問い合わせフォームと資料請求の見込み客を選別して担当へ配る
Webの問い合わせフォームと資料請求の内容を入力に、用件の種別と検討段階の手がかりを取り出し、担当を割り当てて一次返信の下書きまで作ります。インサイドセールスの作業は、1件ずつ調べて振り分けることから、割り当ての結果を確かめて送ることに変わります。
- 利用ツール
- ChatGPT/Claude/Gemini/Make/n8n/Power Automate/Zapier
- 対象業界
- IT・SaaS/人材/広告/製造
- 対象部門
- マーケティング/営業
- 対象業務
- 分類・仕分け/問い合わせ対応
- 主な課題
- 人手が足りない/判断に時間がかかる/営業フォローが追いつかない
- AIで行う処理
- 分類
- 主な効果
- 対応スピード向上/工数削減/機会損失防止
- 導入難易度
- ★★☆☆☆
- 実装レベル
- 半自動化
- 費用感
- ノーコード連携(中)
- 人間の確認
- 必須
01導入前 / 導入後の業務フロー
- フォームの送信通知がSlackとメールに届く
- インサイドセールスが内容を開いて読む
- 会社名をWebで検索し、業種と規模のあたりをつける
- CRMを検索し、既存顧客か、既存の商談があるかを確認する
- 営業目的・採用・取材・学生の問い合わせでないかを判断する
- 規模と地域から担当営業を決める
- 一次返信のメールを送る
- CRMにリードとして登録し、担当をアサインする
- フォームが送信される
- 自動送信内容を受け取り、処理を開始する
- 自動ドメインと会社名で、CRMの既存顧客・既存商談を照合する
- 自動企業データベースから、業種・従業員数・所在地を引く
- 自動用件の種別を分類する(導入検討/既存顧客の質問/採用/取材・調査/営業目的/その他)
- 自動自由記述から、検討段階・課題・希望時期・比較対象の手がかりを取り出す
- 自動割り当てルールに沿って担当を決める(ルールはプログラム)
- 自動一次返信の下書きを作る
- 自動緊急度の高いものをSlackに即時通知する
- 人インサイドセールスが割り当てと返信文を確認し、送信する
- 自動CRMにリードを登録し、担当をアサインする
- 自動判断に迷ったものを別のキューに出す
各工程の詳しい説明を読む
- フォームの送信通知がSlackとメールに届く
- インサイドセールスが内容を開いて読む
- 会社名をWebで検索し、業種と規模のあたりをつける
- CRMを検索し、既存顧客か、既存の商談があるかを確認する
- 営業目的・採用・取材・学生の問い合わせでないかを判断する
- 規模と地域から担当営業を決める
- 一次返信のメールを送る
- CRMにリードとして登録し、担当をアサインする
問題は5つあります。
(a)企業の規模が分からない。 フォームに従業員数の欄を設けても、多くは未入力か概数です。会社名で検索して調べる1.5分が、1件ごとにかかります。
(b)商談にならない問い合わせが3割ある。 営業目的の売り込みが特に多く、これを読む時間が全体の負担になっています。
(c)既存商談との重複に気づかない。 同じ会社の別部署から問い合わせが入ることがあります。既存の商談担当を飛ばして別の営業がアプローチすると、社内で衝突します。
(d)返信が遅れる。 平均で4時間、繁忙期は翌営業日になります。問い合わせフォームから送った側は、その日のうちの返信を期待しています。
(e)判断が人によって違う。 「この内容は商談化しそうか」の見立てが3名でばらばらで、同じような問い合わせが、ある日は大企業担当に、別の日はオンライン完結に回されます。
- フォームが送信される
- 【自動】 送信内容を受け取り、処理を開始する
- 【自動】 ドメインと会社名で、CRMの既存顧客・既存商談を照合する
- 【自動】 企業データベースから、業種・従業員数・所在地を引く
- 【自動】 用件の種別を分類する(導入検討/既存顧客の質問/採用/取材・調査/営業目的/その他)
- 【自動】 自由記述から、検討段階・課題・希望時期・比較対象の手がかりを取り出す
- 【自動】 割り当てルールに沿って担当を決める(ルールはプログラム)
- 【自動】 一次返信の下書きを作る
- 【自動】 緊急度の高いものをSlackに即時通知する
- 【人】 インサイドセールスが割り当てと返信文を確認し、送信する
- 【自動】 CRMにリードを登録し、担当をアサインする
- 【自動】 判断に迷ったものを別のキューに出す
自動化されるのは「調べる」「分類する」「読み解く」「振り分ける」「下書く」の5つです。残るのは「この割り当てで合っているか」の確認です。
02今回想定するシステム構成
