---
title: AIハルシネーション対策｜原因と7つの防止策、人とAIの役割分担を解説
description: AIハルシネーション対策の基本は、RAGで正しい情報源を参照させ、出典と確信度を出力させ、人がファクトチェックする工程を業務に組み込むことです。5つの原因、7つの実践手法、検出ツール、出力の種類別の確認レベル、参照元となるCRMデータの整え方までを解説します。
image: https://start-link.jp/hubfs/blog/screenshots/generated/gen_BF-3.png
---

[![StartLink](https://start-link.jp/hs-fs/hubfs/logo/%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink")](https://start-link.jp)

- [会社情報About](https://start-link.jp/about)
- [サービスService](https://start-link.jp/service)
- [プロダクトProducts](https://start-link.jp/sync)
- [YoutubeYoutube](https://start-link.jp/about/sns)
- [ブログBlog](https://start-link.jp/hubspot-ai)
- [業界別ガイドIndustry guides](https://start-link.jp/case)
- [採用情報Recruit](https://start-link.jp/recruit)

[資料DL](https://start-link.jp/download/service) [無料相談 →](https://start-link.jp/contact)

[会社情報](https://start-link.jp/about) [サービス](https://start-link.jp/service) [プロダクト](https://start-link.jp/sync) [Youtube](https://start-link.jp/about/sns) [ブログ](https://start-link.jp/hubspot-ai) [業界別ガイド](https://start-link.jp/case) [採用情報](https://start-link.jp/recruit)

[資料ダウンロード](https://start-link.jp/download/service) [無料相談 →](https://start-link.jp/contact)

- [トップ](https://start-link.jp)
- [会社情報](https://start-link.jp/about)
- [サービス](https://start-link.jp/service)
- [Youtube](https://start-link.jp/about/sns)
- [ブログ](https://start-link.jp/hubspot-ai)
- [Contact](https://start-link.jp/contact)
- [個人情報保護方針](https://start-link.jp/privacy-policy)
- [個人情報取り扱い規定](https://start-link.jp/personal-information-processing-agreement)

[ホーム](https://start-link.jp) › [ブログ](https://start-link.jp/hubspot-ai) ›[AI活用](https://start-link.jp/hubspot-ai/ai) ›[AIガバナンス・倫理](https://start-link.jp/hubspot-ai/ai/ai-governance) ›AIハルシネーション対策｜原因と7つの防止策、人とAIの役割分担を解説

# AIハルシネーション対策｜原因と7つの防止策、人とAIの役割分担を解説

- 2026年3月5日
- 最終更新: 2026年10月18日

![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_BF-3.png)

この記事の結論

AIの誤情報は、モデル選びだけでは防げません。正しい情報源を整え、人による確認を仕組みとして業務に組み込むことが対策の中心です。

ブログ目次

もっと見る ▼

**AIの誤情報は、モデル選びだけでは防げません。正しい情報源を整え、人による確認を仕組みとして業務に組み込むことが対策の中心です。**

「AIが下書きした提案書に、どこにも載っていない統計が入っていた」「チャットボットが製品の仕様を微妙に違う形で答えていた」「AIの出力をどこまで人が見直せばよいのか、社内で基準が決まっていない」——AIを業務に取り入れると、こうした悩みが出てきやすくなります。

AIハルシネーションとは、AIが「もっともらしいが事実ではない情報」を生成する現象です。対策の要点は、RAGで正確な情報源を参照させ、出典と確信度を出力させ、人がファクトチェックする工程を業務フローに組み込むことです。社内ルール全体の作り方は「[企業のAI利用ガイドライン策定ガイド](https://start-link.jp/hubspot-ai/ai/ai-governance/ai-usage-guideline-creation)」で解説しています。AI活用の全体像は[AI活用完全ガイド](https://start-link.jp/hubspot-ai/ai)で把握できます。

関連する記事の一覧は[AIガバナンス・倫理ガイド](https://start-link.jp/hubspot-ai/ai/ai-governance)をご覧ください。

## この記事でわかること

AIの社内活用を進める経営層やDX推進担当の方が、誤情報が生まれる仕組みから、それを止める運用体制までを順に把握できるように構成しています。

- **ハルシネーションが起きる5つの原因** — 学習データの限界から長文生成時の逸脱まで、原因ごとにどの対策が効くかを対応づけて整理します。
- **7つの実践手法と導入の順番** — RAG、出典・確信度の要求、ファクトチェック、LLMの使い分け、クロスチェック、ガードレールを、どの順に取り入れるかとあわせて解説します。
- **検出ツールと導入事例** — Vectara HHEM・Galileo・Guardrails AI・DeepEvalの用途と、みずほフィナンシャルグループ・富士フイルムビジネスイノベーションの確認体制を紹介します。
- **AIと人間の役割分担** — AIに任せる作業と人が判断する作業を分け、送信前レビューを個人任せにしない方法を示します。
- **参照元データの整え方** — CRMに情報を集約し、AIが参照するデータの正確性と鮮度を保つ考え方を説明します。

AIハルシネーション対策について理解を深めたい方に、特に参考になる内容です。

この記事を読み終えるころには、自社で最初に整えるハルシネーション対策が一つ決められます。まずはAI出力をそのまま使っている業務を一つ挙げてみてください。

## ハルシネーションとは何か、業務でどんな問題になるのか

ハルシネーションは、AIを業務に使ううえで大きな課題の1つです。誤りが文章の中に自然に溶け込むため、読み手が気づきにくい点が厄介です。この章では、定義と業務への影響、そして誤りを見抜けなくなる原因になりやすい情報管理の状態を整理します。

### ハルシネーションの定義

ハルシネーション（Hallucination）とは、AIが事実と異なる内容を、正しい情報と同じ調子で出力する現象です。「幻覚」と訳されることもあります。AIは「この文の次に来る言葉としてもっともらしいもの」を選んで文章を組み立てるため、文法や論理の流れは整っていても、中身の事実が誤っていることがあります。

