はじめに：何を作るか、を最初に言い切る

お問い合わせメールが届くたびに、本文から「名前」「連絡先」「要件」を手で拾って Excel やスプレッドシートに書き写す。地味だけど毎回発生する作業です。月に20件、30件と来るようになると、確認と転記だけで毎週1〜2時間が溶けます。

この記事で作るのは、それを丸ごと自動化する仕組みです。完成形はこうです。

  • 専用のお問い合わせメアドにメールが届く
  • AI（Google の Gemini）がメール本文を読んで「名前・連絡先・要件」を抜き出す
  • Googleスプレッドシートに1行ずつ追加される
  • Slack に「📩 新規問い合わせ：田中／カフェのHP作成」と通知が来る

これを n8n というノーコードの自動化ツールで組みます。コードは一行も書きません。 手順全部を画面のフォームに入力していくだけです。

ただし、この記事の本当のキモは、設定中に必ず一度ハマる「AIが本文を読まずに、それっぽいダミー値で全部埋めて返してくる」現象の正体と直し方です。私もこれで1時間迷子になりました。プロンプトを盛っても、モデルを上位に変えても、温度を下げても直りませんでした。原因はもっと手前にあって、ある一箇所の設定モードを切り替えるだけで一発で直ります。本番運用に乗せる前に必ず潰しておくべき罠なので、後半でじっくり書きます。

想定する入力は「メール本文（テキスト）」

最初に1つだけ前提を共有させてください。今回扱う「問い合わせ文」は、メール本文（テキスト）を想定しています。Gmailのお問い合わせ専用メアド宛のテキストメールが典型例です。

Webフォームから来るものでも、フォーム側が裏でメールに飛ばしている設計なら同じ扱いです。Slack や Chatwork のメッセージを入口にする場合は、入口のノードを Gmail Trigger から Slack Trigger に差し替えるだけで、それ以降の流れは同じです。

逆に、PDFや画像のお問い合わせ書類を読ませたい場合は、今回の仕組みの手前に OCR（PDF→テキスト変換）の工程が一本入ります。これは別記事のスコープとして、ここでは「文字データになった本文がある状態」からスタートします。

全体像：5部品が一列に並ぶだけ

完成すると、こういう流れになります。

[Gmail Trigger] → [Information Extractor] → [Google Sheets] → [Slack]
                          ↑
                   [Google Gemini Chat Model]

それぞれが何をする部品か、先に1行ずつ説明しておきます。

  • Gmail Trigger：n8n が定期的に Gmail をチェックし、新着メールがあれば後段に流す入口の部品。ここを差し替えれば Webフォーム や Slack 起点にもできる
  • Information Extractor：「この文章からこれとこれを抜き出して」と項目名と説明を渡すと、AIに項目抽出させてくれる専用ノード。今回の主役
  • Google Gemini Chat Model：Information Extractor の中で実際に推論を担当するAI。Googleの Gemini を選ぶための部品
  • Google Sheets：抽出結果を1行として追記する出口。お馴染みのスプレッドシートに新規行が積まれていく
  • Slack：「新規問い合わせ来た」と担当者にメンション通知する仕上げの部品

部品はたった5つ、線で繋ぐだけです。それでは作り方を順に見ていきます。

まずは「サンプル本文で動作確認」のフェーズ

本番のメール接続にいきなり繋ぐと、AIの挙動がおかしいときに本物の問い合わせメールが暴れます。なので最初は、サンプル文を1つ手で置いて動作だけ確かめるフェーズから始めます。これがノーコード自動化の基本のお作法です。

手順1〜4 でサンプル投入版を作り、手順5〜7 でその挙動と最大のハマりどころを潰します。本番接続（Gmail/Sheets/Slack）は手順8以降です。

手順1：新しいワークフローを作って「手動で実行」を置く

n8nの新規ワークフロー作成直後の白紙キャンバス。中央に「Add first step…」と表示された+マーク付きの四角がある
新規ワークフローを作った直後のキャンバス。中央の「Add first step…」をクリックして最初のノードを置きます。

n8nを開いたら、新しいワークフローを作ります。まっさらな画面の真ん中に「Add first step…」と書かれた四角があるので、そこをクリックします。

すると「このワークフローは何で始まりますか？」と聞かれるので、一番上の Trigger manually（手動で実行） を選びます。これは「ボタンを押したら動く」という、いちばん分かりやすいスタートです。本番では Gmail Trigger に差し替えますが、まずは手動で動かして AI の挙動だけ見るのが安全です。

これで「When clicking ‘Execute workflow’」という最初のノードが置かれました。

手順2：処理するサンプル本文を1つ用意する（Edit Fields）

n8nのEdit Fieldsノードに本文フィールドを1つ作り、問い合わせサンプル文を入力した画面
Edit Fieldsに「本文」というフィールドを1つ作り、サンプルの問い合わせ文を貼ったところ。本番では Gmail Trigger に差し替える部分です。

次に、AIに読ませる「問い合わせ文」を1つ用意します。本来はメールやフォームから入ってくるデータですが、まずは動作確認のためにサンプルの文章を手で置きます。

最初のノードの右にある「＋」を押し、ノード検索に「Edit Fields」と打って Edit Fields (Set) を選びます。これは「データの項目を作る・書き換える」ためのノードです。

開いたら「Add Field」を押して、項目を1つ作ります。

  • 名前（Name）：本文
  • 値（Value）：サンプルの問い合わせ文を貼り付け

今回はこういう、いかにも実際に来そうな雑な文章を入れました。

お世話になります。田中と申します。小さなカフェのホームページを作りたいです。予算は控えめですが、メニューと地図が載ればOKです。今月いっぱい(5/31)までに公開したいです。連絡は tanaka.cafe@example.com にお願いします。