Webフォーム(資料請求 / 問い合わせ / ウェビナー / トライアル) │ ▼【トリガー】Webhook(送信と同時) Make(シナリオ) │ ├──▶ CRM 照合(ドメイン・会社名で既存顧客と既存商談を確認) │ ├──▶ 企業データベース照会(業種 / 従業員数 / 所在地) │ ├──▶ LLM API ── 用件の種別の分類 │ + 自由記述から検討段階・課題・時期・比較対象を抽出 │ ├──▶ 割り当てルール(規模 × 地域 × 既存商談の有無。プログラムで判定) │ ├──▶ LLM API ── 一次返信の下書き │ ▼ 振り分け結果(CRM のリード + Slack 通知)──【担当者が確認して送信】 │ ▼ CRM へ登録 + 担当のアサイン
| 役割 | 想定する製品 | 代替候補 |
|---|---|---|
| ワークフロー | Make | n8n、Power Automate、Zapier |
| 生成AI | Claude API | OpenAI API、Gemini API |
| フォーム | 自社サイトのフォーム | Google フォーム、Microsoft Forms |
| 通知 | Slack | Microsoft Teams |
MAツールにリードのスコアリングと振り分けの機能があるなら、まずそれを使ってください。 多くのMAツールは、フォームの項目と行動履歴からスコアを付け、ルールで担当を割り当てる機能を持っています。自前で組む価値があるのは、自由記述の中身を判断に使いたい場合です。 選択肢の入力だけでは、「来期の予算取りのため」といった情報は拾えません。
Make を選んだのは、フォーム送信と同時に処理を始めたいためです。 Make の Webhook は、URLにリクエストが届いた時点でシナリオを実行します。定期的に問い合わせ先を確認する方式のトリガーと違い、待ち時間が発生しません。 速さが価値になるこの業務では、この差が効きます。
03どうやって実装するのか
処理の起点を決める
フォームが送信されたことを、Webhook で受け取ります。
Make には、URLを作って任意のデータを送れる「カスタムWebhook」があります。自社サイトのフォームの送信先にこのURLを指定すれば、送信と同時にシナリオが動きます。 アプリごとに用意された「インスタントトリガー」も同じ仕組みで、データが届いた時点で実行されます。
定期実行のトリガーを使わないでください。 15分おきに新着を確認する方式にすると、最悪15分の遅れが加わります。この業務では、その15分に意味があります。
Webhook を使うときは、第三者が同じURLに偽のデータを送れる点に注意してください。フォーム側で署名を付けるか、Webhook の直後に「そのデータが自社のフォームから来たものか」を検証する処理を入れます。
入力データを集める
| データ | 中身 | 取得元 |
|---|---|---|
| フォームの送信内容 | 会社名、氏名、メールアドレス、電話番号、自由記述、選択項目、送信元ページ | Webフォーム |
| 行動履歴 | 送信前に見たページ、資料のダウンロード履歴、ウェビナーの参加履歴 | MAツール |
| 既存顧客・既存商談 | 会社名、ドメイン、契約状況、進行中の商談と担当者 | CRM |
| 企業情報 | 業種、従業員数、所在地、法人番号 | 企業データベース(外部) |
| 担当の割り当てルール | 規模 × 地域 × 製品 × 既存商談の有無 | 営業企画(文書化が必要) |
| 除外リスト | 営業目的で繰り返し送ってくるドメイン、競合のドメイン | 運用で蓄積 |
| 過去の振り分け実績 | 過去の問い合わせと、実際にどう振り分けたか、商談化したか | CRM |
「企業情報は外部から引く」ことを設計の前提にしてください。 会社名をLLMに渡して「この会社の従業員数は」と聞いてはいけません。実在する会社でも数字は当てになりませんし、実在しない会社名でももっともらしい答えが返ります。
企業データベースが使えない場合は、「規模不明」として扱い、人が判断するほうが安全です。
データの取得方法を決める
フォームの送信内容: Webhook のペイロードとして受け取ります。自由記述欄を必ず設けてください。 選択式だけのフォームにすると入力の負担は減りますが、検討段階を読み取る手がかりが失われます。
CRM の照合: メールアドレスのドメインで引くのが確実です。会社名の表記ゆれ(「(株)」「株式会社」「カタカナ表記」)で引くと当たりません。フリーメールのドメインは照合対象から外します。
企業情報: 企業データベースのAPIを、法人名またはドメインで照会します。ヒットしない場合は「不明」として扱います。
過去の振り分け実績: 分類の精度を測るために使います。過去1年分の「問い合わせ内容 → 振り分け先 → 商談化したか」の一覧があると、割り当てルールの妥当性を検証できます。
AIへ渡す前に整形する
- 重複の検出 … 同じ人が短時間に複数のフォームを送ることがあります。メールアドレスで15分以内の重複をまとめます
- フリーメールの判別 … 法人ドメインかフリーメールかを判定します。フリーメールだから除外するのではなく、企業情報の照合方法を変えます
- 除外リストの適用 … 営業目的で繰り返し送ってくるドメインを、分類の前に弾きます。LLMに毎回読ませる必要はありません