厄介なのは、誤った部分に「自信がない」という目印が付かないことです。正しい数値も架空の数値も同じ書きぶりで出てくるため、出力を読むだけでは真偽を判断できません。

### 業務で起きる誤りの例

米国ニューヨークでは、弁護士がChatGPTを使って作成した準備書面に、実在しない判例が含まれていた事例が報じられ、ハルシネーションのリスクが広く知られるきっかけになりました。

ビジネスの現場でも、同じ構造の誤りが起こりえます。

- 顧客への回答で、誤った製品情報を伝えてしまう
- 提案書やブログに、存在しない統計データを引用してしまう
- 架空の企業事例を、実在するかのように記載してしまう

いずれも放置すれば信用の毀損につながります。社外に出る文章ほど、誤りが見つかったときの影響範囲が広がります。

### 情報がスプレッドシートに散らばっていると誤りを見抜けない

ハルシネーションを見抜くには、AIの回答と照らし合わせる「正しい情報」が手元にあることが前提になります。ところが、製品情報は営業部のスプレッドシート、価格は別の管理表、顧客とのやり取りはメールやチャットに散らばっている状態では、確認のたびに複数の場所を探すことになります。担当者によって参照する表が違えば、何を正とするかもぶれます。

判断の目安として、次の問いを社内で投げてみることをおすすめします。

| 確認する問い | 結果 | 次の行動 |
| --- | --- | --- |
| AIが答えた製品仕様や顧客情報を、1か所を見れば正誤判定できるか | できる | 本記事の対策1〜7の導入に進む |
| 同上 | 複数の表やチャットを探さないと判定できない | 対策の前に、正とする情報源を1つに決めて集約する（最後の章を参照） |

正とする情報源が決まっていない状態でAIを導入すると、RAGで参照させるデータそのものが食い違い、対策の効果が出にくくなります。

## ハルシネーションが起きる5つの原因

対策を選ぶには、まず誤りがどこから生まれるのかを押さえておくと迷いにくくなります。原因は大きく、モデルの構造に由来するものと、使い方に由来するものに分かれます。以下の表は、代表的な5つの原因です。

| 原因 | 説明 |
| --- | --- |
| 学習データの限界 | LLMは確率的にトークンを生成するため、学習データに含まれない情報は「それらしく」でっち上げる |
| 情報の時間的ギャップ | 学習データのカットオフ以降の情報を正確に回答できない |
| 指示の曖昧さ | プロンプトが曖昧だと、AIが推測で情報を補完する |
| 自信過剰な応答 | LLMは「わからない」と答えるより、何らかの回答を生成するよう学習されている |
| 長文生成時の逸脱 | 長い文章を生成する途中で、文脈から逸脱した情報を挿入する |

### 構造上の原因：確率的な生成と「答えようとする」性質

「学習データの限界」と「自信過剰な応答」は、LLMの仕組みそのものに由来します。LLMは知識を検索しているのではなく、確率的に言葉をつないでいるため、知らないことでも文章としては成立する回答を作れてしまいます。さらに、「わからない」と答えるより何かを答えるよう学習されているため、空白を推測で埋めがちです。

この種類の原因は、プロンプトの工夫だけでは消えません。外から正しい情報を与える仕組み（RAG）と、出力後に人や仕組みで検証する工程の両方で抑えることになります。

### 使い方による原因：曖昧な指示・時間差・長文

「指示の曖昧さ」「情報の時間的ギャップ」「長文生成時の逸脱」は、使い方で大きく変わる原因です。例えば「当社の強みをまとめて」とだけ指示すると、AIは手がかりがないまま一般論や推測で埋めます。学習時点より後の制度変更や新製品について尋ねれば、古い情報や推測が返ってきます。長い文章を一度に書かせると、途中で前提から外れた内容が混ざりやすくなります。

こちらは、参照資料を渡す、範囲を限定する、文章を短い単位に分けて生成させる、といった運用の工夫で減らせます。

### 原因から対策を選ぶ

本記事では、原因と対策の対応を次のように整理します。自社で起きている誤りがどの原因に近いかを見て、先に手を打つ対策を選んでください。

| 原因 | 主に効く対策 |
| --- | --- |
| 学習データの限界 | 対策1（RAG）、対策4（ファクトチェック） |
| 情報の時間的ギャップ | 対策1（RAG）で最新の社内資料を参照させる |
| 指示の曖昧さ | 対策2（出典の要求）、対策3（確信度の要求） |
| 自信過剰な応答 | 対策3（確信度の要求）、対策6（クロスチェック） |
| 長文生成時の逸脱 | 対策4（ファクトチェック）、対策7（ガードレール） |

誤りの多くが社内固有の情報（製品、価格、顧客）に関するものならRAGを優先し、一般知識や数値の誤りが目立つなら出典要求とファクトチェックを優先する、という分け方が実務では扱いやすいと考えています。

## 情報源と指示で誤りを減らす：対策1〜3

ここからは、ハルシネーション対策の7つの実践手法を2つの章に分けて解説します。この章の対策1〜3は、AIが回答を作る段階で誤りを減らす方法です。正しい情報を渡し、根拠と自信の度合いを出させることで、後工程の確認がしやすくなります。

### 対策1：RAG（検索拡張生成）の導入

RAG（Retrieval-Augmented Generation）とは、社内のドキュメントやナレッジベースから関連情報を検索し、LLMの入力に追加する仕組みです。LLMが「知らないこと」を推測で回答する代わりに、正確な情報源を参照して回答できるようになります。仕組みの詳細は「[RAGとは？社内データ活用でAIの精度を高める仕組み](https://start-link.jp/hubspot-ai/ai/genai-work/rag-enterprise-knowledge-guide)」で解説しています。AIの利用を取り巻く規制の動きは「[EU AI法が日本企業に与える影響](https://start-link.jp/hubspot-ai/ai/ai-governance/eu-ai-act-japan-impact)」もあわせてご覧ください。

RAGの効果は検索精度に左右されるため、ドキュメントのチャンキング（文書を検索しやすい単位に分割すること）、エンベディングモデル（文章を数値ベクトルに変換するモデル）の選定、キーワード検索とベクトル検索を組み合わせたハイブリッド検索の実装が重要です。

