n8nと生成AIで業務を自動化する方法｜メール・DB・API連携の構成例

「生成AIを使ってメール対応を自動化したい」

「Gmail、Slack、スプレッドシートをつなげたい」

「AIで文章を作るだけでなく、その後の登録や通知まで自動化したい」

「Difyとn8nのどちらを使えばよいか分からない」

このような場合に利用できるツールの一つがn8nです。

n8nは、複数のサービスやAPIをつなぎ、一連の業務フローを自動化できるワークフロー自動化ツールです。

生成AIと組み合わせることで、

メール受信
↓
AIが内容を分類
↓
データベースから顧客情報を取得
↓
返信案を生成
↓
担当者が承認
↓
メール送信
↓
Slackへ通知
↓
対応履歴を保存

といった処理を構築できます。

n8nにはGmailなどのサービスと連携するノードが用意されており、メールの取得・返信・送信などをワークフローへ組み込めます。また、AI Agentから実行する処理について、人による承認を挟む構成にも対応しています。

この記事では、n8nと生成AIを組み合わせた業務自動化の仕組み、具体的な活用例、Difyとの違い、導入手順について解説します。

n8nとは

n8nは、複数のサービスや処理をノードとしてつなぎ、ワークフローを構築するツールです。

例えば、

Gmail
↓
生成AI
↓
Google Sheets
↓
Slack

という処理を、一つのワークフローとして構築できます。

業務自動化では、

メール
チャット
データベース
Web API
CRM
ファイル
AI
社内システム

などの間でデータを受け渡す必要があります。

n8nは、この「システムとシステムの間」をつなぐ用途で利用できます。

n8nと生成AIを組み合わせると何ができる？

通常のワークフロー自動化では、ルールが明確な処理を実行します。

例えば、

問い合わせフォームが送信された

↓

Slackへ通知

という処理です。

生成AIを加えると、

問い合わせフォームが送信された

↓

AIが問い合わせ内容を理解

↓

営業・サポート・請求に分類

↓

担当部署によって処理を変更

ということができます。

つまり、

データの取得・保存・通知
→ n8n

文章の理解・分類・生成
→ 生成AI

という役割分担です。

n8nによるAI自動化の基本構成

n8nを使ったAI業務自動化は、主に次の流れで構成されます。

トリガー
↓
データ取得
↓
AI処理
↓
条件分岐
↓
外部システム処理
↓
必要なら人が確認
↓
保存・通知

それぞれ見ていきます。

1．処理を開始するトリガー

最初に、

「いつ処理を開始するか」

を決めます。

例えば、

メールを受信した
問い合わせが送信された
毎朝9時になった
新しいデータが登録された
Webhookを受信した
ファイルが追加された

などです。

例えば問い合わせ対応なら、

新しいメールを受信

を開始条件にします。

2．必要なデータを取得する

次に、処理に必要な情報を集めます。

例えば、

メール本文

顧客情報

契約内容

商品情報

過去の問い合わせ履歴

です。

単純にメール本文だけをAIへ渡すよりも、業務に必要な情報を組み合わせることで、より実用的な処理を構築できます。

3．生成AIで文章を理解する

取得した文章を生成AIへ渡します。

例えば、

この問い合わせを以下に分類してください。

・料金
・契約
・不具合
・解約
・その他

と処理できます。

入力が、

昨日届いた商品が起動しません。
交換してもらえますか？

なら、

カテゴリ：不具合
優先度：高
要約：購入商品の起動不良について交換を希望

という構造化された情報へ変換できます。

4．AIの結果によって処理を分岐する

分類結果を使って、その後の処理を変えます。

例えば、

不具合
↓
サポート担当

料金
↓
営業担当

請求書
↓
経理担当

という分岐です。

AIは文章を理解する部分だけ担当し、実際の処理ルートはn8n側で制御する構成にできます。

5．外部システムを操作する

分類後、必要なサービスへデータを送ります。

例えば、

Slack通知
メール返信
CRM登録
データベース更新
Google Sheets追加
Web API呼び出し

などです。

対応する専用ノードがないサービスでも、APIが提供されていればHTTPリクエストを利用して連携できるケースがあります。n8nの公式ドキュメントでも、組み込みノードで対応していない操作についてHTTP Requestノードを利用する方法が案内されています。