- 自由記述の長さの判定 … 空欄または10文字未満の記述は、検討段階の手がかりになりません。「情報なし」として扱います
- 個人情報の分離 … 氏名・電話番号は、LLMに渡す必要がありません。会社名・ドメイン・自由記述・選択項目だけを渡します
AIに処理させる
割り当てのルールはプログラムで判定します。 「従業員1,000名以上かつ関東は大企業担当のAさん」といったルールは、条件分岐で書けます。LLMに判断させると、ルールを変えたときに挙動が読めなくなります。
LLMにさせること:
| 処理 | 内容 |
|---|---|
| 用件の種別の分類 | 導入検討/既存顧客の質問/採用/取材・調査/営業目的/その他 |
| 検討段階の抽出 | 情報収集/比較検討/稟議中/すぐ導入したい/時期未定 |
| 課題の抽出 | 自由記述に書かれた困りごと |
| 希望時期の抽出 | 「来期」「4月から」「未定」 |
| 比較対象の抽出 | 「他社と比較中」と書かれている場合、その社名 |
| 決裁の手がかり | 「上長に相談中」「予算は確保済み」といった記述 |
| 一次返信の下書き | 種別と検討段階に応じた文面 |
LLMに企業の属性を推測させないでください。 「株式会社◯◯」という会社名から業種や規模を推測させると、それらしい答えが返ります。根拠がありません。 企業情報は必ず外部のデータベースか自社のCRMから引き、引けなければ「不明」とします。
同じ理由で、「商談化しそうか」の点数付けもLLMにさせないでください。 点数は、抽出した項目(検討段階、規模、既存取引の有無、行動履歴)から、プログラムで計算します。そうすれば、なぜその点数になったかが説明できます。
指示内容を固定する
あなたは、問い合わせの内容を読み取る担当者です。
フォームに入力された内容だけから、用件の種別と検討段階を判定してください。
【厳守事項】
- 会社名から、業種・従業員数・事業内容を推測しないでください。
これらは別の経路で取得済み、または不明として扱います。
あなたの知識にある企業情報を答えに含めないでください。
- 自由記述に書かれていないことを補わないでください。
検討段階が読み取れない場合は "unknown" としてください。
「おそらく情報収集段階」と推測しないでください。
- 用件の種別は、下記の6つからのみ選んでください。
新しい種別を作らないでください。判断できない場合は "other" とし、
reason に判断できなかった理由を書いてください。
- 商談化の見込みを点数で答えないでください。
点数は別途計算します。
- 比較対象として社名が書かれている場合のみ competitors に入れてください。
「他社と比較」とだけ書かれている場合は、社名を挙げないでください。
- 自由記述に個人的な事情(転職の相談、苦情の内容など)が書かれている場合、
内容を転記せず、needs_human を true にしてください。
【用件の種別(6つ)】
purchase_consideration(導入検討)/ existing_customer(既存顧客の質問)/
recruiting(採用に関する問い合わせ)/ research(取材・調査・学生)/
sales_pitch(営業目的の売り込み)/ other(その他)
【フォームの内容】
送信元ページ: {source_page}
フォームの種類: {form_type}
会社名: {company_name}
メールドメイン: {email_domain}(フリーメール: {is_freemail})
選択項目: {select_fields}
自由記述: {free_text}
【CRMの照合結果】
既存顧客: {is_existing_customer}
進行中の商談: {open_opportunities}
【企業データベースの照会結果】
業種: {industry} / 従業員数: {employee_count} / 所在地: {location}
(「不明」の場合はそのまま「不明」として扱ってください)
「あなたの知識にある企業情報を答えに含めないでください」の1行が重要です。 これを書かないと、有名企業については学習内容から答え、無名の企業については推測で答えます。どちらも根拠として使えません。
「商談化の見込みを点数で答えない」も外せません。 点数は営業の行動を左右します。なぜその点数かを説明できない仕組みにすると、営業が結果を信用しなくなります。
出力形式を固定する
{
"submission_id": "",
"received_at": "",
"inquiry_type": "purchase_consideration | existing_customer | recruiting | research | sales_pitch | other",
"inquiry_type_confidence": "high | medium | low",
"extracted": {