以下の画面は、Breezeアシスタントで読み込む入力ソースを選ぶダイアログで、OneDrive・SharePoint・Boxが選択肢として表示されています。どの保存場所の資料をAIに参照させるかを決める段階が、RAGの品質を左右する最初の分かれ目になります。

![Breezeアシスタント 入力ソース選択（OneDrive/SharePoint/Box）](https://start-link.jp/hubfs/blog/screenshots/library/breeze_source_select.png)

RAGを入れても誤答が出た場合は、原因を次の順に切り分けると改善点を絞り込めます。

1. 正しい情報が、そもそも参照対象の資料に入っているか。入っていなければ資料を追加・更新する
2. 入っているのに検索結果に出てこないか。出てこなければチャンキングや検索方式を見直す
3. 検索結果には出ているのに回答が誤っているか。その場合は生成側の問題として、対策2・3のプロンプト設計に戻る

### 対策2：出典の明示を要求

プロンプトに「回答の根拠となる情報源を明示してください。情報源が不明な場合はその旨を伝えてください」と追加します。出典が明示されれば、人間がその出典を開いて内容を突き合わせられます。

Anthropicの公式ドキュメントでも、ハルシネーションを減らす方法として、AIに「わからない」と答えることを許可する、長い文書では回答の前に該当箇所を直接引用させる、引用で裏付けられない主張を取り下げさせる、といった手法が挙げられています（出典：[Reduce hallucinations（Anthropic公式ドキュメント）](https://docs.anthropic.com/en/docs/test-and-evaluate/strengthen-guardrails/reduce-hallucinations)）。

ただし、AIが示す出典そのものが架空であるケースもあります。出典にリンクや文書名が付いていても、それを開いて記載内容と一致するかを見るところまでを確認作業に含めてください。

### 対策3：確信度の表明を要求

「回答の確信度を1〜5段階で示してください。確信度が3以下の項目は明示してください」とプロンプトに追加します。AIの自己評価は完璧ではありませんが、不確実な部分を特定するヒントになります。

運用では、確信度の低い項目を「人が調べ直す対象」として扱います。確信度が高いと示された項目でも誤りはありうるため、確信度は確認の優先順位を決める材料として使い、確認を省く理由にはしないことをおすすめします。

## 確認の仕組みで誤りを止める：対策4〜7

この章の対策4〜7は、AIが出力した後に誤りを見つけて止める方法です。担当者の注意力に頼るのではなく、出力の種類ごとに確認レベルを決め、ルールとツールで検証する流れを作ります。誰が担当しても同じ水準で確認できる状態を目指します。

### 対策4：ファクトチェックプロセスの義務化

AIの出力に含まれる事実（数値、企業名、製品名、法律名、統計データ）を人間が検証するプロセスを、組織のルールとして導入します。すべての出力を同じ重さで確認するのは現実的ではないため、出力の種類によって確認レベルを分けます。

| 出力の種類 | ファクトチェックレベル |
| --- | --- |
| 社外向け文書（提案書、ブログ、広告） | 全項目の事実確認必須 |
| 社内レポート | 数値・固有名詞の確認 |
| アイデア出し・ブレスト | チェック不要 |

この表を運用に落とすときは、「アイデア出しのつもりで作った文章が、そのまま提案書に転用される」ケースに気をつけてください。出力の用途が変わった時点で、表の上の段の確認レベルに切り替える、というルールを文書化しておくと、担当者が入れ替わっても基準がぶれません。

### 対策5：LLMの使い分け

ハルシネーションの発生率はモデルによって異なります。高精度が求められるタスクでは、AnthropicのClaudeやGPT-4oといった大規模モデルを使い、処理量の多い定型タスクでは小型モデルを使う――タスクの重要度に応じた使い分けが有効です。

モデルは入れ替わりが早いため、特定のモデル名を社内ルールに固定するより、「社外向け文書には社内で検証済みの上位モデルを使う」のように、用途と条件で決めておくほうが運用を続けやすいと考えています。ただし、上位モデルでもハルシネーションはなくならないため、モデル選びは対策4のファクトチェックを省く理由にはなりません。

### 対策6：複数AIの検証（クロスチェック）

重要な回答は、複数のAIモデル（GPT-4o、Claude、Gemini）に同じ質問を投げ、回答が一致するかを見比べます。同じモデルに同じプロンプトを複数回実行し、出力の食い違いを探す方法も、ハルシネーションを見つける手法として紹介されています（出典：[Reduce hallucinations（Anthropic公式ドキュメント）](https://docs.anthropic.com/en/docs/test-and-evaluate/strengthen-guardrails/reduce-hallucinations)）。

判断の分かれ目は次のとおりです。

- 回答が一致した場合：誤りの可能性は下がりますが、同じ誤情報を学習している可能性も残るため、社外向けなら対策4の確認に回す
- 回答が大きく異なる場合：ハルシネーションの疑いがあるものとして扱い、その項目は一次情報に当たって人が調べ直す

### 対策7：ガードレールの実装

AIの出力に対してルールベースのフィルタリングを適用します。ガードレールとは、出力が一定のルールを満たしているかを自動で検査し、満たさないものを止める仕組みです。

- 特定の主張には数値の裏付けを要求する
- 固有名詞（企業名、人名、法律名）を外部データベースで自動照合する
- 禁止表現（断定的な投資アドバイス等）を自動検出する

ガードレールは「明らかな誤り」を機械的に止めるのに向いていますが、文脈上の微妙な誤りまでは拾えません。ガードレールを通過した出力も、対策4の確認レベルに沿って人が見る流れを残しておくことをおすすめします。

## ハルシネーション検出ツールの位置づけ

ハルシネーションの検出や出力品質の管理には、専用のツールも使えます。ただし、ツールはそれぞれ得意な段階が異なるため、何をどこで止めたいのかを決めてから選ぶと無駄がありません。以下は代表的な4つのツールです。

| ツール | 特徴 | 用途 |
| --- | --- | --- |
| Vectara HHEM | ハルシネーション評価モデル。RAG回答の整合性を検証 | RAG品質管理 |
| Galileo | LLMの出力品質モニタリング。本番環境での監視 | 運用監視 |
| Guardrails AI | 出力のバリデーション。構造化ルールで品質担保 | ガードレール実装 |
| DeepEval | LLMの回答精度をテスト。CI/CDに組み込み可能 | テスト自動化 |