6．必要な処理だけ人に確認してもらう

AI業務自動化では、すべてを完全自動化する必要はありません。

例えば、

AIが返信案を生成
↓
担当者へ承認依頼
↓
承認
↓
メール送信

とできます。

n8nのGmail連携では、メッセージ送信だけでなく、承認を待ってからワークフローを継続する処理も用意されています。AI Agentのツール実行に人によるレビューを入れる構成も可能です。

顧客へのメールや重要なデータ更新では、このようなHuman in the Loopを入れると安全です。

n8nと生成AIの活用例

1．問い合わせメールを自動分類する

代表的な用途がメール対応です。

Gmailで問い合わせ受信
↓
本文を取得
↓
生成AIで分類
↓
担当部署を決定
↓
Slackへ通知

例えば、

「契約更新について確認したい」
→ 営業

「システムへログインできない」
→ サポート

「請求書を再発行してほしい」
→ 経理

という振り分けができます。

人が一件ずつ内容を読んで担当者を判断する作業を削減できます。

2．問い合わせメールの返信案を作る

分類だけでなく、返信案まで生成できます。

メール受信
↓
問い合わせ分類
↓
必要な情報取得
↓
AIが返信案生成
↓
担当者確認
↓
返信

n8nのGmailノードでは、メールの取得、返信、送信などの操作をワークフローへ組み込めます。

最初から自動返信するのではなく、

AIが80％作る
↓
人が最終確認

とすることで、リスクを抑えながら作業時間を削減できます。

3．メールから必要な情報を抽出する

例えば、注文メールが次のような文章だったとします。

株式会社ABCの田中です。

商品Aを20個お願いします。
納品希望日は8月20日です。

生成AIで、

会社名：株式会社ABC
担当者：田中
商品：商品A
数量：20
希望納期：8月20日

と構造化します。

その後、

AI
↓
JSON
↓
データベース

として保存できます。

人による転記作業を減らせます。

4．問い合わせ内容をGoogle Sheetsへ記録する

例えば、

問い合わせメール
↓
AIで要約・分類
↓
Google Sheetsへ追加

として、

日時	会社	カテゴリ	要約	担当
8/1	ABC社	不具合	商品Aが起動しない	サポート

のように記録できます。

小規模な問い合わせ管理であれば、専用システムを作らず始められる場合があります。

5．データベースと生成AIを連携する

n8nは、単なるSaaS間連携だけでなく、データベースやAPIを含めたワークフローにも利用できます。

例えば、

問い合わせ受信
↓
メールアドレス取得
↓
顧客DBを検索
↓
契約情報取得
↓
AIへ問い合わせ内容と一緒に渡す
↓
回答案生成

とします。

例えば同じ、

解約したい

という問い合わせでも、

契約プラン
契約開始日
契約期間

によって案内内容が異なる場合があります。

リアルタイムな顧客情報はデータベースから取得し、文章生成だけAIへ任せます。

6．APIと生成AIを組み合わせる

外部サービスにAPIがあれば、リアルタイムデータを取得できます。

例えば、

商品Aの在庫を確認して

という依頼なら、

ユーザー入力
↓
商品名をAIで特定
↓
在庫APIを呼び出す
↓
在庫数取得
↓
AIが回答を生成

とできます。

ここで重要なのは、

在庫数そのもの

をAIに推測させないことです。

在庫数は業務システムから取得し、AIはその結果を分かりやすく文章化する役割にします。

7．Slackへの自動通知

例えば、問い合わせをAIで判定して、

緊急度：高

の場合だけSlackへ通知します。

問い合わせ
↓
AIが緊急度判定
↓
高
↓
Slackへ通知

通常問い合わせまで毎回通知するのではなく、重要なケースだけ担当者へ知らせることができます。

8．請求書からデータを取得する

PDFや画像の請求書を解析し、必要な情報を取り出す処理も構築できます。

例えば、

請求書
↓
OCR
↓
会社名・金額・支払期限を抽出
↓
AIで内容を整理
↓
担当者確認
↓
会計処理へ

n8nにはAWS Textractとの連携ノードがあり、請求書や領収書の解析をワークフローへ組み込めます。また、このノードをAI Agentのツールとして利用することもできます。

