HubSpot AIチャットボット（Breeze）解説｜RAG連携と構築手順

HubSpotのAIチャットボット「Breeze 顧客対応エージェント」は、自社のナレッジをRAG（検索拡張生成）で参照して自動応答するAIです。回答精度は機能そのものではなく、インプットするナレッジの品質と設計で決まります。

「夜間や休日に届く問い合わせに対応できず、機会を逃している」「同じ質問への回答に担当者の時間が取られ、本来の業務に集中できない」「FAQを整備したいが、情報がExcelやPDFに散らばって更新しきれない」——こうした声は、顧客対応の現場でよく聞かれるものです。

HubSpotのAIチャットボットとは、HubSpotのAIツール群「Breeze」の顧客対応エージェントをウェブチャットなどのチャネルに配置し、RAGでナレッジベースやCRMデータを参照しながら問い合わせに自動回答する仕組みです。定型のFAQを返すだけのボットとは異なり、Web上に公開していない社内情報まで回答の根拠にできる点が特徴です。

本記事は「AI × CRMで企業価値を上げる設計思想｜経営者が知るべきAI CRM戦略」シリーズの一部です。 この分野の体系的な情報はHubSpot AI・Breezeガイドでまとめています。

本記事はStartLinkの「AI活用完全ガイド」関連記事です。

この記事でわかること

HubSpotのAIチャットボット導入を検討している方に向けて、仕組みの理解から構築・運用の設計まで、実務で必要になる論点を整理しています。

• Breezeの全体像と料金体系 — Breeze Assistant・Agent Hub・Breeze Intelligenceの3つの構成要素と、HubSpotクレジットによる従量課金モデルを解説します
• RAG（検索拡張生成）の仕組み — 自社データを参照して回答精度を高める仕組みと、従来型チャットボットとの違いを整理します
• ソースにできるデータと連携設計 — ナレッジベース・PDF・公開URLに加え、Notionのナレッジをつなぐ運用方法を紹介します
• 構築手順と効果測定 — ソース登録からトレーニング、ガイドライン設定、ダッシュボードでの測定までをステップで解説します
• 導入を成功させるポイントと正直な限界 — データ品質・セキュリティ・段階的導入の進め方と、AIに任せる範囲の決め方を紹介します

この記事は、顧客対応の効率化を検討しているマーケティング・カスタマーサービス担当者や、HubSpotのAI機能の全体像を把握したい導入検討中の方に向けて書いています。最後まで読むと、自社に合ったAIチャットボットの設計と、最初の一歩の踏み出し方がわかるようになります。

HubSpotのAIチャットボットを支える「Breeze」の全体像

HubSpotは、複数のAIエージェントや様々な機能を備えたAIツール群「Breeze」を提供しています。AIチャットボットはこの一部として位置づけられているため、まず全体像を押さえておくと設計がしやすくなります。

以下の画面は、HubSpot公式サイトのBreeze紹介ページです。

Breeze Assistant：日々の業務を支えるAIアシスタント

Breeze Assistantは、日々の業務を効率化するための無料のAIアシスタントです。ブログ記事の下書き、メール件名、ランディングページのコピー、CTAテキスト、SMSメッセージの生成といったコンテンツ作成支援から、営業電話の事前準備、CRMレコードの要約・更新、チケット内容の要約と返信案の生成まで幅広くカバーします。CRMデータと連携するため、レコードの文脈を踏まえたパーソナライズされた結果を返してくれます。

Agent Hub：タスクを自律実行するエージェント群

Agent Hubは、特定のタスクを自動的に実行するAIエージェントの集合です。本記事の主題となるAI顧客対応エージェントと、サポート現場の知見をナレッジ化するAIナレッジベースエージェントに加え、見込み客の特定を自動化する「案件創出Agent」や、コンテンツ作成プロセスを自動化する「コンテンツAgent」なども登場しています。私たちはAIを「超一流のオペレーター」ではなく「アシスタント」として捉え、人間がレビューと判断を担う設計をおすすめしています。

Breeze IntelligenceとHubSpotクレジット

データを拡充するBreeze Intelligenceに加え、Breeze顧客対応エージェントやデータエージェントなど一部のAI機能には、HubSpotクレジットという従量課金モデルが採用されています。

追加は1,000クレジットあたり10ドルで購入できます。クレジットは毎月リセットされ繰り越しはありませんが、使用量に応じて自動的にアップグレードされるため、まず付与分で試して利用状況を見ながら調整する運用が可能です。

