チームがすでにNotionを日常的に使っているなら、「チャットボットはどこから情報を取得すべきか」という問いの答えは自明です。2年かけて整備してきたNotionページです。難しいのは接続です。Notionにはコンテンツがありますが、チャットボットにはLLMが実際に検索できる形式のコンテンツが必要です。接続を誤ると、ボットは存在しない料金を答えたり、先週更新したポリシーと矛盾したり、顧客に「分かりません」と丁寧に伝えるだけになったりします。
このガイドでは、Notionナレッジベースのエクスポート、AIが使えるようにするための整形、チャットボットプラットフォームへの接続、トレーニング、テストまで、構築を最初から最後まで解説します。ここでは最速のノーコード手順を使います。同じ手順は、顧客向けチャットボット、社内HRアシスタント、営業支援ボットのいずれを構築する場合にも使えます。プラットフォーム固有のUIが重要な箇所では、Notionエクスポートをネイティブに受け付け、5分未満で公開できるSolveaを実例として使います。ただし、基本的な手順はどのモダンなボットビルダーにも対応します。ナレッジベースを用意したら、Solveaのナレッジベースチャットボットを重ねることで、スタッフは出典に基づいた回答を即座に得られます。
ゼロから構築する場合は順番に読み進めてください。ナレッジベースがすでに整っている場合は、ステップ4に進んでください。
TL;DR
項目 | 内容 |
構築するもの | 電話、チャット、メールでNotionページを参照して回答する、カスタムナレッジ対応のAIチャットボット。 |
必要なツール | Notionワークスペース + Notionエクスポートを取り込めるチャットボットプラットフォーム（Solvea、Stack AI、Typebot、n8n、カスタムRAG）。 |
所要時間 | Notionコンテンツの整理に2–4時間。コンテンツが準備できていればSolveaの接続は5分未満。 |
対象 | 信頼できる情報源がNotionにあるSMBオーナー、カスタマーサポート責任者、RevOps、個人創業者。 |
最短ルート | NotionをMarkdownにエクスポート → Solveaにアップロード（ナレッジを作成 → ドキュメントをアップロード）→ テスト → 電話番号またはチャットウィジェットを接続。 |
始める前に必要なもの
カスタムナレッジベースを基にしたチャットボット構築が失敗する理由は、社内ドキュメントプロジェクトの90%が失敗する理由と同じです。情報源の準備ができていません。チャットボットプラットフォームに触れる前に、このチェックリストを確認してください。
- 上位20件の質問をリスト化する。 サポートメール、通話録音、チャット履歴、営業通話から集めます。まだリストがない場合は、サポート責任者に聞いてください。毎日同じ質問に答えているはずです。
- 対象範囲を決める。 Notionワークスペース全体から回答するチャットボットは、社内ドキュメントを顧客に見せてしまいます。特定のNotionデータベースまたはページを1つか2つ選び（例：顧客FAQ、料金、配送・返品）、それ以外は除外します。
- 回答品質を監査する。 各Notionページには実際の回答がありますか。それとも「Sarahに聞く」や「未定」と書かれていますか。あいまいなページは、あいまいなチャットボット回答を生みます。2026年のStack AIの解説も同じ点を指摘しています。チャットボットの精度を制限するのは、モデル選択ではなく情報源の品質です。
- 提供チャネルを選ぶ。 チャットボットはどこで使う必要がありますか。Webサイトのチャットウィジェット、電話、メール自動返信、社内Slackでしょうか。プラットフォームごとに対応する組み合わせは異なります。ほとんどのSMBは1つのチャネルから始めます。
KBがNotionにあるチームがよく検討するプラットフォームの簡単な比較です。
プラットフォーム | 最適な用途 | Notionの扱い | 初回回答までの時間 |
Solvea | 顧客向けの音声 + チャット + メール返信 | Notionエクスポート（PDF/Markdown/CSV）をアップロード、またはWebサイト同期機能で公開Notion URLから同期 | エクスポート後<5分 |
Stack AI / Typebot | カスタムワークフロー、埋め込みウィジェット | API連携によるNotionデータベース直接コネクター | 30–60分 |
n8n + OpenAI | カスタム社内自動化 | ネイティブNotionノード + ベクトルストア + 取得ノード | 2–4時間、軽いコード |
