クレーム・事故報告をAIで分類し再発防止につなげる

結論：クレームは「件数」ではなく「カテゴリ」で管理する

クレームや事故報告書を読むたびに「また同じ問題か」と感じながら、なぜ同じことが繰り返されるのか分からない——旅館・ホテルの管理職からよく聞く悩みだ。原因の多くは、報告書が文章のまま蓄積され、分析されていないことにある。

AIを使えば、自由記述のクレームや事故報告を数秒で分類し、「どのカテゴリに何件あるか」「どの時期に集中するか」「どの客室・担当者に偏っているか」を即座に可視化できる。特別なシステム投資は不要で、今日から使えるツールで実現できる。

本記事では、旅館・ホテルのバック業務担当者が実際に使える分類フレームワークと、ChatGPT・Claudeを使った具体的な手順を解説する。

なぜクレーム台帳は「積ん読」になるのか

多くの施設では、クレームをExcelや紙の台帳に記録している。しかし実際には次のような状態に陥っている。

記録者によって書き方がバラバラで検索できない
「一応書いた」で終わり、月次・四半期での集計をしていない
集計しても「今月3件」という件数しか分からず、原因分析に使えない
事故報告書は別のフォルダに保存され、クレームと紐づいていない

この状態では、同じ原因によるクレームが半年後に再発しても気づきにくい。「スタッフが変わったから」「たまたまお客様の気分が悪かったから」という個人起因の説明で終わり、構造的な問題が放置される。

AIで分類する前に決める3つのカテゴリ軸

AIに分類させる前に、施設独自の分類軸を決めておく必要がある。一般的に使われる3軸は以下のとおりだ。

軸1：原因部門

コード	内容
F	料理・食材（味、量、アレルギー対応、提供温度）
R	客室・設備（汚れ、故障、騒音、においなど）
S	スタッフ対応（接客態度、説明不足、ミスなど）
C	予約・チェックイン（確認ミス、待ち時間、案内ミス）
H	館内施設（温泉、大浴場、ロビー、駐車場など）
O	その他・不明

軸2：発生タイミング

チェックイン前／チェックイン時／滞在中／チェックアウト時／帰宅後（電話・メール・OTAレビュー）

軸3：重大度

レベル	目安
1	軽微（口頭でその場解決）
2	中程度（代替提供・割引などで対応）
3	重大（全額返金・上位者対応・再発防止策必須）
4	緊急（事故・怪我・外部機関への報告を要する）

この3軸で分類すると、「F×滞在中×レベル2が今月4件で先月比2倍」といった具体的な集計が可能になる。

ChatGPT/Claudeを使った分類の具体的な手順

ステップ1：台帳の整備

既存のExcel台帳を開き、以下の列を確認・追加する。

日付（発生日）
クレーム内容（自由記述）
対応内容（自由記述）
原因部門コード（新規追加）
タイミングコード（新規追加）
重大度（新規追加）

過去のデータを遡って分類する場合は、まずAIに一括処理させる。

ステップ2：プロンプトの作成

AIに分類させるためのプロンプトは以下のように組む。

あなたは旅館の品質管理担当者です。
以下のクレーム内容を読み、次の3軸で分類してください。

【原因部門】F（料理）/ R（客室・設備）/ S（スタッフ）/ C（予約・チェックイン）/ H（館内施設）/ O（その他）
【タイミング】A（チェックイン前）/ B（チェックイン時）/ C（滞在中）/ D（チェックアウト）/ E（帰宅後）
【重大度】1〜4（1=軽微、2=中程度、3=重大、4=緊急）