### 4つのツールをどの段階で使うか

表の「用途」は、AIを業務に組み込む流れのどこで使うかに対応しています。本記事では次のように整理します。

| 段階 | 主なツール | 止めたいもの |
| --- | --- | --- |
| 開発・テスト | DeepEval | リリース前の回答精度の低下 |
| RAGの品質管理 | Vectara HHEM | 参照資料と食い違う回答 |
| 出力時の検査 | Guardrails AI | ルールに反する出力 |
| 本番運用中の監視 | Galileo | 運用中に起きる品質の変化 |

### 導入の順番の考え方

最初から4つすべてを導入する必要はありません。社内向けのAI活用を小さく始める段階では、対策2〜4のプロンプト設計と人の確認で十分に回るケースがあります。AIの出力量が増えて人の確認が追いつかなくなった時点で、まずガードレールで機械的に止められるものを止め、RAGを本格運用するならRAG品質の評価を加える、という順に広げていくことをおすすめします。

ただし、検出ツールの判定もAIや統計的な手法によるものなので、見逃しはありえます。ツールの結果は「人が重点的に見る箇所を絞るための材料」として扱い、最終判断を人に残す設計にしておくと安全です。

## 導入事例に学ぶ確認体制

ハルシネーション対策を組織として運用している企業の事例を見ると、技術そのものよりも「誰が、どの段階で、何を確認するか」が明確に決められていることがわかります。ここでは2社の取り組みと、そこから読み取れる設計のポイントを整理します。

### みずほフィナンシャルグループ

みずほは、社内のAI利用において「Triple Check」体制を導入しています。AIの出力→担当者チェック→上長承認の3段階プロセスで、ハルシネーションによる誤情報の外部流出を防止しています。特にIR関連資料や顧客向け文書では、AI出力の全数確認を義務化しています。

### 富士フイルムビジネスイノベーション

富士フイルムBIは、社内ナレッジ検索AIにRAGを導入し、出典表示を必須化しています。回答とともに参照元ドキュメントのリンクを表示し、ユーザーが容易に原典を確認できる仕組みを構築しています。

### 2社の事例から読み取れる設計のポイント

本記事では、2社の取り組みを「確認の工程を決める」と「確認しやすい出力にする」の2つに整理します。

| 観点 | みずほフィナンシャルグループ | 富士フイルムビジネスイノベーション |
| --- | --- | --- |
| 主な対策 | 3段階の確認・承認プロセス | RAGと出典表示の必須化 |
| 対応する対策 | 対策4（ファクトチェック） | 対策1（RAG）、対策2（出典の明示） |
| 狙い | 誤情報を外部に出さない | 利用者自身が原典にたどれるようにする |

自社に取り入れるときは、AIの出力が社外に出るかどうかで出発点を選ぶとよいと考えています。顧客向け文書が中心なら確認・承認の工程設計から、社内のナレッジ検索が中心なら出典表示の仕組みから始める、という分け方です。

## AIと人間の役割分担を決める

ハルシネーション対策は、AIの精度を上げることと同じくらい、「どこまでをAIに任せ、どこから人が判断するか」を決めることが大切です。役割分担があいまいなまま運用すると、確認の抜け漏れが担当者ごとにばらつきます。この章では、作業の切り分け方と、確認を仕組みにする方法を整理します。

### AIに任せる作業と人が判断する作業

本記事では、ハルシネーションが起きても影響が小さく、人が後から直しやすい作業をAIに任せ、誤りが事業判断や顧客との関係に直結する作業を人が判断する、という基準で整理します。

| AIに任せやすい作業 | 人が判断する作業 |
| --- | --- |
| 問い合わせ内容の分類 | 営業プロセスやパイプラインの設計 |
| 記録や議事録の要約 | 顧客へ送る文章の最終判断 |
| 企業情報のリサーチの下調べ | 価格・契約条件に関わる説明 |
| メールや資料の下書き | 金額の大きな案件へのアプローチ |
| データの分類や表記ゆれの整理 | プロンプトやルールの設計・見直し |

左の列でも誤りは起こりますが、人が下書きを直す前提であれば影響を抑えられます。右の列は、AIの出力を参考にしても、判断と文責は人に置く領域です。

### 社外に出る文章と大型案件は人が仕上げる

AIに下書きを作らせ、人が改善するという使い方は、ハルシネーション対策としても有効です。ゼロから書くより速く、しかも人が読む工程が常に入るためです。

一方で、受注すれば事業へのインパクトが大きい案件や、重要な顧客への提案は、AIのリサーチ結果を参考にしつつ、文章は人が書くことをおすすめします。AIが生成した一文の誤りが、商談そのものを失う原因になりうる場面では、下書きを直すより最初から人が書くほうが、確認の手間とリスクの両方を抑えられます。

### 送信前レビューを仕組みにする

AIが作った文章を顧客に自動送信する設定は、ハルシネーションが起きたときに止める手段がありません。送信前に人が確認する工程を、ワークフローの中に組み込んでおくことをおすすめします。こうしておけば、担当者が異動しても、新しく入ったメンバーでも同じ確認が回ります。

チャットボットのように人が1件ずつ見られない用途では、回答のトーンや範囲をあらかじめ設定で縛っておく方法があります。以下の画面は、Breezeカスタマーエージェントのガイドライン設定画面で、トーンや応答スタイルを入力する欄が用意されています。

![Breezeカスタマーエージェント ガイドライン設定画面](https://start-link.jp/hubfs/blog/screenshots/library/guidelines_02_middle.png)

日本語のビジネス文書としての丁寧さや、「わからない場合は担当者に引き継ぐ」といった振る舞いを、ガイドラインとして文章で明示しておくと、回答の逸脱を抑えやすくなります。AIのチャットボットが正しく答えられるかどうかは、参照するナレッジの正確さに大きく左右されるため、次の章で扱うデータの品質とあわせて設計してください。