カスタムRAG（LangChain、LlamaIndex） | 完全な制御を求めるエンジニアリングチーム | Notion API → チャンカー → ベクトルDB → LLM | 1–2日 |
このガイドの残りでは、エンジニアリング時間を使わずにビジネスニーズの80%をカバーできるノーコード手順を解説します。カスタムRAGの道を進む場合でも、ステップ1–3は有用です。GitHub notion-chat-langchainテンプレートは堅実な足場になります。
Notionナレッジベースを使ってチャットボットを構築する方法：ステップバイステップ
ステップ1：チャットボットに入れるコンテンツを選ぶ
Notionを開き、どのデータベースとページをボットの情報源にするか決めます。チャットボットにワークスペース全体を参照させたくなりますが、避けてください。すべてのページをクロールする顧客向けボットは、社内メモ（「価格戦略は$99を基準価格にして$79を安く見せること」）、下書きページ、古いポリシーを表示してしまいます。
AI Knowledge Baseのような名前のトップレベルNotionページを1つ作り、その下に関連ページを移動または複製します。顧客FAQ、料金、配送ポリシー、返品ポリシー、営業時間、製品、トラブルシューティングガイドなどです。同じ内容が複数ページにある場合は、1つの正規版に統合します。重複した回答は検索取得を混乱させ、互いに矛盾します。Solveaの無料AI FAQジェネレーターは、任意のドキュメントやURLから、顧客が実際に尋ねる質問を自動抽出します。
各ページに次があることを確認してください。
- ユーザーが尋ねそうな表現と一致する明確なH1（ページタイトル）（「返金ポリシー」であって「ポリシーv3 — Q4更新」ではない）
- 短い段落（4行未満）。チャットボットも人間も流し読みします
- 「変動します」や「場合によります」ではなく具体的な数字（
Standard shipping: $4.99, 3–5 business daysと書き、Standard shipping fees applyとは書かない） - 「未定」や「チームに確認」のようなプレースホルダーがないこと。これらはハルシネーションのきっかけになります
ステップ2：検索取得しやすいようにNotionコンテンツを整える
チャットボットが回答を取得できるかどうかは、情報源の構造に左右されます。Q&Aボットで特に有効な整形パターンが2つあり、エクスポート前にナレッジベース全体へ適用する価値があります。
質問を見出しにするパターンを使う。 各情報は、ページタイトルまたはH2として質問から始めます。「サブスクリプションを解約するにはどうすればよいですか？」は、「サブスクリプション管理ポリシーv2」よりも検索取得されやすくなります。モダンな検索拡張生成（RAG）システムは意味的類似性でチャンク化するため、見出しにユーザーの言い回しを合わせるとチャンクのヒット率が上がります。
できないことも明示する。 顧客は、あなたがしないことも、することと同じくらい尋ねます。APO住所に配送しない場合は、「APO/FPO住所に配送できますか？」というNotionページを作り、回答を「いいえ。米国内の住宅住所および商業住所のみに配送します」と書きます。そのページがなければ、ボットは推測します。あれば、ボットは明確に「いいえ」と答えます。
用語集を追加する。 ビジネスで社内用語（「Tier 2サポート」と「VIPサポート」など）を使う場合は、それらを1つのNotionページに書き出します。そうすれば、ボットはユーザーの言い回しをチーム内の用語に変換できます。
ステップ3：Notionコンテンツをエクスポートする
チャットボットプラットフォームが受け付ける形式でNotionからコンテンツを取り出すには、Notionの標準エクスポートを使います。親ページ（AI Knowledge Base）を開き、右上の• • •メニューをクリックし、エクスポートを選んで、次を選択します。
- 形式：Markdown & CSV — 下流の解析に最も適したクリーンな形式です。PDFは見た目の再現性には有効ですが、見出し構造を失います。HTMLは過剰です。
- サブページを含める：はい — ネストされたすべてのページを1つのzipに含めます。
- データベースを含める：Markdown — 各データベース行をMarkdownファイルに変換します。
NotionはZIPを生成します。解凍すると、ページごとに1つの.mdファイル、データベースごとに1つのCSVが入ったフォルダーが得られます。出力をざっと確認し、見出し、リスト、リンクが保持されているかをスポットチェックしてください。Notionの公式エクスポートドキュメントでは、大規模ワークスペースや画像エクスポートなどのエッジケースが説明されています。