"stage": "information_gathering | comparing | internal_approval | ready_to_buy | unknown",
"issues": [],
"desired_timing": "",
"competitors": [],
"decision_hints": [],
"quoted_text": ""
},
"company_info": {
"source": "crm | company_db | unknown",
"industry": "",
"employee_count": null,
"location": ""
},
"existing_relationship": {
"is_customer": false,
"open_opportunity": false,
"owner": ""
},
"needs_human": false,
"reason": ""
}
割り当て(プログラム)の出力:
{
"submission_id": "",
"assigned_to": "",
"assignment_rule": "",
"priority": "urgent | high | normal | low",
"priority_basis": [],
"route": "inside_sales | direct_to_owner | online_self_serve | no_action",
"suppressed": false,
"suppression_reason": ""
}
quoted_text(自由記述の該当部分)を残します。 「比較検討段階と判定した」とだけ言われても、担当者は確かめられません。根拠となった一文が添えられていれば、目で確認できます。
company_info.source を持つのは、企業情報がどこから来たかを明示するためです。unknown の場合、規模による振り分けは効きません。その事実を隠さないことが重要です。
priority_basis に、優先度を高くした理由を配列で入れます。 「進行中の商談がある」「従業員1,000名以上」「『すぐに導入したい』の記述」といった根拠が並びます。
なお、Claude API には出力をJSONスキーマに沿わせる構造化出力の機能があります(2026-09-15時点ではベータ機能として提供)。件数が多く後段が機械処理なので、利用できると安全です。
システムへ連携する
| つなぐ先 | 内容 |
|---|---|
| Webフォーム | Webhook で送信内容を受け取る |
| CRM(読み取り) | 既存顧客・既存商談を照合する |
| 企業データベース(読み取り) | 業種・従業員数・所在地を引く |
| Slack | 優先度の高いものを即時通知する |
| CRM(書き込み) | リードを登録し、担当をアサインする |
| メール | 一次返信を送る(下書きを人が確認してから) |
一次返信の自動送信は、種別によって分けてください。
| 種別 | 返信 |
|---|---|
| 資料請求(自動返信で資料URLを送るだけ) | 自動送信でよい |
| 導入検討の問い合わせ | 下書きを人が確認して送る |
| 既存顧客の質問 | 担当営業へ転送し、下書きを添える |
| 営業目的の売り込み | 返信しない(またはテンプレート) |
導入検討の問い合わせに自動返信だけを送るのは、機会損失になります。 内容に触れた返信のほうが、その後の反応が違います。
人が確認する
全件を人が見ます。ただし見る深さを分けます。
| 区分 | 条件 | 確認 |
|---|---|---|
| 即時対応 | priority: urgent(既存商談あり/「すぐ導入したい」の記述) | Slack通知を見て、その場で対応する |
| 通常確認 | inquiry_type: purchase_consideration かつ confidence: high | 割り当てと返信文を見て送信する |
| 要判断 | confidence: medium/low/needs_human: true/company_info.source: unknown | 内容を読んで、割り当てを決める |
| 一括処理 | sales_pitch/research | まとめて確認し、必要なら除外リストに追加する |
sales_pitch と判定されたものも、必ず一度は人が見てください。 自動で捨てる設計にすると、誤判定で本当の見込み客を失います。 1日10件程度なら、一覧で流し見る運用で足ります。
例外に対処する
| 起きること | 対応 |
|---|---|
| 企業データベースにヒットしない | unknown として人が判断する。推測で規模を埋めない |
| フリーメールで会社名も未入力 | 規模による振り分けができない。インサイドセールスが確認の連絡をする |
| 既存商談がある会社から別部署の問い合わせ | 商談担当に通知する。 別の営業を自動でアサインしない |
