解約の示唆、激しいクレーム」と具体例を列挙しています。

この具体性が、精度の高い判断につながるんです。

ポイント③ 余計な出力の抑制

AIはデフォルトだと「それでは分析結果をお伝えします」みたいな前置きを入れたがるんですよね。

(人間には親切ですけど、プログラムには邪魔ですw)

「余計な解説や挨拶文は一切不要」と明示することで、純粋なJSONのみを返してもらうようにしています。

実際の動作イメージ

では、このプロンプトが実際にどう動くか、想定してみましょう。

入力例1:激怒クレーム

件名: 至急対応願います
本文: 
御社のシステムが3時間も停止しており、業務に重大な支障が出ています。
このままでは損害賠償を請求せざるを得ません。
すぐに責任者から連絡をください。

AIの出力

{
  "sentiment": "severe",
  "urgency": "high",
  "category": "technical_issue",
  "summary": "システム障害により業務停止。法的措置を示唆。即時対応必要。",
  "draft_reply": "この度はシステム障害によりご迷惑をおかけし、誠に申し訳ございません。現在、最優先で原因究明と復旧作業を進めております。担当者より30分以内にご連絡させていただきます。"
}

はい、完璧ですね!

"urgency": "high" というデータが返ってきているので、プログラム側で「これは緊急案件だ!」と即座に判断できます。

入力例2:営業メール

件名: 新サービスのご案内
本文:
この度、弊社では新しいクラウドサービスをリリースいたしました。
貴社のビジネスにお役立ていただけると存じます。
詳細は添付の資料をご覧ください。

AIの出力

{
  "sentiment": "neutral",
  "urgency": "low",
  "category": "sales_spam",
  "summary": "新サービスの営業メール。対応優先度は低い。",
  "draft_reply": "ご案内ありがとうございます。資料を拝見し、必要に応じて改めてご連絡させていただきます。"
}

はい、これなら自動でフィルタリングできますね!

"urgency": "low" なので、後回しにしても問題ないと判断できます。

プラットフォーム選択のヒント

このプロンプトは、GoogleとMicrosoft、どちらの環境でも使えるように設計しました。

では、どちらを選べばいいのか?

Googleを選ぶべき人

とにかく速く、安く実装したい
JavaScriptが書ける(またはこれから学びたい)
個人利用やプロトタイプ作成が目的

Microsoftを選ぶべき人

全社システムとして展開したい
セキュリティとガバナンスが重視される環境
ノーコード/ローコードで実装したい

どちらが優れているというわけではなく、「解決したい課題の規模」と「組織のフェーズ」に合わせて使い分けることが大切です。

比較項目	Google Workspace × Gemini	Microsoft 365 × Azure OpenAI
開発アプローチ	コードベース(JavaScript)	ノーコード/ローコード(ビジュアル)
開発速度	⚡ 速い(慣れれば10〜30分)	🐢 慣れるまで時間がかかる(初回は1〜2時間)
初期コスト	💰 無料枠が充実	💳 Azure OpenAIは従量課金(無料枠なし)
ランニングコスト	低コスト(Gemini無料枠内なら0円)	中コスト(APIリクエスト数に応じて課金)
学習曲線	JavaScript基礎知識が必要	プログラミング不要、直感的
セキュリティ	実行アカウントが個人に紐づく	組織のEntra ID(Azure AD)で一元管理
ガバナンス	属人化しやすい	フローが可視化され、管理しやすい
メンテナンス	コードレビューが必要	GUIで誰でも編集可能
拡張性	制限なし、自由にカスタマイズ	標準コネクタ中心、HTTPで拡張可能
エラー対応	console.logでデバッグ	実行履歴で各ステップを確認
推奨組織規模	個人〜小規模チーム(〜10名)	中規模〜大企業(10名以上)
推奨ユースケース	・個人の業務効率化・プロトタイプ作成・スタートアップの初期システム	・全社展開システム・コンプライアンス要件が厳しい環境・非エンジニアチーム