日報の転記、月末の集計、問い合わせ内容の要約、承認待ちの催促——kintoneを使っていても、結局は人の手で拾わなければならない作業が残っていないでしょうか。「AIを組み合わせれば楽になるらしい」と聞いても、何から手をつければいいのか、自社の体制でできるレベルなのかが見えないまま止まっている担当者は少なくありません。

kintoneとAIを組み合わせる方法には、大きく3つのアプローチがあります。標準機能だけで完結させる方法、ノーコードツールで橋渡しする方法、API（システム同士がデータをやり取りするための接続窓口）で直接つなぐ方法——それぞれ難易度もコストも大きく違います。読み終える頃には、自社がどこから手をつけるべきかの初手が見えているはずです。

kintoneとAIを組み合わせると何が変わるか——手作業が残る業務の典型例

kintoneに蓄積されたデータは、集計や検索は得意でも「文章を読んで判断する」作業は苦手です。たとえば次のような業務は、人が読んで要約・分類・文面作成をしているケースが多いのではないでしょうか。

こうした「読んで判断し、言葉にする」作業はAIが得意とする領域です。kintoneとAIの連携方法は、必要なスキルやコストの面で大きく3パターンに分かれます。

問い合わせ対応・日報まとめ・承認催促に追われる現場担当者

連携パターン必要なスキルコスト目安向いている規模
①標準AI機能不要（管理画面の操作のみ）追加費用なし小〜中規模。まず試したい場合
②ノーコード連携自動化ツールの設定知識月額数千円〜定型的な繰り返し処理
③API直接連携プログラミング（API呼び出し）開発工数＋従量課金独自要件・大量データの処理

以下、それぞれの中身を見ていきます。

連携パターン1: kintone標準のAI機能（kintone AI）の現状とできること・できないこと

もっとも手軽なのが、kintoneに組み込まれている「kintone AI」です。2026年6月14日に正式版として提供が始まり、次の6機能があります。

追加料金はかかりませんが、条件があります。対象はスタンダード・ワイドコースのみで、ライトコースや開発者ライセンスでは利用できません。利用量は「AIクレジット」で管理され、スタンダードでは1ユーザーあたり月500クレジットが付与されます。このクレジットは同一ドメイン内の全ユーザーで共有するプールで、使い切ると機能が止まります。2026年秋頃には追加クレジットを購入できる有償オプションが予定されていますが、価格や購入方法は本記事執筆時点では未公表です。

各機能はデフォルトで無効になっており、管理者が「kintone AI管理」画面で機能ごとにオン・オフを切り替える運用です。

業務システムのAI機能をオン・オフ切り替えるイメージ

なお、アプリ作成AIやアプリ設定レビューAIについては、公式の機能説明はあるものの、実際の生成精度や使い勝手までは本記事の取材時点では確認できていません。試す際はまず小さいアプリ・少人数から使い方を検証することをおすすめします。

連携パターン2: n8n・Zapier経由でClaude/GPTを呼び出す（ノーコード自動化）

「フォーム入力→AI要約→kintoneへ書き戻し」のような一連の流れを、コードを書かずに組みたい場合はワークフローツール経由の連携が選択肢になります。ただし、ツールによって前提が異なります。

n8nには、実はkintone専用の公式連携ノードがありません。連携するには「HTTPリクエスト」という汎用ノードを使い、kintoneのREST API（外部システムからkintoneのデータを取得・更新するための接続窓口）を直接呼び出す形で組む必要があります。つまり完全なノーコードとは言えず、APIのパラメータ構造をある程度理解している人が設定する前提になります。料金は年間契約のn8n Cloudで月20ユーロ（実行2,500回まで）から、セルフホスト版は無料ですがサーバー運用の手間とコストが別途かかります。

一方Zapierは、kintoneとChatGPT/OpenAIの公式クイックコネクト連携を提供しており、レコード作成・ステータス更新・コメント追加など5種類の標準アクションをノーコードで組み合わせられます。料金はFreeプランで月100タスクまで無料、Professionalは750タスクで月額29.99ドルからです。

どちらも「まずは試してみる」なら着手しやすい選択肢ですが、実際の設定にかかる工数の相場は業務の複雑さに左右されるため、一般論としての傾向にとどめておきます。Excelなど既存データとの連携パターンについては、kintoneとExcel連携の実装パターンでも扱っているので、あわせて参考にしてください。

ノーコードツールでフォーム入力からAI処理を経てシステムへ書き戻す連携イメージ

連携パターン3: APIで直接連携——Claude CodeでkintoneデータをAI処理する実装例

もっとも自由度が高いのが、kintoneのREST APIを直接AIから呼び出す方法です。プログラミングの知識は必要になりますが、業務に合わせた細かい処理を組めます。