## ハルシネーション対策の根本はデータの品質

CRMを中心とした業務データがAIの情報源として活用される場面が増えるほど、データの正確性と最新性が重要になります。CRMに蓄積された情報が正確であれば、RAGを通じてAIが参照するデータの信頼性も担保され、結果としてハルシネーションのリスクが低減します。ハルシネーション対策は、技術的な仕組みだけでなく、[データガバナンスの整備](https://start-link.jp/hubspot-ai/dx/dx-tools/data-governance-framework)から始まります。また、AIの出力を業務プロセスに組み込む際は[責任あるAIの実装ガイド](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/responsible-ai-implementation)も参照してください。Claude Codeによる[経営データの可視化](https://start-link.jp/service/claude-code/business-intelligence)でも、同様のアプローチが活用されています。

### CRMをAIの情報源として一元化する

AIに参照させる顧客情報は、コンタクト（担当者）→取引（商談）→顧客→請求という一連の流れでつながっていると、回答の食い違いが起きにくくなります。例えば、商談の記録はCRM、契約内容は別の管理表、請求状況は会計ソフトにだけある状態では、AIがどれか1つだけを参照して、古い情報や部分的な情報で回答してしまいます。

CRMのようにコンタクト・会社・取引が互いに紐づくデータベースに情報を集めておけば、AIも人も同じ「正」を参照できます。どの情報をCRMに集約し、どの情報を外部システムに残すかは、事業の形によって変わります。AIに答えさせたい質問を先に洗い出し、その答えの根拠になるデータから順にCRMに集める進め方をおすすめします。

### データ品質を保つ仕組みを作る

データの正確性を担当者の心がけに頼ると、入力漏れや表記ゆれは避けられません。AIが参照するデータの品質を保つには、入力の段階で仕組みとして支えることが有効です。

| 仕組み | 狙い |
| --- | --- |
| 取引ステージを進める際の必須入力項目を決める | 金額やクローズ日などAIが参照する値の欠落を防ぐ |
| 使っていないプロパティ（項目）を整理し、必要なものに絞る | 似た項目の乱立による参照先の取り違えを防ぐ |
| プロパティの作成・変更を管理者に限る | 項目が無秩序に増えるのを防ぐ |
| データクレンジングの担当と頻度を決める | 古い情報や重複をAIが参照し続けるのを防ぐ |

いきなりすべての項目を整える必要はありません。まずはAIに答えさせたい業務（例えば製品に関する問い合わせ対応）に関わる項目だけを対象に整え、効果を見ながら範囲を広げていく進め方が現実的だと考えています。

### AI CRMで実現するAIハルシネーション対策

AIハルシネーション対策を実務に落とし込むには、AIが参照するデータと、AIの出力を確認する工程の両方をCRM上で管理できる状態が望ましいと考えています。具体的な連携の方法は「[AIとCRMの連携活用ガイド｜ChatGPT・Claude等のAIでCRM業務を効率化する方法](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/generative-ai-crm-integration)」で解説しています。

## よくある質問

### Q1. ハルシネーションを完全にゼロにすることはできますか？

現時点の技術では、完全にゼロにすることは困難です。ただし、RAGの導入（出典付き回答）、プロンプトの制約条件設定（「情報がない場合は回答しない」）、人間によるファクトチェック体制の3つを組み合わせることで、実務上許容できるレベルまで抑えられます。「ゼロリスク」を目指すのではなく、リスクを管理可能な水準にコントロールする設計が現実的です。

### Q2. どのような業務でハルシネーションのリスクが特に高いですか？

法的助言、医療情報、財務データに基づく意思決定の3領域は、リスクが特に高い領域です。これらの領域ではAIの出力を「参考情報」と明確に位置づけ、最終判断は専門家が行う体制にしてください。社外向け文書でこれらの内容を扱う場合は、対策4の表の「全項目の事実確認必須」を適用することをおすすめします。

### Q3. CRMデータを使ったAI回答でもハルシネーションは発生しますか？

発生する可能性はあります。CRMデータが不正確・古い・不完全な場合、AIはそのデータをもとに誤った回答を生成します。データの鮮度と正確性の維持がAI活用の前提条件になるため、定期的なデータクレンジングを担当者任せにせず、担当と頻度を決めて仕組み化しておくことが重要です。

### Q4. まず何から始めればよいですか？

社外に出る文章にAIを使っているなら、対策4のファクトチェックの基準づくりから始めるのが取り組みやすい方法です。社内のナレッジ検索や問い合わせ対応にAIを使いたい場合は、参照させる資料を1か所に集め、出典を表示させるところから始めてください。検出ツールの導入は、AIの出力量が増えて人の確認が追いつかなくなってから検討しても遅くありません。

## まとめ

ハルシネーションは、LLMが確率的にトークンを生成する構造上の性質から発生します。対策の中心はRAGで正確な情報源を参照させることで、その効果は検索精度（チャンキング・エンベディングモデル・ハイブリッド検索）に左右されます。そのうえで、出典と確信度を出させ、出力の種類に応じたファクトチェックとガードレールで止める流れを作ります。

- 社外向け文書は全項目の事実確認必須、社内レポートは数値・固有名詞の確認が基準
- 重要な回答は、複数AIモデル（GPT-4o・Claude・Gemini）でのクロスチェックが有効
- AIに任せる作業と人が判断する作業を分け、送信前レビューをワークフローに組み込む
- データの正確性・最新性がハルシネーション対策の根本であり、CRMへの情報集約とデータ品質の仕組みづくりから始める

まずは、自社でAIを使っている業務を書き出し、出力が社外に出るものと社内で完結するものに分けるところから始めてみてください。次の3ステップで進めると、無理なく体制を整えられます。

1. AIを使っている業務を一覧にし、対策4の表に沿って確認レベルを割り当てる
2. AIに答えさせたい質問の根拠になる情報を洗い出し、CRMなど1か所に集約する
3. 社外に出る出力について、送信前に人が確認する工程をワークフローに組み込む

ハルシネーション対策の構成に唯一の正解はありません。AIが扱う情報の種類や出力の用途によって、必要な確認の強度は変わります。まずは社外に出る出力から確認工程を決め、根拠情報の集約と合わせて運用が回ることを確かめてください。AIの性能だけに頼るのではなく、人が判断する位置を仕組みとして組み込むことが本質です。