毎週再エクスポートするのではなく、チャットボットをNotionとライブ同期したい場合は、次の2つの選択肢があります。
- 公開ページのWebサイト同期（ノーコード）：親ページをWebに公開（Notion → 共有 → 公開）し、Webサイト同期対応のチャットボットに公開Notion URLを指定します。Solvea、Profound、その他いくつかのプラットフォームがこれに対応しています。
- APIベースのコネクター（軽いコード）：Stack AIやTypebotのようなプラットフォームは、スケジュールに沿って更新を取得するNotion API連携を提供しています。
ステップ4：チャットボットプラットフォームにアップロードする
ここがノーコードプラットフォームの強みが出るステップです。Solveaを実例にすると次のようになります。
- サインインし、ナレッジを作成 → ドキュメントをアップロードに移動します。
- フォルダーを選択または作成します（例：
Customer FAQ）。 - クリックしてファイルをアップロードをクリックし、Markdownファイル（または解凍済みフォルダー）を選択します。対応形式：PDF、Word、Excel、CSV、TXT。プラットフォームが
.mdを直接受け付けない場合、MarkdownはTXTとしてインポートするか、先にPDFへ変換できます。1回のアップロードあたりのファイルサイズ上限は20 MBです。 - 公開をクリックします。プラットフォームがコンテンツを解析し、検索取得用のチャンクに分割してインデックス化します。
ほとんどのプラットフォームは、処理に30秒から数分かかります。ワークスペースが大きい（数百ページ）場合は、カテゴリごとに分けてアップロードしてください。チャンクが欠落した場合にデバッグしやすくなります。
Webサイト同期ルート（エクスポート不要）の場合は、Solveaでナレッジを追加 → Webサイトコンテンツを同期を選び、公開済みのNotion URLを貼り付け、コンテンツをプレビューをクリックしてページが検出されたことを確認し、保存先フォルダーを選んで公開をクリックします。プラットフォームはNotionサイトマップを使ってサブページを自動的に検出し、インポートします。
ステップ5：チャットボットの回答をトレーニングしてテストする
トレーニング済みのチャットボットとは、ストレステスト済みのチャットボットです。プラットフォームのテストチャットを開き、次の3つの分類の質問でボットを試してください。
分類1 — 既知の上位10問。 準備チェックリストからリストを取ります。各質問をそのまま尋ねます。すべての回答は具体的で、ポリシーに沿っており、求められたら正しいページを参照できるべきです。
分類2 — エッジケース。 不自然な言い回し、タイプミス、不完全な文（「解約 どう」）で尋ねます。否定ケース（配送しない場合の「アラスカに配送できますか？」など）も試します。複数ターン（「ベーシックプランはいくら？」→「年払いは？」）も試します。ボットはこれらの80%を自然に処理し、残りは丁寧にエスカレーションすべきです。
分類3 — 範囲外。 ボットが知るべきではないことを尋ねます。競合の価格、無関係な技術質問、創業者の自宅住所などです。ボットは作り話をするのではなく、「それには対応できません。こちらから当社チームにお問い合わせください...」のように明確に拒否すべきです。作り話をする場合、ナレッジベースに否定情報が不足しています。明示的な「当社はXをしません」ページを追加してください。
回答が間違っている場合は、Notionページ（またはエクスポート）を修正し、再アップロードして再テストします。通常、2回か3回の反復でナレッジベースは安定します。Elfsightのチャットボットトレーニングガイドは、これを最も省略されがちなステップであり、デモと本番運用可能なボットを分けるステップだとしています。
ステップ6：チャットボットを顧客チャネルに接続する
サンドボックス内のトレーニング済みチャットボットは、誰の役にも立ちません。顧客が実際に連絡してくる場所に接続します。
- Webサイトのチャットウィジェット — 最も一般的な出発点です。1行のscriptタグをサイトに貼り付けます（またはShopify/Wix/WordPress連携を使います）。ボットはチャットバブルとして表示されます。
- 電話 — プラットフォーム経由で電話番号を追加します。着信はAI受付にルーティングされ、AI受付がNotion KBから回答を話します。サービス業、クリニック、営業時間外の電話が予約機会の取りこぼしになるあらゆるチームに有効です。