実装の入り口として使いやすいのが、サイボウズ公式が公開している「kintone MCPサーバー」です。MCP（AIとツールを繋ぐための標準規格）に対応しており、Apache License 2.0のオープンソースとして公開されています。Claude Codeなどmcp対応クライアントから自然文の指示でアプリ情報の取得やレコードのCRUD、フィールド設定の変更、アプリ作成までを操作できます。認証はAPIトークンやユーザー名・パスワードなど複数方式に対応しています。

もう少し素朴に、REST APIを直接呼び出す実装も可能です。基本の流れは次のとおりです。

  1. GET /k/v1/records.json でレコードを取得する
  2. 取得した内容をAIに渡して要約・分類させる
  3. POST /k/v1/record.json で結果を書き戻す

APIでレコードを取得しAIが処理し書き戻す処理フロー

たとえば問い合わせ内容を自動要約して台帳化する場合、レコード一覧はこのような画面になります。

kintoneのレコード一覧画面（問い合わせ自動要約台帳アプリの例）

実装で考慮しておきたいポイントが2つあります。ひとつは取得件数の制限です。1回のリクエストで取得できるレコードは最大500件で、それを超える場合はoffset（取得を開始する位置の指定値）を使ったページングが必要になります。加えて1日あたりのAPIリクエスト上限がコース別に決まっており（スタンダードは1万件/日、ワイドは10万件/日）、大量データを扱うバッチ処理を設計する際はこの上限を前提に組む必要があります。もうひとつはAPIトークンの権限分離です。kintoneのAPIトークンはアプリ単位・API種類単位で権限を絞って発行できるため、「読み取り専用」と「書き込み用」でトークンを分けておくと、AI処理側の実装ミスが書き込み事故に直結するリスクを抑えられます。いずれも公開されている仕様をもとにした設計上の注意点であり、実際に運用して測定した数値ではない点はご留意ください。

コストの目安として、Claude Sonnet 5の料金（入力100万トークンあたり2ドル・出力100万トークンあたり10ドル）を使って試算してみます。あくまで仮定条件に基づく参考計算ですが、1件あたり入力500トークン・出力200トークンと仮定すると、1件あたりの処理コストは0.003ドル程度です。100件処理しても1ドルに満たない計算になり、AI処理自体の費用は小さく抑えられる可能性が高いといえます。ただし、この試算は実測値ではなく、実際の業務では要約対象の文章量によって変動します。

なお、kintone MCPサーバーを実運用で使った際の応答速度や安定性、トラブルシューティングの勘所は本記事執筆時点では未検証です。導入前に小規模なテストアプリで動作確認しておくと安心です。

ここでつまずいたら、無料相談で画面を見ながら一緒に確認できます。

失敗しやすいパターン：「全部自動化」を目指して誰も使わなくなった3ヶ月後の実態

AI連携の話をすると「せっかくなら全部自動化してしまおう」と対象範囲を一気に広げたくなりますが、これが定着を妨げる典型的な失敗パターンです。

よくあるのは、例外処理を設計しないまま本番投入してしまうケースです。AIの分類や要約が明らかに間違っているレコードが放置され、「このアプリのAI処理は信用できない」という空気が現場に広がると、誰もチェックしなくなります。また、AI処理の結果をすべて通知してしまい、通知が多すぎて無視されるようになる、運用ルールを決めた人が異動して誰も面倒を見なくなる、といった要因も重なりやすいところです。

対策はシンプルで、最初から1つの業務・小さい範囲で始め、「AIの判断は人が最終確認する」というチェックポイントを必ず残すことです。範囲を広げるのは、その1業務が安定して運用できてからでも遅くありません。

自動化の範囲を広げすぎて破綻する経過と、途中に挟む人によるチェック

pullieのAI×kintone伴走支援——設計から定着まで

AI連携は技術的には難しくなくても、「どの業務から着手すべきか」「例外処理をどこまで作り込むか」といった設計判断が結果を左右します。pullieでは、建設・不動産といった現場実務を経験したエンジニアが、業務の言葉のまま要件を聞き取り、kintoneの仕組みに翻訳しながら、小さく作って定着まで伴走するスタイルで支援しています。

外部に依頼する場合の費用感については、kintone開発の外注費用相場でも詳しく解説しています。自社でどこまでできそうか、どこから相談すべきかの判断材料としてご覧ください。

現場の言葉を聞き取りながら仕組みに翻訳し、小さく作って伴走するプロセス

まとめ：まず1業務から試すための選択基準

3つの連携パターンを振り返ると、選び方の軸は「開発リソースの有無」と「対象業務の複雑さ」に集約されます。

小さく始めて人によるチェックを挟みながら利用範囲を広げる成長曲線

大切なのは、最初から完璧な自動化を目指さないことです。まず1つの業務で小さく試し、AIの判断を人が確認するチェックポイントを残しながら、少しずつ範囲を広げていく——それが、3ヶ月後も現場で使われ続けるAI連携への近道です。