CRMを活用した業務効率化やAIとの連携に関するご相談は、StartLinkまでお気軽にお問い合わせください。

## あわせて読みたい

- [RAG構築の実践ガイド｜社内データを活用したAI検索システムの作り方](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/rag-implementation-guide)
- [AIデータセキュリティガイド｜機密情報を守りながらAIを活用する方法](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-security-enterprise-guide)
- [責任あるAI（Responsible AI）実装ガイド｜企業のAI倫理を実務に落とし込む方法](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/responsible-ai-implementation)
- [AIエージェントガバナンスフレームワーク｜自律型AIを安全に運用する体制設計](https://start-link.jp/hubspot-ai/ai/ai-agent-ops/ai-agent-governance-framework)
- [AIの社内利用ガイドライン策定方法｜安全な活用のための規定テンプレート](https://start-link.jp/hubspot-ai/ai/genai-work/genai-internal-guidelines)

記事の内容を、そのまま実務に落とし込みたい方向け

HubSpotゴールドパートナーのStartLinkが、HubSpot導入・AI活用・CRM整備・業務効率化までをまとめて支援しています。記事で気になったテーマを、そのまま相談ベースで整理できます。

[サービス概要を見る](https://start-link.jp/service/hubspot-ai) [無料で相談する](https://start-link.jp/contact)

## 次に読む

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_DD-61_fast_mode_model_support.png) Claude Codeのfast mode（/fast）｜対応モデル・料金・使いどころの判断基準](https://start-link.jp/hubspot-ai/ai/claude-code-practice/claude-code-fast-mode)

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_DD-60_agent_view_session_states.png) Claude Code agent viewの使い方｜全セッションを1画面で管理](https://start-link.jp/hubspot-ai/ai/claude-code-practice/claude-code-agent-view)

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_DD-58_goal_evaluation_loop.png) Claude Codeの/goalコマンド｜完了条件でAIを自律実行させる方法](https://start-link.jp/hubspot-ai/ai/claude-code-practice/claude-code-goal-command)

## 記事の内容を、そのまま実務に落とし込みたい方向け

[無料で相談する](https://start-link.jp/contact) [資料をダウンロード](https://start-link.jp/hubspot-ai/ai/ai-governance/ai-hallucination-prevention#blog-download)

 株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。 サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、[無料のお問い合わせページ](https://www.start-link.jp/contact)より、お気軽にご連絡くださいませ。

###### 関連キーワード:

[AI](https://start-link.jp/hubspot-ai/tag/ai) [データ](https://start-link.jp/hubspot-ai/tag/データ)

## サービス資料を無料DL

## 著者情報

![7-1](https://start-link.jp/hubfs/7-1.jpg)

### 今枝 / Imaeda

 株式会社StartLink 代表取締役。累計150社以上のHubSpotプロジェクト支援実績を持ち、Claude CodeやHubSpotを軸にしたAI活用支援・経営基盤AXのコンサルティング事業を展開。  
 HubSpotのトップパートナー企業や大手人材グループにて、エンタープライズCRM戦略策定・AI戦略ディレクションを経験した後、StartLinkを創業。現在はCRM×AIエージェントによる経営管理支援を専門とする。

[StartLink](https://start-link.jp/)

### Service

- [会社情報](https://start-link.jp/about)
- [サービス](https://start-link.jp/service)
- [プロダクト](https://start-link.jp/sync)
- [採用情報](https://start-link.jp/recruit)
- [コンサルタントの方へ](https://start-link.jp/consultant-platform)

### Contact

- [問い合わせ](https://start-link.jp/contact)
- [資料ダウンロード](https://start-link.jp/download/service)
- [Syncナレッジベース](https://start-link.jp/sync/knowledge-base)
- [個人情報保護方針](https://start-link.jp/privacy-policy)
- [個人情報取り扱い規定](https://start-link.jp/personal-information-processing-agreement)