出力形式：原因部門コード, タイミングコード, 重大度, 分類理由（30字以内）

クレーム内容：
「夕食の刺し身が明らかに鮮度が低く、翌日お腹を壊した。返金を求める。」

AIの出力例： F, C, 3, 食材鮮度問題・体調被害・返金対応要

ステップ3：バッチ処理で過去データを整理

クレームが10件以上ある場合は、複数件をまとめてプロンプトに貼り付け、番号付きで分類させる。

以下のクレーム1〜5を番号ごとに同じ形式で分類してください。

1. 「チェックイン時に部屋が準備できておらず1時間待たされた」
2. 「大浴場の脱衣所が汚れていた」
3. 「スタッフの説明が不親切で部屋の使い方が分からなかった」
4. 「深夜に隣の部屋から騒音があり眠れなかった」
5. 「帰宅後に請求金額が案内と違うことに気づいた」

この形式で一度に20〜30件ずつ処理できる。100件のクレーム台帳を整理するなら、30分程度で完了する。

ステップ4：集計と可視化

Excelのピボットテーブルを使い、原因部門コード×月別の件数を集計する。グラフにすると傾向が一目で分かる。

月次で確認すべき指標は3つだ。

各カテゴリの件数推移（先月比で増減しているカテゴリ）
重大度3・4の件数（ゼロを目標値にする）
同じ内容のクレームが複数月にわたって続いているか

事故報告書をAIで構造化する方法

事故報告書はクレームより記述が長く、原因分析の精度が求められる。AIを使うと、長文の報告書から「発生状況・直接原因・根本原因・再発防止策」を自動で抽出できる。

4M分析フレームに当てはめるプロンプト

以下の事故報告書を読み、4M分析（Man：人、Machine：設備、Material：材料、Method：方法）に沿って整理してください。

出力形式：
【直接原因】（発生した具体的な事象）
【Man】人的要因があれば記述
【Machine】設備・道具の要因があれば記述
【Material】材料・物品の要因があれば記述
【Method】手順・方法の要因があれば記述
【再発防止案】3点を箇条書きで

事故報告書：
「2026年5月12日、客室清掃中に清掃スタッフが浴室で転倒し、右手首を打撲。浴槽の縁を乗り越える際に滑った。当日は連休明けで清掃件数が多く、作業を急いでいた。浴室用の滑り止めマットは廊下の収納に保管してあったが、当日は使用していなかった。」

AIの出力をそのまま報告書に貼り付けるのではなく、管理職が確認して「本当にその原因か」を検証することが重要だ。AIは与えられた文章から仮説を立てるが、現場の状況を完全には把握できない。

月次レビューをAIでサポートする

蓄積したデータをもとに、AIに月次サマリーを作らせると会議の準備時間が大幅に短縮される。

プロンプト例：

以下は今月のクレーム分類データです。
このデータを読み、管理職向けに以下の形式でサマリーを作成してください。

1. 今月の傾向（3行以内）
2. 優先対応が必要なカテゴリ（件数が多い・重大度が高い順）
3. 先月から改善したカテゴリと悪化したカテゴリ
4. 来月に重点対応すべき1項目と具体的な改善アクション案

データ：
F,C,3 / R,C,2 / S,B,2 / R,C,1 / H,C,2 / F,C,2 / S,D,1 / R,C,3 ...（以下省略）

このサマリーをもとに月次の品質会議を進めれば、データを読み解く時間が会議前に不要になり、議論に集中できる。

客室清掃の品質管理に取り組んでいる施設なら、客室清掃の品質チェックをAI写真判定で標準化と組み合わせると、清掃起因のクレームを発生前に抑制できる。

再発防止策をチームに定着させる仕組み

AIで分析しても、現場に伝わらなければ改善は起きない。以下の3ステップで再発防止策を定着させる。

ステップ1：改善アクションをA4一枚にまとめる

AIが出した再発防止案を管理職が取捨選択し、「誰が・いつまでに・何をするか」を明記した一枚紙にまとめる。長い報告書より一枚のアクションシートのほうが現場には伝わる。

