kintone AIとは

サイボウズは2026年にkintoneの新AI機能群を正式リリースしました。これにより、kintone上のデータを活用した自然言語クエリ・レコード要約・業務アシスタント機能が標準搭載され、AIを活用した業務効率化が従来よりも大幅にアクセシブルになりました。ChatGPTやClaude等の外部AI APIとの連携プラグインも引き続き利用可能です。

kintone AI主要機能一覧

活用事例

製造業：品質管理レポートの自動要約

製造ラインの品質検査データをkintoneで管理している企業では、AI要約機能で日次レポートを自動生成。品質管理担当者が毎日1時間かけていた集計・報告業務を15分に短縮しました。

不動産業：問い合わせ対応の効率化

物件問い合わせレコードをAIが分類・要約し、担当者への割り振りを半自動化。問い合わせへの初回返信時間を平均2時間から30分以内に短縮しました。

医療・介護：申し送りノートの構造化

手書き・音声で入力された申し送り情報をAIが構造化してkintoneに格納。申し送りの抜け漏れを防ぎ、介護記録の品質向上に貢献しました。

料金体系（2026年版）

※AI機能の詳細な料金・仕様はサイボウズ公式サイトまたは販売代理店にお問い合わせください。

kintone AI は「公式 AI 機能 + 外部 LLM 連携」の2軸で考える

kintone の AI 活用は公式 AI（kintone AI labs / cybozu 公式 AI 機能）と、外部 LLM（Claude / GPT-4 / Gemini / Bedrock）を REST API・プラグイン経由で連携する手法の2軸があります。前者は導入容易だが機能限定的、後者は柔軟性高いが設計力が必要です。

kintone × AI 活用の主要パターン

kintone × AI で実装される代表的ユースケース

1. 問い合わせ・チケット自動分類

• 新規レコード作成時に内容を AI が読み取り、カテゴリ・優先度・担当者を自動推定
• 過去案件をベクトル検索で類似事例提示
• 担当 SLA の自動設定、エスカレーション判定

2. 営業日報・議事録の要約

• 長文の日報・議事録を AI が3行に要約
• 次アクション抽出、上長への自動エスカレーション
• 営業の入力負担を半減

3. メール・チャット返信案の生成

• 顧客からの問い合わせメールを kintone に取り込み、AI が返信ドラフト生成
• 過去類似案件の参照、敬語チェック
• 営業・サポート担当の生産性向上

4. 名刺・書類の OCR + 構造化

• 撮影した名刺・領収書・契約書を AI-OCR で文字認識
• kintone のフィールドに自動入力、項目マッピング
• 転記作業の完全自動化

5. データ予測・異常検知

• 売上・在庫・問い合わせ件数の時系列予測
• 異常値検知でアラート（前月比 50% 以上の変動など）
• 需要予測・与信判定への応用

6. 自然言語クエリ・レポート

• 「先月の関東支店の売上トップ5を教えて」のような自然文で kintone から情報取得
• Claude / GPT-4 + kintone API で実装、MCP で標準化
• レポート作成の民主化

JavaScript カスタマイズで OpenAI / Claude API 連携の実装

• サーバーサイド推奨：API キーをクライアントに置かない、AWS Lambda / GCP Functions 経由
• kintone Webhook：レコード作成・更新で API 呼び出し
• レート制限対策：大量レコード処理は分散実行、リトライロジック
• コスト管理：1レコード当たり数円〜数十円、月間処理件数の上限設定
• 機微情報の取り扱い：個人情報・契約情報は AI に送る前にマスキング検討

MCP × kintone：AI アシスタント経由の操作

Anthropic の Model Context Protocol（MCP）を使うと、Claude Desktop や Cursor から「kintone のレコードを操作してください」と自然文で指示できる環境が構築できます。

• 典型シナリオ：日報作成支援、案件サマリ生成、問い合わせ集計、データクレンジング
• 実装コスト：MCP サーバー実装に50〜200万円、運用は月数万円
• セキュリティ：API スコープを最小化、読み取り専用と書き込み権限を分離

kintone AI 活用で詰まる5パターン

1. 「AI で何でもできる」と過信

業務理解不足で AI に丸投げ、精度が出ず活用率低下。対策：業務側の前提整理、入出力の明確化、人間判断の境界線設計。

2. 機微情報の漏洩リスク

顧客情報・契約情報を OpenAI に送って外部利用される懸念。対策：API 経由（学習対象外契約）、Anthropic / Azure OpenAI のエンタープライズ契約、社内 LLM 検討。