(c) 2026 All Rights Reserved.

```json
{
  "@context" : "https://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "今枝 拓海",
    "url" : "https://start-link.jp/hubspot-ai/author/imaeda"
  },
  "datePublished" : "2026-03-05T12:00:00.000Z",
  "headline" : "AIハルシネーション対策｜原因と7つの防止策、人とAIの役割分担を解説",
  "image" : [ "https://start-link.jp/hubfs/blog/screenshots/generated/gen_BF-3.png" ],
  "mainEntityOfPage" : {
    "@id" : "https://start-link.jp/hubspot-ai/ai/ai-governance/ai-hallucination-prevention",
    "@type" : "WebPage"
  },
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "url" : "https://start-link.jp/hubfs/Start%20Link%20(1500%20x%20600%20px)%20(5)-1.png"
    },
    "name" : "株式会社StartLink"
  }
}
```

```json
{
  "@context" : "https://schema.org",
  "@type" : "FAQPage",
  "mainEntity" : [ {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "現時点の技術では、完全にゼロにすることは困難です。ただし、RAGの導入（出典付き回答）、プロンプトの制約条件設定（「情報がない場合は回答しない」）、人間によるファクトチェック体制の3つを組み合わせることで、実務上許容できるレベルまで抑えられます。「ゼロリスク」を目指すのではなく、リスクを管理可能な水準にコントロールする設計が現実的です。"
    },
    "name" : "ハルシネーションを完全にゼロにすることはできますか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "法的助言、医療情報、財務データに基づく意思決定の3領域は、リスクが特に高い領域です。これらの領域ではAIの出力を「参考情報」と明確に位置づけ、最終判断は専門家が行う体制にしてください。社外向け文書でこれらの内容を扱う場合は、対策4の表の「全項目の事実確認必須」を適用することをおすすめします。"
    },
    "name" : "どのような業務でハルシネーションのリスクが特に高いですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "発生する可能性はあります。CRMデータが不正確・古い・不完全な場合、AIはそのデータをもとに誤った回答を生成します。データの鮮度と正確性の維持がAI活用の前提条件になるため、定期的なデータクレンジングを担当者任せにせず、担当と頻度を決めて仕組み化しておくことが重要です。"
    },
    "name" : "CRMデータを使ったAI回答でもハルシネーションは発生しますか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "社外に出る文章にAIを使っているなら、対策4のファクトチェックの基準づくりから始めるのが取り組みやすい方法です。社内のナレッジ検索や問い合わせ対応にAIを使いたい場合は、参照させる資料を1か所に集め、出典を表示させるところから始めてください。検出ツールの導入は、AIの出力量が増えて人の確認が追いつかなくなってから検討しても遅くありません。"
    },
    "name" : "まず何から始めればよいですか？"
  } ]
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/hubspot-ai/ai/ai-governance/ai-hallucination-prevention#article",
  "@type" : "BlogPosting",
  "author" : {
    "@id" : "https://start-link.jp/#founder"
  },
  "dateModified" : "2026-10-18T10:34:30+09:00",
  "datePublished" : "2026-03-05T12:00:00+09:00",
  "headline" : "AIハルシネーション対策｜原因と7つの防止策、人とAIの役割分担を解説",
  "image" : "https://start-link.jp/hubfs/blog/screenshots/generated/gen_BF-3.png",
  "isPartOf" : {
    "@id" : "https://start-link.jp/#website"
  },
  "mainEntityOfPage" : {
    "@id" : "https://start-link.jp/hubspot-ai/ai/ai-governance/ai-hallucination-prevention",
    "@type" : "WebPage"
  },
  "publisher" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "speakable" : {
    "@type" : "SpeakableSpecification",
    "cssSelector" : [ ".blog-section h2", ".blog-section p:first-of-type", ".blog-section blockquote" ]
  }
}
```

```json
{
  "@context" : "https://schema.org",
  "@type" : "BreadcrumbList",
  "itemListElement" : [ {
    "@type" : "ListItem",
    "item" : "https://start-link.jp",
    "name" : "ホーム",
    "position" : 1
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai",
    "name" : "ブログ",
    "position" : 2
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai/ai",
    "name" : "AI活用",
    "position" : 3
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai/ai/ai-governance",
    "name" : "AIガバナンス・倫理",
    "position" : 4
  }, {
    "@type" : "ListItem",
    "name" : "AIハルシネーション対策｜原因と7つの防止策、人とAIの役割分担を解説",
    "position" : 5
  } ]
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#organization",
  "@type" : "Organization",
  "address" : {
    "@type" : "PostalAddress",
    "addressCountry" : "JP",
    "addressLocality" : "中央区",
    "addressRegion" : "東京都",
    "postalCode" : "104-0061",
    "streetAddress" : "銀座1丁目12番4号 N&E BLD.6F"
  },
  "alternateName" : "StartLink Inc.",
  "award" : [ "HubSpot Gold Solutions Partner（HubSpotゴールドパートナー、2026年4月認定）" ],
  "contactPoint" : [ {
    "@type" : "ContactPoint",
    "availableLanguage" : [ "ja" ],
    "contactType" : "customer support",
    "url" : "https://start-link.jp/contact"
  }, {
    "@type" : "ContactPoint",
    "availableLanguage" : [ "ja", "en" ],
    "contactType" : "sales",
    "url" : "https://start-link.jp/contact"
  } ],
  "description" : "「AI × HubSpot」をコンセプトに掲げるHubSpotゴールドパートナー（Gold Solutions Partner、2026年4月認定）。HubSpotマーケットプレイスに自社アプリ（Sync for freee / Notion / Money Forward / Chatwork）を公開するアプリ開発企業であり、HubSpot/Salesforce知見とAI活用を組み合わせたCRM構築・移行・最適化・AIエージェント/PoC支援まで一貫して提供する。",
  "founder" : {
    "@id" : "https://start-link.jp/#founder",
    "@type" : "Person",
    "jobTitle" : "代表取締役",
    "name" : "今枝 拓海",
    "sameAs" : [ "https://x.com/ImaedaTakumii", "https://www.linkedin.com/in/takumi-imaeda/", "https://www.facebook.com/takumiIma" ]
  },
  "foundingDate" : "2024-09-04",
  "hasCredential" : {
    "@type" : "EducationalOccupationalCredential",
    "credentialCategory" : "certification",
    "name" : "HubSpot Gold Solutions Partner",
    "recognizedBy" : {
      "@type" : "Organization",
      "name" : "HubSpot, Inc.",
      "url" : "https://www.hubspot.com/"
    }
  },
  "image" : [ "https://start-link.jp/hubfs/startlink-ai-agent.jpg", "https://start-link.jp/hubfs/startlink-aiorg.jpg" ],
  "knowsAbout" : [ "HubSpot CRM", "HubSpot Implementation", "HubSpot導入支援", "CRM構築", "AI活用", "HubSpot連携アプリ開発", "Salesforce to HubSpot Migration", "Generative AI Integration", "AI Agent Development", "Revenue Operations", "Marketing Automation", "freee Integration", "Notion Integration", "Money Forward Integration" ],
  "legalName" : "株式会社StartLink",
  "logo" : "https://start-link.jp/hubfs/startlink-logo.png",
  "mainEntityOfPage" : "https://start-link.jp/",
  "memberOf" : {
    "@type" : "ProgramMembership",
    "hostingOrganization" : {
      "@type" : "Organization",
      "name" : "HubSpot, Inc.",
      "url" : "https://www.hubspot.com/"
    },
    "membershipNumber" : "Gold Tier",
    "programName" : "HubSpot Solutions Partner Program"
  },
  "name" : "株式会社StartLink",
  "sameAs" : [ "https://www.youtube.com/@startlink-hubspot", "https://x.com/ImaedaTakumii", "https://www.linkedin.com/in/takumi-imaeda/", "https://www.linkedin.com/company/108100307/", "https://www.facebook.com/takumiIma", "https://www.facebook.com/profile.php?id=61566874764985", "https://prtimes.jp/main/html/searchrlp/company_id/149669", "https://app.hubspot.com/ecosystem/46046172/marketplace/solutions/startlink" ],