回答精度を左右するRAG（検索拡張生成）の仕組み

自社独自のルール、過去の顧客とのやり取り、製品仕様書、社内マニュアルといった「自社データ」は、一般的なAIモデルが学習しているものではありません。自社のビジネスに特化した精度の高い回答をAIにさせるには、RAG（検索拡張生成）という技術が不可欠になります。

以下の図は、自社データをAIに活用するRAG（検索拡張生成）のイメージをまとめた資料です。

RAGの基本プロセス：検索・拡張・生成

RAG（Retrieval-Augmented Generation）は、「情報を検索（Retrieval）」してから、「回答を生成（Generation）」する際に、その検索結果を「拡張（Augmented）」して使う仕組みです。

• 検索： ユーザーからの質問を受け取り、ナレッジベースや社内文書、CRMデータなどの外部データベースから関連情報を検索します。キーワードだけでなく、質問の意味を理解したセマンティック検索が行われることもあります。
• 拡張： 検索で取得した関連情報を、元の質問と一緒にLLMへ入力するプロンプトへ追加します。
• 生成： LLMが拡張されたプロンプトに含まれる情報を参照しながら、自然な文章で回答を生成します。

従来型チャットボットとの違い

精度向上の効果と、ただし残る限界

このプロセスにより、LLMは学習データにない情報や最新情報を参照して回答できるようになり、AIが事実に基づかない内容を生成する「ハルシネーション」のリスク低減も期待できます。RAGの導入により、従来のLLMと比較して出力精度の向上や運用コストの削減を実現したという報告もあります。ただし、参照先のナレッジ自体が古かったり誤っていたりすれば、AIもその誤りを踏襲します。精度は「AIの性能」ではなく「ナレッジの品質」で決まる、という点は導入前に押さえておきたいポイントです。

ソースにできるデータと、外部ナレッジとの連携設計

AIチャットボットの実力は、どの情報をソースとして読み込ませるかで大きく変わります。ここでは登録できるデータの種類と、外部ツールに蓄積したナレッジの扱い方を整理します。

ソースとして登録できるデータの種類

HubSpotのAI機能（特にAI顧客対応エージェント）は、以下のデータソースを読み込んでトレーニングできます。

• HubSpot内のウェブサイトページやナレッジベース記事
• 関連するリンクや公開されているURL
• PDFファイルやその他の外部ファイル
• HubSpotの顧客データベース（CRM）
• 過去の対話ログ

以下の図は、AIエージェントがトレーニングに読み込めるデータソースの種類をまとめた資料です。

次の画面は、Breezeに読み込ませる入力ソースを選択する画面です。

Notionに蓄積したナレッジをつなぐ運用

現状、NotionやGoogleドライブへ直接連携する機能はありませんが、PDF化してファイルとしてインプットすれば遜色なくデータとして活用できます。Notionを社内ナレッジの中心に据えている場合は、StartLinkが開発した連携アプリSync for NotionでNotionページをHubSpotの取引・チケット・サービスにマッピングし、CRM経由でBreezeへ「顧客文脈付きのナレッジ」を渡す構成が現実的です。

Sync for NotionでNotion上のFAQ・ナレッジDBをHubSpot CRM側にミラーし、BreezeのAIチャットボットがそれをソースとして引ける状態を作る——この構成が、Notionユーザーにとってスムーズな連携パターンです。Freeプラン（月50操作・0円）から試せます。次の画面は、Sync for Notionの連携アプリのトップ画面です。

Sync for Notion の詳細 ｜ HubSpot Marketplaceでインストール

ソースの更新サイクルと管理

トレーニングに使用するコンテンツソースは、後から追加・編集・削除が可能です。同期済みのナレッジベース記事は更新時に自動で再同期され、その他のソースも週1回自動で再同期されます。ただし、自動再同期があるからといって放置はできません。誰が・どの頻度で・どの基準でナレッジを更新するかという運用ルールまで仕組みとして決めておくと、担当者が変わっても品質を維持できます。

顧客対応エージェントの構築手順：ソース登録から公開まで

HubSpotでのRAG構築は、比較的スムーズに行えるよう設計されています。ここでは設定の流れと、品質を左右するガイドライン設定、公開後の効果測定を順に解説します。

構築の流れ：4ステップ

次の画面は、顧客対応エージェントの作成画面です。

参考：顧客対応エージェントを作成

当初はService HubのProfessional/Enterpriseエディションの機能でしたが、現在はHubSpotクレジットを消費することで、Marketing Hub・Sales Hub・Content Hub・Data HubのProfessional/Enterpriseエディションでも利用可能になっています。

