【n8nでなんでも自動化】メール対応業務を自動化！RAGとn8nで実現する24時間体制の高品質回答システム
はじめに
どうもこんにちは、のりまっくすです！
この記事では、僕が愛用している「n8n（エヌエイトエヌ）」というローコードのワークフロー自動化ツールを使って、どんなことができるのかをシリーズで紹介しています。
「何が嬉しいのか？」「どんな業務に使えるのか？」という視点を大切に、実用的なテンプレートや自作ノウハウを分かりやすくお届けしていきます。
少しでも「これ、使えるかも」と思ったら、ぜひいいね・フォローお願いします！
n8nってなに？
n8n（エヌエイトエヌ） は、プログラミングができなくても使える「ノーコード／ローコードの自動化ツール」です。
Google SheetsやSlack、Notion、ChatGPTなど、さまざまなサービスと連携しながら、業務やアイデアを自分の手でどんどん仕組み化できるのが魅力です。
無料で始められて、クラウドでも自分のPCでも使えるので、「まず試してみたい」という方にもぴったりです。
今回紹介するワークフロー
問い合わせメール対応を自動化し、営業時間外でも即座に正確な返信を送れるAI搭載メールシステムを紹介します。
タイトル: AI-Powered Email Automation for Business: Summarize & Respond with RAG
カテゴリー: カスタマーサポート・業務効率化
今回は久々にRAGを取り扱ってみようと思います。
✅ こんな人におすすめ
問い合わせ窓口（info@/support@）の一次対応を高速化し、夜間・週末も自動で即時返信したい
カスタマーサポート、インサイドセールス、広報・人事の代表窓口など、問い合わせ対応効率化を図りたい担当者
少人数スタートアップやMSPで、限られたリソースながら高品質な顧客対応を維持したい企業
社内資料（会社概要、製品説明、ポリシー等）を横断して正確に答えたいが、毎回の検索・引用に時間がかかっている
テンプレ調整やHTML整形まで含めてメール応答の体裁を安定させ、SLAとCX（顧客体験）を改善したい
🚀 このワークフローでできること
メール受信→本文整形→AI要約→分類→RAG検索→返信案生成→レビュー＆HTML整形→送信まで全自動化
Qdrant＋OpenAI埋め込みで社内ドキュメントから関連情報を自動検索し、事実ベースの一貫した回答を実現
分類のフォールバック（other）やRAG有無の分岐で安全運転。誤分類・情報不足時も破綻を回避
2段構え生成（OpenAIで下書き→DeepSeekでレビュー） により、簡潔・読みやすいHTMLメールでプロの応対品質を担保
Google Driveの資料をフォルダ投入→分割・ベクトル化→Qdrant更新まで自動反映。ナレッジ運用の摩擦をゼロに近づける
100語以内の簡潔かつプロフェッショナルな返信文の自動作成で、読みやすく的確な対応を実現
営業時間外の問い合わせにも即時対応し、顧客満足度向上とサポート担当者の負荷軽減を同時達成
🧩 ワークフロー全体の流れ
パート1: Qdrantナレッジベース準備
【目的】
AI応答の根拠となる情報ベース（Qdrantコレクション）をAPI経由で初期化・更新する。
【使用ノード】
Create collection (HTTP Request): Qdrantのコレクションを新規作成
Refresh collection (HTTP Request): 既存コレクションの初期化・リフレッシュを実行
パート2: Google Drive連携による社内ドキュメント管理
【目的】
Google Drive内資料を取得・正規化し、埋め込み生成→Qdrantへ投入してナレッジを更新する。
【使用ノード】
Get folder (Google Drive): 対象フォルダの一覧取得
Download Files (Google Drive): ファイルを一括ダウンロード（必要に応じてテキスト抽出）
Default Data Loader: 形式差のある文書を統一構造に正規化
Token Splitter: 段落をトークン長に応じて分割（RAG精度とコストを最適化）
Embeddings OpenAI1 (OpenAI Embeddings): 各チャンクをベクトル化
Qdrant Vector Store1 (Qdrant Vector Store): ベクトルをコレクションへアップサート
パート3: メール受信&加工
【目的】
受信メールを自動取得し、LLMに適したテキストへ整形する。
【使用ノード】
Email Trigger (IMAP Email): IMAPで受信トレイを監視し、新着メールをトリガー
Markdown: HTML本文をMarkdown/プレーンテキスト化し、余計な装飾を除去
パート4: 要約・分類・ナレッジ検索
【目的】
本文を要約→用途分類→必要時のみRAG検索して、回答生成に必要な文脈を揃える。
【使用ノード】
Email Summarization Chain (Basic LLM Chain): DeepSeek R1を用いて100語以内のイタリア語要約を作成
OpenAI 4-o-mini (OpenAI Chat Model): 要約・本文に基づいてカテゴリ分類（例：Company info request／other）
Email Classifier (IF): 分類結果に応じてRAG有り／無しの分岐を実施
Qdrant Vector Store: 該当時に類似検索し、関連スニペット（会社概要、製品・ポリシー等）を取得
パート5: AI自動返信作成&レビュー
【目的】
RAGで得た根拠とメール文脈から短くプロフェッショナルな返信案を生成し、別AIで校正・HTML整形する。
【使用ノード】
Write email (AI Agent): OpenAIモデルで100語以内の下書きを生成。曖昧点には追加質問を明示
Review email (Basic LLM Chain): DeepSeekモデルで語調統一・冗長削減・誤字修正を実施