- メール — GmailまたはMicrosoftアカウントを認可します。ボットは受信メールを読み、直接返信するか、人間のレビュー用に返信案を作成します。
- 社内チャネル — HRや営業支援の用途では、SlackまたはMicrosoft Teamsに埋め込みます。ボットは同じNotion KBから回答し、利用者は社内ユーザーに制限されます。
1つのチャネルから始めてください。初日にすべてのチャネルを追加すると、テストが分断され、回答がおかしくなったときにどの連携が壊れたのか分かりにくくなります。
ステップ7：更新スケジュールを組み、精度を監視する
古くなったナレッジベースでトレーニングされたチャットボットは、ないほうがましです。前四半期の料金を自信満々に引用してしまうからです。メンテナンスのループを作りましょう。
- 最初の1か月は毎週：チャットボットのエスカレーションログ（人間に回した質問）を確認します。各エスカレーションは、回答の欠落（Notionページを追加）か、表現のギャップ（既存ページを書き直す）のどちらかです。
- 継続的に毎月：ボットの会話履歴を全体レビューします。技術的には正しいが役に立たない回答を探してください。多くの場合、明確さのためにページの言い回しを直す必要があります。
- 即時：料金変更、ポリシー更新、製品ローンチの後。Notionを更新し、再エクスポート（または自動同期を待機）して、影響を受ける質問を再テストします。
ほとんどのプラットフォームは、会話ログと「高評価/低評価」のフィードバック機能を提供しています。有効化しておきましょう。チャットボットがずれていくのではなく改善していることを確認する手段です。
カスタムナレッジベースでチャットボットを構築する方法：汎用チャットボットとの主な違い
カスタムナレッジチャットボットは、通常のGPTチャットボットと4つの点で異なります。構築前に理解しておく価値があります。
長さより形式が重要です。 明確なH1の質問と直接的な回答を持つ200語のページは、2,000語の長文記事よりも優れています。RAGシステムは検索取得のためにコンテンツをチャンク化するため、完全な回答を含むチャンクは、断片だけを含むチャンクより強力です。
物語調より質問回答ペアが有利です。 「返金ポリシーは？ — 30日以内は返金可、再入荷手数料なし。」は、長い「当社のカスタマーサービスの進め方」記事の中に埋もれた返金ポリシーより検索取得されやすくなります。
否定ケースを明示的にカバーします。 汎用チャットボットは、知らないときに回答を作り上げます。カスタムナレッジチャットボットも、ナレッジベースに「当社がすること」ページしかなければ同じことをします。明示的な「当社がしないこと」ページを書いてください。「海外配送はしていますか？ — いいえ、米国内住所のみに配送しています。」
エッジな言い回しをテストします。 実際のユーザーはドキュメントのようには話しません。「解約 どう」、「返金？」、「...する方法はありますか」* のように書きます。チャットボットの仕事は、あいまいな言い回しを構造化された回答に対応させることです。失敗する場合、修正すべき場所はモデルではなく情報源の見出しです。
Notion KBから構築するほうが自由形式のPDFから構築するより簡単なのも、このためです。Notionはすでにある程度の構造（ページ、ブロック、見出し）を強制しており、エクスポートでもそれが保持されます。
カスタムナレッジベースでAIチャットボットをトレーニングする方法
「トレーニング」という言葉は、2つの異なる意味でゆるく使われることがあります。構築計画では、その違いが重要です。
- ファインチューニング — 例を使って基盤モデルの重みを調整すること。重く、高価で、ナレッジベースチャットボットで望むものではほとんどありません。非常に具体的な理由（文体模倣、ニッチな専門用語）がない限り、ファインチューニングはしないでください。
- 検索拡張生成（RAG） — モデルは固定したまま、クエリ時にあなたのコンテンツを文脈として与えること。マーケティング文言がどう表現していても、モダンなノーコードチャットボットプラットフォームが実際に行っているのはこれです。ユーザーが質問すると、プラットフォームはKBから最も一致するチャンクを取得し、それらのチャンクを使って回答するようLLMに依頼します。
Notionを情報源にしたチャットボットで必要なのはRAGです。「トレーニング」とは実質的にコンテンツキュレーションです。Notionページがどれだけ明確に書かれているか、エッジケースをどれだけカバーしているか、実際のユーザーが入力する質問の言い回しを見出しがどれだけ反映しているかです。RAGパイプラインを自分で構築したい場合は、ChatGPT APIチャットボットのトレーニングに関するBeebomガイドが基礎の仕組みを解説しています。ノーコードプラットフォームは、同じ仕組みをアップロードして公開する流れの裏側に隠しています。