AIだけですべて処理するのではなく、

OCR
→ 文字・帳票認識

生成AI
→ 内容理解

通常処理
→ 保存・登録

人
→ 最終確認

と役割を分けます。

9．定期レポートを自動作成する

毎週・毎月の報告書作成にも利用できます。

例えば、

毎週月曜日
↓
データベースから先週の売上取得
↓
プログラムで集計
↓
生成AIで要点を文章化
↓
Slackへ投稿

という流れです。

売上合計などの正確な計算はAIへ任せません。

売上合計
前週比
商品別売上

は通常の処理で計算し、

売上が増えた商品
注目すべき変化
レポート文章

をAIで生成します。

10．AIエージェントを業務フローへ組み込む

n8nでは、AI Agentをワークフローへ組み込む構成も可能です。

通常の固定フローは、

A
↓
B
↓
C

と処理順が決まっています。

AIエージェントでは、

依頼内容を確認
↓
必要なツールを判断
↓
ツール実行
↓
結果を確認
↓
次の処理を判断

という構成にできます。

n8nの公式ドキュメントにはAI Agentを含むAI関連ノードがあり、通常のアプリケーションノードの一部もAI Agentから利用できるツールとして提供されています。

例えば、

この問い合わせへ対応して

という依頼に対して、

顧客情報を確認
↓
必要ならマニュアル検索
↓
返信案生成
↓
重要なら人へ確認

という処理が考えられます。

n8nとDifyの違い

生成AIの業務活用では、Difyとn8nが比較されることがあります。

大まかには次のように分けられます。

項目	n8n	Dify
主な用途	業務ワークフロー	AIアプリ
SaaS連携	得意	対応可能
API連携	得意	対応可能
メール自動化	得意	外部連携が必要になることもある
RAG	構築可能	得意
AIチャット	構築可能	得意
定期処理	得意	AI処理中心
DB連携	得意	API等で連携
AI Agent	対応	対応
複雑なサービス連携	得意	AI中心の構成向き

例えば、

社内文書へ質問するAI

が中心ならDifyを検討しやすいでしょう。

一方、

Gmail
↓
AI
↓
CRM
↓
Slack
↓
データベース

のように、複数サービスの連携が中心ならn8nが向いている場合があります。

n8nとDifyを組み合わせる

どちらか一つだけを使う必要はありません。

例えば、

Gmail
↓
n8n
↓
Dify
↓
RAGで社内FAQ検索
↓
n8n
↓
Gmail下書き
↓
Slack通知

という構成です。

役割を整理すると、

n8n
→ 外部サービス連携・業務フロー

Dify
→ RAG・生成AIアプリ

とできます。

ただし、システムを増やすほど保守対象も増えます。

Difyを追加しなくてもn8nだけで実現できる場合は、必要以上に構成を複雑にしないことが重要です。

n8nとGASの違い

Google Workspaceを中心とした小規模な自動化では、Google Apps Scriptも有力です。

例えば、

Gmail
↓
Google Sheets

だけなら、GASで十分な場合があります。

一方、

Gmail
↓
生成AI
↓
CRM
↓
Slack
↓
外部API
↓
データベース

のように連携先が増える場合は、n8nを使うことでフロー全体を管理しやすくなる可能性があります。

n8nとPythonの違い

Pythonでも同様の自動化はできます。

Pythonが向いているのは、

複雑なデータ加工
大量データ処理
独自アルゴリズム
特殊なPDF処理
詳細な制御

などです。

n8nは、

ワークフローを視覚化したい
複数サービスを連携したい
処理順を管理したい
AIとSaaSを素早くつなぎたい

場合に向いています。

実際には、

全体フロー
→ n8n

複雑な処理
→ Python

と組み合わせる方法があります。

n8nを導入する方法

n8nはクラウドサービスとして利用する方法と、自社環境へ構築する方法があります。

セルフホストの場合はDockerなどによる構築方法も公式ドキュメントで案内されています。セルフホストでは自由度が高くなる一方、アップデート、バックアップ、認証情報、セキュリティなどを自社側で管理する必要があります。