ガイドライン設定：トーンと応答スタイル

次の画面は、顧客対応エージェントのガイドライン（トーン・応答スタイル）設定画面です。日本語で運用する場合は、丁寧語やビジネス上のお作法を守るルールを明示してあげると、回答の印象が大きく変わります。

効果測定：ダッシュボードで追う指標

エージェントのパフォーマンスは、HubSpotのレポート・ダッシュボード機能で追跡できます。解決されたコミュニケーション数、人間への引き継ぎ数、未回答の質問数を確認し、ナレッジのギャップを特定して改善に繋げる運用が重要です。測定から改善までのサイクルを「仕組み」として設計しておくと、担当者の力量に依存しない運用が回ります。

また、HubSpotのAPIを活用すれば、コンタクト・企業・取引・チケット・フォーム・CMSコンテンツといった広範なデータをRAGに連携し、より高度なカスタムAIソリューションを構築することも可能です。

導入効果と活用シーン：公開データと事例から見る実力

AI顧客対応エージェントは、問い合わせの分類・回答・チケット化を自動化し、Eメール・チャット・WhatsApp・Facebook Messenger・音声通話まで多様なチャネルに対応します。注文状況や更新日など顧客固有のCRM情報も呼び出せるため、24時間365日の自動応答と問題解決を実現します。

以下の図は、AIチャットボットによる顧客対応のイメージをまとめた資料です。

公開データから見る導入効果

HubSpotのデータによると、AI顧客対応エージェントを導入したチームはチケット解決速度が6%向上し、AIによる会話解決率は8%以上（トップチームでは90%）を達成しています。海外向けモバイルゲームを提供するXeopleの事例では、導入後に73%の顧客が満足したと報告されており、多言語対応や専門知識の課題を少人数のグローバル対応で解決した成果と言えます。

代表的な活用シーン

• ウェブサイト上の問い合わせ対応： 製品の詳細や価格への質問に素早く情報を返すことで、購買意欲の向上が期待できます。会話の8%以上を自動解決し、トップチームでは最大90%の自動解決率に達しています。
• 大学の問い合わせ対応： 近畿大学ではRAGを利用したAIチャットボットを導入し、想定質問集だけでなくドキュメントやURLからも自動学習。大学独自の情報を高精度に回答できるようになり、教職員の負担軽減と回答の柔軟性向上に繋がりました。
• 社内ヘルプデスク： 社内ルール・業務・操作方法への質問に独自情報をもとに自動回答し、スタッフ教育コストの削減に貢献します。

さらに、ボット経由の問い合わせをGoogle ChatやSlackへ自動通知する設定も可能で、既存のワークフローとの連携も容易です。

次の画面は、企業サイトに設置したAIチャットボットが、訪問者からの質問に対して製品の機能説明や公開ページの案内を返している応答例です。

以下の図は、AIチャットボットの活用シーンと既存ワークフローとの連携をまとめた資料です。

AIナレッジベースエージェント：現場の知見を自動でナレッジ化

以下の画面は、AIナレッジベースエージェントの管理画面です。

AIナレッジベースエージェントは、AI顧客対応エージェントと連携し、解決済みのサポートチケットや顧客とのやり取りを分析して、ヘルプ記事の下書きを自動で作成します。顧客対応エージェントが回答できなかった質問（ナレッジギャップ）を特定する機能も持ち、1つひとつのコミュニケーションがナレッジの強化に繋がる仕組みです。ただし現在はベータ版の段階で、日本語対応が十分ではありません。AIが生成した記事は公開前に人間がレビュー・編集・承認できるため、確認と調整の運用を前提に、本格活用は今後の進化に期待という見方が妥当です。

向かないケースと正直な限界

ただし、以下のようなケースでは効果が限定的になります。

• ナレッジ自体が未整備で、参照できる情報が少ない（先にナレッジ整備が必要です）
• 個別交渉やクレーム対応など、判断を要する問い合わせが中心（人間へのエスカレーション設計が前提になります）
• 日本語での高度な言い回しやニュアンス調整が求められる（ガイドライン設定と人間レビューで補完します）

「AIが全部やってくれる」という期待で導入すると失敗しやすい領域です。AIに任せる範囲と人間が判断する範囲を線引きした上で設計することが、成果を出す前提条件になります。