ステップ2：清掃・接客マニュアルに反映する

改善策が決まったら、対応するマニュアルのページを即日更新する。更新日を明記しておくと、「以前のやり方に戻る」ことを防げる。

ステップ3：翌月の台帳で効果を確認する

改善を実施した翌月に、同じカテゴリのクレーム件数が減っているかを確認する。減っていなければ、対策の実施状況か、対策の内容そのものを再検討する。

スタッフの勤務状況とクレームの発生タイミングを照合すると、AIで勤怠データから残業の偏りを見つけるで得た知見と重ねて、疲労による対応品質の低下を構造的に防ぐ手立てを取れる。

小規模施設での実践：月5件以下でも意味がある理由

月に5件以下しかクレームがない施設では「AIを使うほどでもない」と思われがちだが、実際には逆だ。

件数が少ない施設では、1件のクレームが全体の評価に与える影響が大きい。さらに、件数が少ないからこそ過去データを参照せずに対応する習慣がつきやすい。「先月も同じ客室の照明が切れていた」という情報が共有されず、同じ設備不具合が繰り返される。

AIで分類・記録を続けると、1年分・2年分のデータが蓄積される。そのデータは施設の弱点を示す地図になる。特定の客室、特定の季節、特定のスタッフ配置のタイミングに問題が集中していることが見え始めたとき、初めて根本的な改善が可能になる。

なお、食材や仕入れに関わるクレームを抑制したい場合は、食材ロスをAI需要予測で減らす実践ステップの需要予測と組み合わせると、食材品質の問題を川上から減らすアプローチが取れる。

ツール選びと注意点

クレーム分類にはChatGPT（GPT-4o）またはClaudeのどちらでも対応できる。どちらも無料プランで試せるが、月次処理を継続するなら有料プランのほうが処理量の制限が少なく安定する。

注意点として、クレーム内容にはお客様の個人情報（氏名・部屋番号・連絡先）が含まれることがある。AIに貼り付ける前に、氏名・部屋番号・電話番号などの個人特定情報は必ずマスキングすること。「山田様からの苦情」ではなく「お客様からの苦情」に置き換える。

業務でのAI活用全般のセキュリティポリシーは施設ごとに策定するか、既存のIT利用規程に追記する形で整備しておく。

FAQ

クレーム分類にAIを使うと何が変わりますか？

担当者の主観でバラバラだった分類が統一され、「料理への苦情」「設備不具合」「スタッフ対応」など原因カテゴリの件数が集計できるようになる。月次で傾向を把握し、対策の優先順位が立てやすくなる。

Excelで管理しているクレーム台帳にも使えますか？

使える。既存のExcel台帳をCSV形式でAIに読み込ませ、分類列を追加するだけで始められる。初期投資はほぼゼロで、既存の運用フローを変えずに導入できる。

事故報告書の分類と再発防止策の提案はAIに任せられますか？

分類と原因の仮説出しはAIが得意とするところだが、最終的な対策の決定は必ず管理職や現場担当者が行うべき。AIの出力はあくまで「たたき台」として使う。

月に数件しかクレームがない小規模旅館でも意味がありますか？

意味はある。件数が少ない施設こそ、1件の見落としが痛手になる。AIで分類・記録を統一しておくと、数年後に同種の問題が再発したときに過去事例を即座に参照できる。

まとめ

クレームや事故報告書をAIで分類する取り組みは、複雑なシステム導入を必要としない。今日からできる実践手順は次の4ステップだ。

原因部門・タイミング・重大度の3軸で分類コードを決める
ChatGPT/Claudeに分類させるプロンプトを作り、過去データを一括整理する
ピボットテーブルで月次集計し、カテゴリ別の件数推移を可視化する
優先度の高いカテゴリの再発防止策をアクションシートにまとめ、翌月効果を確認する

データが蓄積されるほど精度と有用性が上がる。まず過去3ヶ月分のクレームを整理するところから着手するとよい。AIはその作業を30分以内に終わらせてくれる。