  "taxID" : "8010001248134",
  "url" : "https://start-link.jp/"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#website",
  "@type" : "WebSite",
  "inLanguage" : "ja",
  "name" : "株式会社StartLink",
  "publisher" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "url" : "https://start-link.jp/"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM導入", "HubSpot" ],
  "description" : "150社以上の実績を持つHubSpotゴールドパートナーが、業務フローに合わせた設計から構築・本番稼働まで一貫支援。",
  "name" : "HubSpot導入・構築支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot導入・構築支援",
  "url" : "https://start-link.jp/service/hubspot"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot-ai",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM最適化", "AI活用" ],
  "description" : "HubSpotを軸に業務要件に沿った設計改善とAI連携活用を包括支援。",
  "name" : "HubSpot AIコンサルティング",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot AIコンサルティング",
  "url" : "https://start-link.jp/service/hubspot-ai"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot-training",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "研修", "HubSpot" ],
  "description" : "HubSpotの概念・基本操作からAI活用ノウハウまで、社内浸透のための研修を提供。",
  "name" : "HubSpot研修・レクチャー支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot研修・内製化支援",
  "url" : "https://start-link.jp/service/hubspot-ai/training"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-sf2hs-replace",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM移行", "データ移行" ],
  "description" : "Salesforce/HubSpot双方の思想とデータモデルを理解した移行設計とHubSpot側CRM開発を実行。",
  "name" : "SalesforceからHubSpotへのリプレイス支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "SalesforceからHubSpotへのリプレイス支援",
  "url" : "https://start-link.jp/service/salesforce-hubspot-replace"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-claude-code-bi",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "AI活用", "経営管理" ],
  "description" : "複数システムのデータを統合し、毎朝のAIブリーフィングなど経営の意思決定を加速する仕組みを構築。",
  "name" : "Claude Codeによる経営データ活用支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "AI経営管理支援",
  "url" : "https://start-link.jp/service/claude-code/business-intelligence"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-claude-code-content",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "コンテンツマーケティング", "AI活用" ],
  "description" : "キーワード戦略からSEO記事制作、CMS公開まで、AIを活用したコンテンツマーケティングを自動化。",
  "name" : "Claude Codeによるコンテンツマーケティング支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "AIコンテンツ制作支援",
  "url" : "https://start-link.jp/service/claude-code/content-marketing"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-freee",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとfreee会計・freee請求書をシームレスに連携。取引先の同期から請求書作成まで、バックオフィスの業務を自動化するHubSpotマーケットプレイスアプリ。",
  "featureList" : [ "freee取引先をHubSpotに自動同期", "HubSpotからfreee見積書・請求書を作成", "取引データをfreee会計に自動登録", "月次請求・更新処理に対応", "商品項目・品目・部門・タグ情報の連携" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/apps/sync-for-freee-bystartlink",
  "name" : "Sync for freee",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "請求月5件・見積月20件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "請求月50件・見積月100件まで",
    "name" : "Professional",
    "price" : "4000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "softwareHelp" : {
    "@type" : "WebPage",
    "url" : "https://start-link.jp/sync/knowledge-base/freee/basic-steps"
  },
  "url" : "https://start-link.jp/sync/freee"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-notion",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotのCRMレコードとNotionのページ・データベースを接続。HubSpotの画面から離れずにNotionのすべてにアクセスできるHubSpotマーケットプレイスアプリ。",
  "featureList" : [ "CRMカードからNotionページの作成・閲覧・編集", "NotionデータベースをCRMタブにテーブル表示", "4つのワークフローアクションで自動化", "コンタクト・会社・取引・チケット・サービス・プロジェクト対応" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/listing/sync-for-notion-bystartlink",
  "name" : "Sync for Notion",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "ページ・DB合計50件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Professional",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/notion"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-moneyforward",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとマネーフォワード クラウドを連携。取引情報から見積書・請求書を自動作成し、取引先・品目の同期や継続請求に対応するHubSpot連携アプリ。",
  "featureList" : [ "取引（Deal）から見積書・請求書を自動作成", "会社情報とマネーフォワード取引先の同期", "商品項目・品目マスタの連携", "月次・固定回数の継続請求に対応（Professionalプラン以上）", "合算請求（Enterpriseプラン限定）", "前受請求（一括請求・月次計上）（Enterpriseプラン限定）", "原価登録（MF会計への仕訳登録）で案件別の原価・粗利を可視化（Enterpriseプラン限定）", "取引レコードにCRMカードで連携ステータスを表示" ],
  "installUrl" : "https://ecosystem.hubspot.com/ja/marketplace/listing/sync-for-moneyforward-bystartlink",
  "name" : "Sync for Money Forward",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "請求月5件・見積月20件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "請求月50件・見積月100件まで",
    "name" : "Professional",
    "price" : "4000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/moneyforward"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-chatwork",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとChatworkを連携。ワークフローからChatworkのルームへ通知を送り、CRMカード上で最新のやり取りの確認と返信ができ、紐付けたルームの新着メッセージをHubSpotのノートとして自動で記録するHubSpot連携アプリ。",
  "featureList" : [ "ワークフローアクション「Chatworkに通知」（取引・会社・コンタクト・チケット対応）", "送信先ルームIDとメッセージ本文にHubSpotのプロパティを差し込み", "取引・会社・コンタクトとChatworkルームの紐付け（全プラン無制限）", "CRMカードにルームの最新100件のメッセージを表示（Professionalプラン以上）", "CRMカードからChatworkへメッセージを送信（Professionalプラン以上）", "紐付けたルームの新着メッセージをHubSpotのノートへ自動記録（Enterpriseプラン限定）", "引用や装飾を、HubSpotのノートでも読みやすい見た目のまま記録", "OAuth接続とAPIトークン接続（SAML/SSO環境向け）に対応" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/listing/sync-for-chatwork-bystartlink",
  "name" : "Sync for Chatwork",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "通知 月10件まで・ルーム紐付け無制限",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "通知無制限・CRMカードで最新100件の表示とメッセージ送信",
    "name" : "Professional",
    "price" : "3000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "Professionalの全機能＋メッセージ同期（30分ごと）",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/chatwork"
}
```