実践的なトレーニングチェックリスト：
- Notionエクスポートをアップロードする。
- テスト分類（上記の分類1、2、3）を実行する。
- すべての誤答について、それがコンテンツギャップ（Notionページの追加または書き換え）なのか、検索取得ギャップ（ページは存在するが、見出しがユーザーの言い回しと合っていない）なのかを特定する。
- 再公開する。
- 上位20件の質問の90%+が正しい回答をそのまま返すようになったら、反復を止める。
実務上のトレーニングとはこれです。GPUは不要です。
チャットボットを壊すよくあるナレッジベースのミス
Notionを情報源にするチャットボットプロジェクトでは、同じミスが繰り返し起こります。
❌ あいまいな回答。 「料金はプランによって異なります。」✓ 具体的な回答。 「Starterは$30/month、Proは$79/month、Enterpriseは個別見積もり — [料金ページリンク]を参照。」
❌ トピック名としての見出し。 「サブスクリプション管理ポリシーv3」✓ 質問としての見出し。 「サブスクリプションを解約するにはどうすればよいですか？」
❌ 社内用語が顧客向け回答に漏れる。 「SLAマトリクスに基づくTier 2エスカレーション。」✓ 平易な言葉。 「1時間以内に問題が解決しない場合は、シニアチームが引き継ぎます。」
❌ 10個のトピックを1つの巨大ページで扱う。 RAGのチャンク化が粗くなり、検索取得が文脈を取り逃します。 ✓ トピックごとに1ページにし、相互にリンクする。 検索取得が適切なチャンクを選び、ユーザーに深いリンクを渡せます。
❌ 「当社はXをしない」ページがない。 答えが「いいえ」なのに、ボットが「はい」とハルシネーションします。 ✓ 否定を明示する。 「週末に電話サポートはありますか？ — いいえ、電話対応は月–金 9 a.m.–6 p.m. ETです。週末の問題はsupport@...にメールしてください。」
ナレッジベースからライブチャットボットへ：AIがNotionコンテンツを読む仕組み
チャットボットが質問に回答するとき、裏側で何が起きているのかを少し確認しておく価値があります。情報源の書き方が変わるからです。
ユーザーが「返金を受けるにはどうすればいいですか？」と尋ねると、プラットフォームはGoogleがWebを検索するようにNotion KBを検索するわけではありません。質問をベクトル（意味の数値的な指紋）に変換し、そのベクトルを事前にインデックス化されたNotionコンテンツのベクトルと比較し、上位3–5件の一致するチャンクを返し、それらのチャンクを「次の文章のみを使って、このユーザーの質問に回答してください。」のようなプロンプトとともにLLMへ渡します。その後、LLMが返信を作成します。
情報源の書き方には、2つの示唆があります。
チャンクは自己完結しているべきです。 長いページの途中から取り出されたチャンクには、文脈が欠けていることがあります。短く焦点の絞られたページは、自己完結したチャンクを生みます。
本文の言い回しより見出しの言い回しが重要です。 ほとんどの検索取得システムは、見出しにより大きな重みを置きます。「返金ポリシー（3ステップの手順）」というタイトルのページで、本文に「対象となる返金は5営業日以内に処理されます...」と書かれていれば、見出しと本文の両方で取得されます。「ポリシーv3」というタイトルのページでは、どちらにも一致しません。
これこそ、Notion KBが強力なチャットボット情報源になる理由です。プラットフォームが明確なページタイトルと構造化コンテンツを促し、整理されたNotionワークスペースへの既存投資がそのままチャットボットのトレーニングデータになります。
アップロードからテストまでの流れを5分未満で確認したい場合は、この動画で同じ手順を最初から最後まで説明しています。
AI受付を数分で稼働。
眠らないAIでフロントデスクを拡張しましょう。Solveaは複数チャネルの問い合わせに対応し、予約を自動でカレンダーに登録し、24時間機会損失を防ぎます。
FAQ
Q: Notionナレッジベースを使ってチャットボットを構築するにはどれくらい時間がかかりますか？
A: コンテンツ準備（Notionページの整理、重複の統合、否定ケースページの追加）に2–4時間、Solveaのようなノーコードツールを使う場合のプラットフォーム設定に5分未満です。LangChainやLlamaIndexを使ったカスタムRAG構築では、さらに1–2日のエンジニアリングが加わります。
Q: カスタムナレッジベースでチャットボットを構築するにはコードが必要ですか？