n8n Cloud

n8n側で環境を提供してもらう方法です。

メリットは、

サーバー構築が不要
アップデート管理を減らせる
導入を始めやすい

ことです。

小規模なPoCでは、まずクラウド版から試す方法があります。

セルフホスト

自社のクラウドやサーバーへn8nを構築します。

例えば、

AWS
↓
Docker
↓
n8n
↓
社内システム

という構成です。

メリットは、

インフラを自社管理できる
ネットワーク構成を調整できる
システム要件に合わせやすい

ことです。

一方、

サーバー管理
バックアップ
バージョンアップ
障害対応
セキュリティ

が必要です。

n8nにはセルフホスト環境を対象としたセキュリティ監査機能もあり、認証情報、データベース、ファイルシステム、ノード、インスタンス設定などのリスクを検査できます。

n8nで業務自動化する手順

1．時間がかかっている業務を選ぶ

最初から、

会社全体をn8nで自動化

としないことが重要です。

例えば、

問い合わせメール対応
月40時間

のように、効果を測りやすい業務を選びます。

2．現在の業務フローを書く

例えば、

メール受信
↓
内容確認
↓
担当者判断
↓
顧客情報検索
↓
返信作成
↓
送信
↓
履歴登録

とします。

この中から自動化できる工程を探します。

3．AIが必要な部分を決める

すべての工程に生成AIを使う必要はありません。

例えば、

メール受信
→ n8n

内容分類
→ AI

顧客情報検索
→ DB・API

返信案
→ AI

送信
→ n8n

最終判断
→ 人

と分けます。

4．小さなワークフローを作る

いきなり複雑にしません。

まず、

Gmail
↓
AI
↓
Slack

程度から始めます。

動作を確認してから、

データベース
CRM
RAG
承認

などを追加します。

5．過去データでテストする

例えば、過去の問い合わせ100件を使って、

AIによる分類

と、

実際の担当者による分類

を比較します。

本番で自動実行する前に精度を確認します。

6．失敗した場合の処理を作る

例えば、

AI APIエラー
↓
担当者へ通知

顧客が見つからない
↓
手動確認キュー

分類できない
↓
「その他」として担当者へ

とします。

正常時だけでなく、失敗時のフローが重要です。

7．人による承認を入れる

顧客へのメール送信などでは、

AIが返信案を生成
↓
担当者が確認
↓
送信

から始めます。

十分に精度を確認してから、自動化範囲を広げます。

8．実行ログを確認する

運用開始後は、

どのワークフローが実行されたか
どこで失敗したか
AIが何を出力したか
何件処理したか
人による修正が多い箇所

を確認します。

人が毎回同じ修正をしている場合は、プロンプトや処理フローを改善します。

n8nによるAI自動化の注意点

APIキーを適切に管理する

n8nでは、複数サービスの認証情報を扱います。

例えば、

Gmail
OpenAI
Slack
CRM
データベース

などです。

ソースコードやワークフロー内へ秘密情報を直接書き込まず、認証情報として適切に管理します。

AIへ重要な操作を直接任せすぎない

AI Agentから外部ツールを実行できるからといって、すべての操作を許可する必要はありません。

例えば、

顧客削除
契約変更
返金
大量メール送信
データ削除

などは慎重に扱います。

必要に応じて、人による承認を入れます。

同じ処理を二重実行しない

業務自動化では、

メール送信

請求登録

CRM更新

などが二重実行されると問題になります。

処理済みIDを保存するなど、重複実行を防ぐ設計を行います。

AIが失敗しても業務を止めない

生成AI APIが一時的に利用できない場合も考えます。

例えば、

AI処理失敗
↓
3回再試行
↓
失敗
↓
担当者へ通知
↓
手動処理

という形です。

AIが停止したことで問い合わせ業務全体が止まらないようにします。

n8nが向いているケース

次のような企業ではn8nを検討しやすいでしょう。

複数のSaaSを利用している
システム間の転記が多い
メール処理が多い
API連携を増やしたい
Slack通知を自動化したい
生成AIを既存業務へ組み込みたい
定期処理を自動化したい
小さくPoCしたい