HubSpot以外のRAG対応ツールとの使い分け

HubSpot以外にもRAG対応ツールは存在し、用途に応じた使い分けが有効です。代表的なツールと得意領域を整理します。

ユースケース別の使い分け

Notion AI・GenSpark：社内情報の横断検索

Notion AIはワークスペース内のノートやドキュメントを横断検索し、要約やQ&Aを行えます。社内マニュアルや仕様書をNotionにまとめておけば、質問に対して該当ページを提示しながら要点を整理してくれます。GenSparkはGmail・Googleカレンダー・Googleドライブ・Notionなど多様なソースと連携し、「AI Secretary」機能でメール整理やスケジュール調整を一括実行できるため、営業準備やリサーチ作業の効率化に向いています。

以下の画面は、Notion AIのワークスペース検索画面です。

以下の画面は、GenSparkのAI連携ツール画面です。

NotebookLM・Gemini：リサーチ支援

以下の画面は、NotebookLMのリサーチ支援画面です。

NotebookLMは、選択したGoogleドキュメントやスライドを基に要約・質疑応答・アイデア生成を行うGoogleの研究支援ツールです。Google WorkspaceのGeminiはGoogleドライブと統合され、長文ドキュメントやフォルダ全体の要約、複数ファイルからの情報抽出に対応します。社内ナレッジの検索やリサーチ用途ではこれらが向いている場面が多いですが、問い合わせ履歴をCRMに残してチケット・レポートへ繋げたい顧客対応用途では、HubSpotの構成を選ぶと運用がつなぎやすいです。

導入を成功させるポイントと、正直な限界

HubSpot AIやRAGの導入は多くのメリットをもたらしますが、いくつかの注意点と成功のためのポイントがあります。Breezeに依頼（ワークフローAI）と組み合わせれば、チャットボットだけでなく業務プロセス全体のAI化も検討できます。

データ品質：回答精度の土台

RAGの回答精度は参照データの質に直接依存します。不正確な情報や古い情報がソースに混ざれば、AIも誤った回答を生成する可能性があります。データのクレンジング（重複削除・フォーマット統一）と正確で最新の情報源の選定、定期的な更新体制が前提です。

次の画面は、デモ環境のデータ品質ダッシュボードです。重複や書式の問題を検出でき、AI活用の前提となるデータ整備の状況を確認できます。

セキュリティと権限設計

AIが社内データや顧客情報にアクセスする以上、情報漏洩や不正利用のリスクを抑える設計が求められます。参照できるデータソースの厳選、アクセス制御（RBAC/ABAC）、安全な通信（暗号化）、データ分類とアクセスログの監視を徹底しましょう。HubSpotでは、顧客対応エージェントのコンテンツソースについて非公開コンテンツの引用が自動でオフになる設定があります。外部サービスと連携する場合は、そのサービスのセキュリティ体制の確認も欠かせません。

運用体制とスモールスタートの進め方

RAGやAIエージェントは構築して終わりではなく、参照データの更新、評価・改善、スケーリングの継続運用が必要です。いきなり全社展開するのではなく、PoC（概念実証）として特定の業務や一部の部署に限定して始め、回答の正確性・応答時間・ユーザー満足度を測定してから段階的に広げるのがおすすめです。効果が出そうな領域を見極めて優先順位をつけ、小さく検証しながら拡張していく進め方がリスクを抑えます。

AIに任せる範囲と人間が判断する範囲

自律モードに丸投げするのではなく、送信・公開前に人間が確認する設計を基本にすると、品質事故を防ぎやすくなります。

顧客対応フロー全体の中でのAIチャットボットの位置づけ

AIチャットボットは単体で完結するツールではなく、問い合わせの受付から回答、チケット化、CRMへの記録、レポートによる分析までを繋ぐ顧客対応フローの入口を担う仕組みです。全体の中でどう機能するかを捉えておくと、投資対効果を設計しやすくなります。

エージェント型AIの普及予測

ガートナーの予測では、2028年までにエンタープライズソフトウェアアプリケーションの33%がエージェントAIを搭載し、日々の業務決定の少なくとも15%がAIエージェントによって行われるとされています。また、2029年までにカスタマーサービスの問題の80%がAIエージェントによって自律的に解決され、運用コストが30%削減されるとの予測もあります。

参考：ガートナー、2029年までにエージェント型AIが顧客の問題の80%を解決すると予測

RAGの進化：マルチモーダル対応へ

RAG技術はテキスト情報にとどまらず、画像・音声・動画といったマルチモーダルな情報源を参照できる方向へ進化すると考えられます。検索アルゴリズムも高度化し、ユーザーの意図をより深く理解した上で最適な情報を引き出す能力が向上していくでしょう。変化の速い領域だからこそ、機能を追いかけるのではなく「ナレッジを整備し続ける土台」を先に作っておくことが、どの進化にも対応できる備えになります。