| 既存顧客からのサポート依頼 | サポート窓口へ転送する。営業には回さない |
| 同じ人が短時間に複数送信 | 15分以内の重複をまとめる |
| 自由記述が空欄 | 検討段階を unknown とする。選択項目と行動履歴で振り分ける |
| 個人的な事情が書かれている | 内容を転記せず、人が読む |
| 苦情・クレームが書かれている | 優先度を上げて人に回す。自動返信を送らない |
| 競合からの問い合わせ | 除外リストのドメインで弾く。リストは運用で育てる |
| Webhookに偽のデータが送られる | フォーム側の署名を検証する。異常な送信元は弾く |
| LLMのAPIが失敗する | 分類なしでインサイドセールスのキューに入れる。 問い合わせを取りこぼさないことを最優先にする |
判定が誤って sales_pitch になった | 一括確認の一覧に出す。誤判定を記録して改善材料にする |
記録を残す
- フォームの送信内容(原本)
- 分類結果と、
quoted_text(根拠となった記述) - 企業情報の取得元(CRM/企業DB/不明)
- 割り当て結果と
priority_basis - 人が割り当てを変更した内容と、その理由
- 一次返信の内容と送信日時
- その後の商談化・受注の結果
最後の2つを突き合わせると、割り当てルールの妥当性が検証できます。 「オンライン完結に回した問い合わせのうち、あとから大型商談になったものが何件あるか」が分かれば、規模の境界値を見直す根拠になります。
受信から返信までの時間を必ず記録してください。 この構成の目的は工数削減より速さなので、そこを測らないと効果が分かりません。
04実装レベルの3段階
半自動化で4分が1.5分程度になります。 調査の1.5分と判断の0.5分が消えるためです。本格構成にすると1.2分程度ですが、本格構成の価値は時間より「優先度の高い問い合わせに即時に反応できること」にあります。
05工数削減シミュレーション
導入後 800件 × 1.2分 ÷ 60 = 16 時間/月
自社条件で導入効果を整理したい方へ
このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。
06向いている企業・向いていない企業
- Webからの問い合わせ・資料請求が月200件以上あり、内容を見て担当へ振り分ける運用がある企業。フォームの入力内容に自由記述欄があること。既存顧客・既存商談のデータが参照できること。
- 問い合わせが月30件未満で、担当者が全件を見られる場合。すべての問い合わせを同じ担当が対応していて、振り分けの必要がない場合。フォームの項目が完全に選択式で、自由記述がない場合。
07最小構成で試す方法
- 過去1か月の問い合わせ100件を、フォームの内容つきで書き出す
- 生成AIに1件ずつ渡し、用件の種別と検討段階を判定させる
- インサイドセールスが実際にどう扱ったかと比べる
見るのは次の4点です。
| 見る点 | 判断 |
|---|---|
| 営業目的の売り込みを正しく分類できたか | できれば、それだけで3割の負担が減る |
| 検討段階が、自由記述から読み取れたか | 読み取れれば、優先度の判定に使える |
| 企業の規模や業種を推測していないか | 推測していたら、プロンプトを強める。ここが最重要 |
根拠となった記述(quoted_text)が出ているか | 出ていなければ、担当者が確認できない |
3番目を必ず確かめてください。 「この会社は従業員300名程度と思われます」と書かれていたら、その構成は危険です。担当者がその数字を信じて振り分けます。
あわせて、現在の「受信から返信までの時間」を測っておいてください。 導入後の比較対象がないと、効果が説明できません。
08実装時につまずきやすいポイント
| 問題 | 対策 |
|---|---|
| LLMが企業の規模や業種を推測する | プロンプトで明確に禁止する。company_info.source が unknown なのに値が入っていないか機械的に検査する |
| 商談化の見込みをLLMに点数化させる | 点数はプログラムで計算する。根拠を priority_basis に残す |
| 定期実行のトリガーを使って返信が遅れる | Webhook を使う。速さがこの業務の価値 |
| 会社名で CRM を照合して当たらない | メールドメインで引く。会社名は表記ゆれが多い |
| フリーメールを一律で低優先にする | 規模の照合ができないだけで、見込みが低いとは限らない。人が見る |
| 営業目的の問い合わせを自動で捨てる | 一覧に出して人が流し見る。誤判定で見込み客を失う |
| 既存商談があるのに別の営業をアサインする | CRM照合を割り当ての最優先条件にする |
| Webhookに偽のデータが送られる | 署名の検証、または送信元の確認処理を入れる |
| APIが失敗して問い合わせが消える | 失敗時はキューに入れる。取りこぼさないことを最優先 |