A: いいえ。ノーコードプラットフォーム（Solvea、Stack AI、Typebot、Chatbase、Landbot）はNotionエクスポートやWebサイト同期を受け付け、コードを書かずに動作するチャットボットを公開できます。カスタムロジック、複雑な複数ステップワークフロー、セルフホスト型RAGパイプラインが必要な場合にコードが有用になります。
Q: チャットボット用のNotionエクスポートはどの形式にすべきですか？
A: Markdown & CSVが下流の解析に最も適したクリーンなエクスポートです。見出し構造、リスト、リンクが保持されます。ほとんどのチャットボットプラットフォームはMarkdownを直接受け付けるか、TXT/PDF変換経由で受け付けます。プラットフォームがMarkdownを受け付けない場合、PDFも使えますが一部の構造が失われます。HTMLが適切な選択になることはまれです。
Q: チャットボットがうまく機能するには、Notionナレッジベースに何ページ必要ですか？
A: ページ数よりカバレッジが重要です。顧客の上位質問をカバーする20–30ページの焦点が絞られたKBは、80%が社内ノイズである500ページの巨大なワークスペースより優れています。上位20件の質問から始め、チャットボットのエスカレーションログでギャップが見えた場合にのみ拡張してください。
Q: Notionナレッジベースはチャットボットと自動同期されますか。それとも再アップロードが必要ですか？
A: プラットフォームによります。一部のチャットボットツールは、公開NotionページのライブWebサイト同期に対応し、スケジュールに沿って再クロールします。その他は大きな変更後に新しいエクスポートとアップロードが必要です。トラフィックの多いチャットボットでは自動同期対応プラットフォームを選んでください。更新頻度の低いKBであれば、月1回の手動再アップロードで十分です。
Q: NotionやGoogle Driveをチャットボットのナレッジベースとして直接使えますか？
A: どちらも可能ですが、注意点があります。Notionコンテンツは、プラットフォームに応じて、エクスポート（Markdown）、公開ページのWebサイト同期、API連携でチャットボットに流し込めます。Solveaはドキュメントアップロード経路をネイティブに受け付け（PDF、Word、Excel、CSV、TXT、最大20 MB）、公開Notion URLのWebサイト同期にも対応しています。Google Driveも同じ方法で使えます。DocsをPDFまたはWordにエクスポートしてアップロードします。複数のプラットフォームは、コンテンツを自動取得するDriveコネクターも提供しています。チームが情報源を更新する頻度に合った経路を選んでください。
参考ソース
[1] Stack AI — カスタムナレッジベースRAGでAIチャットボットを構築する方法（2026） — https://www.stack-ai.com/blog/how-to-build-ai-chatbot-with-knowledge-base
[2] Zendesk — ナレッジベースチャットボット：概要と構築方法 — https://www.zendesk.com/blog/knowledge-base-chatbots/
[3] Beebom — ChatGPT APIを使ってカスタムナレッジベースでAIチャットボットをトレーニングする方法 — https://beebom.com/how-train-ai-chatbot-custom-knowledge-base-chatgpt-api/
[4] Elfsight — チャットボットナレッジベースの作成方法：セットアップとトレーニングガイド — https://elfsight.com/blog/how-to-create-a-chatbot-knowledge-base/
[5] Notionヘルプセンター — コンテンツをエクスポートする — https://www.notion.so/help/export-your-content
[6] GitHub — notion-chat-langchain-hackathon（オープンソースのRAGスターター） — https://github.com/paper-co/notion-chat-langchain-hackathon
[7] Atlassian — ナレッジベースガイド：例、テンプレート、ベストプラクティス — https://www.atlassian.com/itsm/knowledge-management/what-is-a-knowledge-base