DeepSeek R1 (OpenAI Chat Model): `<p>`, `<br>`, `<b>`, `<i>`の最小限タグでHTML整形し、多様なクライアントで崩れにくい本文へ
パート6: 自動返信送信
【目的】
HTMLメールを元スレッドに返信し、ログ・再送の運用も可能にする。
【使用ノード】
Send Email (Email): SMTPで返信送信（Re:付与、スレッド維持、署名適用、MIME設定）
Do nothing (NoOp): 分類条件により送信を行わないケースの終端
🛠 導入に必要な設定・API
メール設定
IMAP設定: ホスト、ポート、TLS設定、認証情報（メール受信トリガーに必須）
SMTP設定: ホスト、ポート、TLS設定、認証情報（自動返信送信に必須）
注意点: 企業メールポリシーに合わせたアクセス許可設定が必要
AI API設定
OpenAI APIキー: 返信文案生成、分類、Embedding作成に使用
推奨モデル: GPT-4o-mini (分類用)、text-embedding系 (ベクトル化用)
DeepSeek APIキー: メール要約(DeepSeek R1)とHTML整形・レビュー用
用途別にAPIキーの権限管理を行うとセキュリティ向上
ベクターストア設定
Qdrant APIエンドポイント/APIキー: ナレッジベース構築と検索用
コレクション名とベクトル次元数の統一設定が重要
初期構築時にはインデックス設定も考慮
Google Drive連携
OAuth2認証: drive.readonly スコープ推奨
社内ドキュメント取得用のアクセス権限
専用サービスアカウント作成が運用上安全
n8n内設定
クレデンシャル管理: 各APIキー・IMAP/SMTP情報の安全保管
分類カテゴリ定義: メール分類用（例: Company info request, Other）
分類カテゴリは企業のメール傾向に合わせてカスタマイズ
💡 ノード活用のポイント・Tips
Email Trigger (IMAP Email)
フィルタ（対象フォルダ、既読/未読、添付有無）を活用し不要な起動を抑制
大量受信時は同時実行数を制御し、APIレート制限に引っかからないよう注意
Markdown
余計なスタイルや追従署名を削ることでLLMの誤判定を防止
引用符や>の扱いをプロンプト側で明示すると安定
RAG活用のコツ
Token Splitter: 社内ドキュメントの分割サイズは300〜800トークンが最適
大きすぎると関連性低下、小さすぎると文脈欠如の原因に
Qdrant Vector Store:
topK（例: 3〜5）、最小スコア閾値(0.7以上推奨)を設定し、信頼できる根拠のみ採用
メタデータ（source, version, visibility）を付与し、公開可否や版管理を運用に反映
AIレスポンス生成の最適化
Email Summarization Chain: 100語・イタリア語などの制約はプロンプトで厳密に指定
言語指定で冗長性を排除し要点集約効果アップ
OpenAI 4-o-mini: 分類はJSON出力（{category: "..."}）を強制し、後段IFの条件判定を堅牢化
Email Classifier (IF): フォールバックを必ず用意（other→送信せず、担当者アサイン等）
メール作成・送信の工夫
Write email (AI Agent): トーン（丁寧・プロフェッショナル）、100語以内、誤情報を避ける、追加質問の促し等をプロンプトで明確化
Review email / DeepSeek R1:
HTMLタグは `<p>`, `<br>`, `<b>`, `<i>`のみに限定し、CSSや複雑な表は避けると表示崩れを回避
固有名詞や数値は「不確実なら明言しない」ルールでガバナンス徹底
Send Email: 返信先・Message-ID・In-Reply-To/Referencesでスレッド維持。送信失敗時はエラーブランチで再送/手動介入
運用管理のポイント
Google Driveで資料更新→Qdrant再構築（パート1→2の順）をルーチン化
レート制限・コスト監視（OpenAI/DeepSeek/Qdrant/Drive）とバッチ処理の計画
定期的に送信済みメールをサンプリングしてAI応答の質を評価
PIIや機密情報の取り扱いポリシーをプロンプトと分岐で明文化
📌 まとめ
このワークフローは、問い合わせメール応対の「読む・探す・書く・整える・送る」を丸ごと自動化し、RAGで正確性を担保しつつ、応答速度と品質を一気に底上げします。特に会社情報やFAQタイプの問い合わせに対して、人間レベルの丁寧な返信を自動生成できる点が画期的です。
導入コストは必要ですが、カスタマーサポート担当者の時間創出、24時間対応による顧客満足度向上、回答品質の標準化という三重のメリットが得られます。さらに、Google Drive連携による簡単なナレッジ更新の仕組みは、長期運用における管理コストの削減にも貢献するでしょう。
まずは既存のGoogle Drive資料をフォルダ投入し、IMAP/SMTPとAPIキーを設定してテスト実行してみてください。分類・プロンプト・topKを微調整するだけで、あなたの現場に最適化された "営業日外もブレない一次応答" がすぐに手に入ります。
最後に
いかがでしたか？このワークフローを活用すれば、問い合わせメール対応の自動化が思ったより簡単に実現できることがお分かりいただけたと思います。
実は私自身、顧客サポート業務の効率化に悩んでいた時期があり、このようなツールがあれば…と思っていました。n8nとRAGの組み合わせは本当に強力で、設定さえしっかりすれば驚くほど自然な応答が可能になります。
この記事が皆さんの業務改善のきっかけになれば嬉しいです。今後もn8nを活用した業務効率化ワークフローをどんどん紹介していきますので、ぜひフォローしてください！何か質問やご相談があればコメントでお気軽にどうぞ。