| 自由記述欄をフォームから削ってしまう | 残す。検討段階を読み取る唯一の手がかり |
| 返信時間を測っていない | 受信と送信の時刻を記録する。測らないと効果が説明できない |
09セキュリティ・AIガバナンス上の注意点
この構成で扱うデータ: 問い合わせ者の氏名・所属・メールアドレス・電話番号、自由記述の内容、企業情報。個人情報を扱います。
- LLMに渡す情報の最小化 … 分類と検討段階の読み取りに、氏名と電話番号は不要です。会社名・ドメイン・自由記述・選択項目だけを渡してください
- 自由記述に含まれる個人的な事情 … 転職相談、苦情、健康に関する記述が混ざることがあります。内容を転記させず、人が読む対象として印を付けるだけにしてください
- 利用目的の範囲 … フォームで取得した個人情報は、プライバシーポリシーに記載した利用目的の範囲で扱う必要があります。「AIによる分類・振り分けに利用する」ことが現在の記載に収まるかを、法務に確認してください
- 外部AIへの入力可否 … 問い合わせ内容には、相手企業の課題や検討状況が書かれています。自社の情報管理規程とプライバシーポリシーを確認してください
- 学習利用 … 入力を学習に使わないことが契約で保証されるサービスを選びます
- 企業データベースの利用条件 … 照会したデータの保存と二次利用の範囲は、契約で定められています。CRMに取り込んでよいかを確認してください
- 自動実行してよい範囲 … 分類・割り当て・下書きまでです。導入検討の問い合わせへの返信、営業目的と判定したものの削除は、人が行います
誤りが起きた場合のリスクは、見込み客の取りこぼしと、既存商談への二重アプローチです。前者は機会損失、後者は取引先からの信頼の低下につながります。判定の根拠を残し、後から追跡できる状態にしてください。
10まず何から始めるか
1週目:現在の数字を測る
過去1か月の問い合わせについて、次を数えます。
- 用件の種別ごとの件数(特に営業目的が何件か)
- 受信から一次返信までの時間の平均と最大
- 振り分け先ごとの商談化率
この3つが、導入後の比較対象になります。 特に2番目を測っていない企業が多いので、必ず測ってください。
2週目:割り当てルールを1枚にする
規模・地域・製品・既存商談の有無から、担当が決まる表を作ります。現在は3名の頭の中にあります。 書き出すと、境界が曖昧な箇所(「500名前後はどちらか」)が見つかります。そこを決めるのが、この週の目的です。
3週目:100件で分類を試す
過去の問い合わせ100件を生成AIに判定させ、実際の扱いと比べます。企業情報を推測していないかを必ず確かめてください。
4週目:Webhook でつなぐ
フォームの送信をWebhookで受け取り、CRM照合と分類までを動かします。まず通知だけを出す形にして、振り分けは従来どおり人が行います。 1週間動かして、分類の精度を実測します。
2か月目以降: 割り当てと一次返信の下書きを追加します。並行して、人が割り当てを変更した記録を集め、ルールの境界値を見直します。商談化の結果と突き合わせるのは、3か月分たまってからです。
11関連ユースケース
12この仕組みを理解するための記事
13技術仕様の確認日・参考情報
| 確認した内容 | 情報源 | 確認日 |
|---|---|---|
| Make のWebhookが、外部のアプリやサービスからHTTPでデータを受け取るURLを作れること。Webhookを受け取った時点でシナリオを実行し、定期的に問い合わせる方式のトリガーと異なること。フィルタやルーターと組み合わせられること | Make Help Center: Webhooks | 2026-09-15 |
| Make のインスタントトリガーが、データが届いた時点で実行されること。Webhookを使うにはインスタントトリガーを作成してWebhookに紐づける必要があること | Make Developer Hub: Instant trigger (webhook) | 2026-09-15 |
| Claude API に、出力をJSONスキーマに沿わせる構造化出力の機能があること(2026-09-15時点ではベータ機能) | Claude Platform Docs: Structured outputs | 2026-09-15 |
企業データベースの提供内容・料金体系・データの二次利用の可否は、サービスによって異なります。この部分は利用環境に応じた個別確認が必要です。 フォームで取得した個人情報をAIによる分類に用いることが、自社のプライバシーポリシーに記載した利用目的の範囲に収まるかは、法務部門に確認してください。CRMへの書き込み方式は製品によって異なります。
実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。受注率への効果は、根拠がないため数値化していません。
自社の業務に使えるAI活用候補を整理します
このユースケース(UC-0093)についてのご相談はこちらから。