CRMと一体で回すからこその価値

チャットボット経由の対話がCRMに記録されれば、その後の営業・マーケティング活動へシームレスに繋がります。コンタクトの問い合わせ履歴がチケットとして残り、レポートで集計され、ナレッジの改善に戻る。この「入口から改善まで一気通貫」の設計こそ、CRM基盤の上にAIチャットボットを置く意味です。将来的には、対話を通じて得た情報がリアルタイムにCRMへ反映され、パーソナライズされた提案まで担う役割が期待できます。

よくある質問

Q1. HubSpotのAIチャットボットは無料で使えますか？

Breeze Assistantは無料で利用できますが、顧客対応エージェントなど一部のAI機能はHubSpotクレジットの消費が必要です。各プランに月500〜5,000クレジットが付与され、追加は1,000クレジットあたり10ドルで購入できます。まず付与分で動作を確認し、利用状況に合わせて追加を検討する形がおすすめです。

Q2. NotionやGoogleドライブの情報はそのまま読み込めますか？

現状、直接連携する機能はありませんが、PDF化してファイルとしてインプットすればデータとして活用できます。Notionを中核に据えている場合は、Sync for NotionでページをHubSpotの取引・チケット・サービスにマッピングし、CRM経由でナレッジを渡す構成が現実的です。

Q3. AIの回答が間違っていた場合、どう修正すればよいですか？

回答精度はナレッジソースの質に依存するため、まず参照元のコンテンツを修正・更新します。ナレッジベース記事は更新時に自動で再同期され、その他のソースも週1回再同期されます。ダッシュボードの未回答質問を定期的に確認し、ギャップを記事追加で埋める運用が有効です。

Q4. 人間の担当者への引き継ぎはできますか？

はい、可能です。AI顧客対応エージェントは必要に応じて担当者へシームレスに引き継ぐ（エスカレーションする）設計ができます。クレームや個別交渉など判断を要する問い合わせは人間が対応し、定型質問はAIが一次回答する、という役割分担をあらかじめ設計しておくことが重要です。

Q5. 導入にはどのHubが必要ですか？

当初はService HubのProfessional/Enterpriseエディションの機能でしたが、現在はHubSpotクレジットを消費することで、Marketing Hub・Sales Hub・Content Hub・Data HubのProfessional/Enterpriseエディションでも利用できます。いずれの場合もProfessional以上のエディションが前提になる点にはご注意ください。

まとめ

HubSpotのAIチャットボット（Breeze 顧客対応エージェント）は、RAGによって自社ナレッジやCRMデータを参照し、24時間365日の自動応答を実現する仕組みです。公開データではチケット解決速度6%向上、トップチームで最大90%の自動解決率が報告されていますが、精度の土台はあくまでナレッジの品質と更新運用です。

最初の一歩としておすすめしたいのは、次の3ステップです。

1. 問い合わせの棚卸し — 定型質問と判断を要する質問に分け、AIに任せる範囲を決めます
2. ナレッジソースの整備 — よくある質問に対応するナレッジベース記事・PDFを用意し、小さくソースを登録します
3. PoCで検証 — 一部のチャネル・テーマで公開し、ダッシュボードで解決率と未回答を定期的に見ながら段階的に広げます

企業によって問い合わせの中身もナレッジの散らばり方も異なるため、自社に最適な設計を小さく検証しながら作り上げていく進め方が合います。

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、CRM特化型コンサルティングのHubSpotゴールドパートナーのStartLinkまでお気軽にお問い合わせください。

StartLinkでは、150社以上の支援実績をもとに、HubSpotの導入設計から運用定着まで一貫してサポートしています。CRM・SFA・MAの活用にお悩みの方は、無料相談をご利用ください。

あわせて読みたい

• HubSpot AI「Breeze」の機能完全ガイド｜Assistant・AIエージェント機能・ワークフローの実務生成AI活用例をご紹介
• HubSpot AIエージェント（Agent Hub）活用ガイド｜業務自動化の新しい設計
• HubSpotヘルプデスク設定ガイド｜チケット管理からナレッジベースまで一元化
• AIカスタマーサポート自動化｜問い合わせ対応の効率化と顧客満足度の両立
• HubSpot Service Hubとは？機能一覧と、顧客対応のAIエージェントを含めた業務効率化術を徹底解説！