3. コスト爆発

全レコードに AI 処理を適用、月数百万円の API 料金。対策：処理対象を絞る（特定ステージのみ）、軽量モデルの使い分け、バッチ処理化。

4. 精度の頻繁な変動

モデルバージョンアップで精度が下がる、出力フォーマット崩壊。対策：プロンプトのバージョン管理、出力フォーマット検証、定期的な精度評価。

5. 業務側の AI リテラシー不足

AI が誤った回答を出した時に現場が気付かず、誤情報のまま運用。対策：人間チェックのフロー、AI 出力には「AI 生成」ラベル、業務側教育。

主要 LLM の kintone 連携での使い分け

• Claude（Anthropic）：日本語・長文処理に強い、MCP ネイティブ対応、機微情報の扱いが慎重
• GPT-4 / GPT-4o（OpenAI）：エコシステム最大、Function Calling・ツール連携が成熟
• Gemini（Google）：Google Workspace 連携、長文（1Mトークン）処理
• Azure OpenAI：エンタープライズ向け、リージョン選択可、Microsoft 365 統合
• Amazon Bedrock：複数 LLM 統合、AWS 連携、業界規制対応

業界別の kintone × AI ユースケース

• 不動産：物件説明文の自動生成、反響メールの自動返信
• 製造：不具合報告の分類、品質トラブルの過去事例検索
• 建設：日報の要約、安全管理レポートの自動生成
• 士業：顧問先質問への回答ドラフト、税務 Q&A 検索
• 採用：応募者スクリーニング、面接記録の構造化

5年TCO 試算（kintone 50 ID + AI 連携）

kintone × AI 活用の3つの実装層

kintone と AI の組み合わせは、(1) サイボウズ公式 AI 機能、(2) 外部 LLM（Claude・GPT・Gemini）API 連携、(3) MCP（Model Context Protocol）経由の AI アシスタント、の3層で実装方法が異なります。それぞれ強みと適合シナリオが違うため、組織の状況で使い分ける必要があります。

第1層：サイボウズ公式 AI 機能

サイボウズが kintone に組み込んでいる AI 機能（2026年現在、kintone AI labs として段階的提供）は、(1) レコード要約、(2) 自動回答生成、(3) テキスト分類、(4) 入力補助、が中心です。標準機能として提供されるため、導入コストが小さく、即運用開始できます。一方、複雑な業務処理・カスタムロジック・外部データ統合には対応できません。

第2層：外部 LLM API 連携

OpenAI・Anthropic Claude・Google Gemini の API を kintone REST API と連携する方式です。JavaScript カスタマイズで実装し、Webhook で kintone のレコード変更を契機に LLM を呼び出します。柔軟性が圧倒的に高く、業務に応じた AI 活用が可能ですが、開発・運用に技術力が必要です。

第3層：MCP × kintone（AI アシスタント経由）

Anthropic の Model Context Protocol（MCP）対応で、Claude Desktop・Cursor などの AI アシスタントから自然言語で kintone を操作できる構造です。「営業日報を昨日分まとめて」「未対応の問い合わせを一覧表示」のような指示を、AI アシスタントが解釈して kintone API を呼び出します。先進的な組織で、業務効率化の新しい標準として広がりつつあります。

業務シナリオ別の AI 活用

シナリオ1：問い合わせの自動分類とルーティング

kintone に届く問い合わせを AI が読み取り、内容（営業・サポート・苦情・採用等）・優先度・担当者を自動推定する活用です。Webhook で問い合わせレコード作成 → LLM が内容を読み取り → カテゴリ・優先度・担当者を判定 → kintone レコード更新、の流れで実装します。1日100件超の問い合わせがある組織で、年間1,000時間以上の業務時間削減が実現します。

シナリオ2：営業日報・議事録の自動要約

営業日報・会議議事録の長文を、AI が3行に要約する活用です。日報作成者は要点を入力するだけ、上長は要約を読むだけで全体を把握できる。これにより、(1) 営業の入力負担削減（毎日30分 → 10分）、(2) 上長のレビュー効率化（毎日2時間 → 30分）、(3) 検索精度向上（要約から本文へ）、が実現します。

シナリオ3：メール・チャット返信案の生成

顧客から届くメール・LINE 問い合わせに対する返信案を、AI が自動生成する活用です。過去類似案件の対応履歴を参照し、トーン・敬語・専門用語を組織の標準に合わせた返信案を提示します。サポート担当の返信時間が30〜50% 削減され、品質も標準化されます。

シナリオ4：名刺・領収書の OCR と構造化

撮影した名刺・領収書・契約書を AI-OCR で文字認識し、kintone のフィールドに自動入力する活用です。名刺取込で kintone コンタクト自動作成、領収書取込で経費レコード自動作成——これらが標準業務として組み込まれます。Sansan・バクラク経費などの専用 SaaS の代替として、kintone + AI の自前実装で済む組織もあります。

シナリオ5：データ予測・異常検知

kintone のレコードデータを基に、AI が時系列予測・異常検知を行う活用です。売上予測、在庫の発注時期判定、解約予兆検知、与信判定など、組織の意思決定に AI を組み込みます。Salesforce Einstein・Power BI ML と比較すると、kintone での AI 機能は発展途上ですが、外部 LLM 連携で対応可能です。

外部 LLM の選択：Claude・GPT・Gemini の使い分け

Claude（Anthropic）：日本語・長文・MCP ネイティブ

Claude は、日本語処理・長文要約・機微情報の取扱いで優れた性能を発揮します。MCP 対応の先駆者で、Claude Desktop から kintone を直接操作できる構造が標準提供されています。日本企業の kintone × AI 活用では、Claude が最も自然な選択肢になりつつあります。