特に、

人がAからデータをコピーし
↓
Bへ入力し
↓
Cへ連絡する

といった業務は、自動化候補になります。

n8nが向いていないケース

すべてのシステムをn8nで作る必要はありません。

例えば、

高度な在庫管理
会計システム
大規模な顧客管理
複雑なWeb画面
大量データ分析
高度なトランザクション処理

などは、通常のWebシステムやプログラムを中心に構築した方が適しています。

n8nは、

業務システムそのもの

ではなく、

複数システムをつなぐ自動化レイヤー

として使うと整理しやすくなります。

n8nに関するよくある質問

n8nで生成AIを利用できますか？

利用できます。

生成AIモデルをワークフローへ組み込み、文章生成、分類、要約、AI Agentなどに利用できます。

Gmailを自動化できますか？

n8nにはGmail連携があり、メール取得、返信、送信、ラベル操作などをワークフローへ組み込めます。

AIが作ったメールを自動送信できますか？

可能な構成ですが、最初は人による承認を入れることをおすすめします。

n8nでは承認を待ってから処理を継続する構成も利用できます。

APIが用意されていないサービスとも連携できますか？

専用ノードで対応していない操作でも、対象サービスにAPIが提供されていればHTTPリクエストで連携できる場合があります。

API自体が存在しない場合は、RPAなど別の方法を検討します。

Difyとn8nはどちらがおすすめですか？

RAGやAIチャットが中心ならDify、複数の外部サービスをつなぐ業務自動化ならn8nが向いている場合があります。

両方を組み合わせることもできます。

Pythonよりn8nの方がよいですか？

用途によります。

複雑なデータ処理はPython、複数サービスをつなぐワークフローはn8nという使い分けができます。

社内サーバーへ構築できますか？

セルフホストという選択肢があります。

ただし、インフラ、アップデート、バックアップ、セキュリティなどを自社で管理する必要があります。

hiro-dev-labのn8n・生成AI業務自動化支援

hiro-dev-labでは、n8nや生成AIを利用した業務自動化を支援しています。

主な対応内容は次のとおりです。

n8nによる業務ワークフロー
Gmail・メール処理の自動化
問い合わせ分類
AIによる返信案生成
Slack通知
Google Workspace連携
データベース連携
外部API連携
Difyとの連携
RAGとの連携
PDF・メールからの情報抽出
AIエージェント
人による承認フロー
Pythonとの連携
GASとの連携
既存Webシステムとの連携
小規模なPoC
導入後の改善

n8nだけを使うことを前提にはしません。

例えば、

サービス間の連携
→ n8n

RAG・AIチャット
→ Dify

複雑なデータ処理
→ Python

通常の業務管理
→ Webシステム

重要な判断
→ 人

といった構成も検討します。

n8nは「AIと既存業務をつなぐ」ために活用できる

生成AIを導入しても、

メールをコピー
↓
ChatGPTへ貼り付け
↓
結果をコピー
↓
システムへ入力

という状態では、人による作業が多く残ります。

n8nを利用すると、

メール
↓
AI
↓
データベース
↓
API
↓
Slack
↓
既存システム

というように、生成AIを実際の業務フローへ組み込めます。

重要なのは、すべてをAIへ任せることではありません。

文章を理解する
→ AI

サービスをつなぐ
→ n8n

複雑なデータ処理
→ プログラム

重要な操作
→ 人が承認

と役割を分けます。

導入するときは、

時間がかかっている業務を一つ選ぶ
↓
現在の業務フローを整理する
↓
AIが必要な工程を特定する
↓
小さなn8nワークフローを作る
↓
過去データで検証する
↓
人の承認を残して運用する
↓
効果を確認して範囲を広げる

という進め方が現実的です。

「Gmailの問い合わせ対応をAIで自動化したい」

「n8nと生成AIを連携したい」

「Difyとn8nを組み合わせたい」

「複数の社内システムをAPIでつなぎたい」

このような段階からでも、お気軽にお問い合わせください。

n8n・生成AI業務自動化について相談する