GPT-4 / GPT-4o（OpenAI）：エコシステム最大

GPT-4 系は、エコシステム・利用実績・Function Calling（ツール連携）の成熟度で他を圧倒します。Salesforce・Microsoft 365・Slack などの主要 SaaS が GPT を組み込んでおり、複数 AI の併用環境で標準的に使われます。kintone と GPT の連携実装ノウハウも豊富で、技術的なサポートが得やすい構造です。

Gemini（Google）：Google Workspace・長文処理

Gemini は、Google Workspace との統合度、長文処理（1Mトークン）、Google Cloud との連携で優位です。Google Workspace を全社運用している組織で、kintone と Gemini を組み合わせる選択が合理的な場面があります。

Azure OpenAI Service：エンタープライズ向け

Azure OpenAI Service は、GPT-4 を Azure 環境で利用するエンタープライズ向けサービスです。データの学習対象外契約、リージョン選択、Microsoft 365 統合、エンタープライズ統制機能が強みです。金融機関・大企業の機密情報を扱う kintone × AI で、Azure OpenAI が選ばれます。

AI 連携実装の現実的なコスト

初期構築費

kintone × AI の初期構築費は、複雑度で大きく違います。(1) シンプルな要約・分類（1機能）：50〜200万円、(2) 複数業務の AI 化（3〜5機能）：300〜1,000万円、(3) 本格的な MCP 統合・複雑業務：1,000〜3,000万円。社内に AI 連携の知見がない場合、外部パートナーへの委託が標準です。

月額の API 利用料

LLM API の利用料は、処理レコード数・トークン数で変動します。1レコードあたり数円〜数十円が典型で、月1,000レコード処理で月数千〜数万円、月10,000レコード処理で月数万〜数十万円。「全レコードに AI 処理を適用」すると、想定外の API 料金が発生するため、処理対象を絞る設計が重要です。

5年TCO の現実

kintone Premium（50 ID）+ AI 連携の5年TCO は、(1) シンプル活用：1,500〜3,000万円、(2) 中程度活用：3,000〜6,000万円、(3) 本格活用：6,000万〜1.5億円。これらの投資が、業務時間削減・売上貢献・コンプライアンス強化で正当化される ROI 構造を、稟議書で示すことが必要です。

AI 連携で詰まる5パターン

「AI に丸投げ」で精度が出ない

業務理解不足で AI に丸投げし、出力精度が60〜70% に留まり、業務側が「使えない」と判断するパターン。AI 活用には、(1) 業務側の前提整理、(2) プロンプト設計、(3) 出力フォーマット定義、(4) 例外処理ルール、が必要で、「AI 専門家任せ」では失敗します。

機微情報の漏洩リスク

顧客情報・契約情報・健康情報などの機微情報を、外部 LLM API に送信して学習対象になるリスク。OpenAI / Claude API は商用版で「データ学習対象外」契約が標準ですが、無料版や個人 API キーでは学習対象になることがあります。「商用契約のみ利用」「機微情報のマスキング」が、最低限のコンプライアンス対応です。

API 料金の爆発

全レコードに AI 処理を適用し、月数百万円の API 料金が発生する失敗。処理対象を絞る、軽量モデル（GPT-4o mini・Claude Haiku）を活用する、バッチ処理で API 呼び出しを集約する、などの最適化が必要です。

モデルバージョンアップでの精度変動

LLM のモデルバージョンアップ（GPT-4 → GPT-4o、Claude 3 → Claude 4 等）で、突然出力が変わって業務に影響が出る失敗。プロンプトのバージョン管理、出力フォーマット検証、定期的な精度評価が、運用の前提です。

業務側の AI リテラシー不足

AI の出力を業務側が無批判に信用し、誤情報のまま運用に流す失敗。AI 出力には「AI 生成」ラベルを付与し、人間チェックのフローを組み込む、業務側の AI リテラシー教育を継続実施する、ことが長期運用の前提です。

関連ガイド・クラスター

• kintone導入支援会社
• Claude vs ChatGPT 法人活用比較
• Salesforce vs Zoho CRM比較
• DXコンサル選び方完全ガイド

よくある質問

Q. kintone AIを使うにはプログラミング知識が必要ですか？

A. 基本的なAI機能（アシスタント・要約）はノーコードで利用できます。ただし外部AI APIとの高度な連携や独自ロジックの実装にはJavaScriptやAPI知識が必要な場合があります。

Q. kintone AIのデータはAIの学習に使われますか？

A. サイボウズの公式説明では、顧客データをAIの学習に使用しない旨が示されています。詳細はサイボウズの最新プライバシーポリシーをご確認ください。

Q. 既存のkintone環境にAI機能を追加できますか？

A. はい、既存環境へのAI機能追加は可能です。設定・構築の手順についてはAurant Technologiesにご相談ください。