名前・連絡先・要件・期日が、文章の中にバラバラに埋まっています。これをAIに整理させるのが狙いです。入力できたら左上の「Back to canvas」でキャンバスに戻ります。これで「手動で実行 → Edit Fields」がつながりました。

手順3：AIに項目を抜き出させる（Information Extractor）

n8nのInformation Extractorノード設定フォーム。Text欄・Schema Type・Attributesの入力エリア
Information Extractorのフォーム。Text（読ませる文章の指定）とAttributes（抜き出す項目）が中心。コードは書かず、項目名と短い説明を入れるだけ。

ここからが本番です。Edit Fieldsの「＋」から、ノード検索で 「Information Extractor」 を選びます。これは 文章から決めた項目を抜き出す専用のAIノードで、まさに今回やりたいことそのものです。

開くと設定フォームが出ます。やることは2つだけです。

(1) Text（どの文章を読むか）

「Text」の欄に、前のノードで作った本文を指定します。{{ $json.本文 }} と書くと、「Edit Fieldsで作った本文を読んでね」という意味になります。打つだけで、コードではありません。

——ただし、ここで後で大爆発する小さな選択を一個踏みます。詳しくは手順7で書きますが、ひとまずこの欄に {{ $json.本文 }} と素直にタイプして次へ進みました。

(2) Attributes（何を抜き出すか）

「Add Attribute」を押して、抜き出したい項目を作っていきます。今回は3つにしました。それぞれ「名前（項目名）」と「Description（その項目の説明）」を入れます。

項目名 Description（最初に入れた説明）
名前 問い合わせ者の氏名
連絡先 メールアドレスまたは電話番号
要件 依頼したい内容

ここまでで「文章を読んで、この3項目を抜き出して」という指示が、画面のフォームだけで完成しました。

手順4：AI（Gemini）を接続して、APIキーを入れる

Information Extractorは「どのAIを使うか」を指定しないと動きません。フォームの下のほうにある「Model」の「＋」を押すと、AIの一覧が出ます。今回は Google Gemini Chat Model を選びました。

選ぶと「Credential（接続情報）」を求められます。これは、自分のGemini APIキーを登録する画面です。

  • 「Create new credential」を押す
  • 「API Key」の欄に、自分のGemini APIキーを貼り付ける（Host欄はそのまま触りません）
  • 「Save」を押す

APIキーは、Googleの「Google AI Studio」で無料で発行できます。コードに書くのではなく、n8nの専用フォームに入れるだけなので、初心者でも迷いません。保存すると「Connection tested successfully（接続成功）」と緑で出ます。出ればOKです。最後にモデルとして gemini-2.5-flash を選びました。速くて安いモデルです。

なお、気になる料金ですが、gemini-2.5-flash は非常に安いモデルで、今回のように1件の短い文章を数回処理するくらいなら、かかる費用は数円にもなりません。テストで何十回実行しても誤差レベルなので、初心者が「課金が怖くて試せない」と身構える必要はありません。まずは気軽に何度も実行して、AIの挙動を体で覚えるほうが先です。

これで「手動で実行 → Edit Fields → Information Extractor（＋Gemini）」という、サンプル動作確認版の完成です。

手順5：実行してみる → 動いた、けど中身が全部嘘だった

n8nワークフロー実行成功時、全ノードに緑のチェックマークが付いた画面
実行直後のキャンバス。全ノードに緑のチェックが付き、ワークフローは成功扱いになっています。一見、完璧に動いているように見えます。

キャンバス下の「Execute workflow」を押します。数秒待つと、全部のノードに緑のチェックが付いて「Workflow executed successfully」と出ました。動いたこと自体は成功です。

問題は中身でした。Information Extractorの出力を見ると、こうなっていました。

  • 名前：山田太郎
  • 連絡先：yamada.taro@example.com
  • 要件：新規プロジェクトの件で相談したい。一度打ち合わせの機会を希望。

本文に書いたのは「田中／tanaka.cafe@example.com／カフェのホームページ作成」のはずです。それなのにAIは本文と一切関係ない、いかにも”サンプル文っぽい”値を3つとも返してきました。全部、AIの作文です。 「動いた、完成！」と判断して本番接続していたら、本物の問い合わせがどれもこんな値で記録されるところでした。

Information Extractorの出力。AIが本文を読まずに山田太郎・yamada.taro・新規プロジェクトと典型ダミー値を返した画面
Information Extractorの出力。本文と一切関係ない「山田太郎／yamada.taro／新規プロジェクト」が並ぶ。AI抽出は一見成功でも中身を見ないと気づけない。

手順6：説明を盛る → 直らない。モデルをProに変える → やっぱり直らない

最初に疑ったのは「項目の説明（Description）が短すぎて、AIに何を抜くか伝わっていない」という線でした。そこで説明を、より丁寧で長い指示文に書き換えました。

  • 連絡先：「本文に記載のメールアドレスまたは電話番号を原文のまま正確に」
  • 要件：「本文で依頼・相談している具体的な内容を、本文の言葉で簡潔に。本文に無い内容は作らない」

人間に出す指示としては親切なはずです。これで再実行——変わりません。山田太郎、yamada.taro、汎用的な打ち合わせ希望文、3つとも同じです。

次に疑ったのはモデルの性能。gemini-2.5-flash は速いぶん軽量です。上位の gemini-2.5-pro に切り替えて再実行しました。今度は本気で読んでくれるはず——変わりません。一字一句、同じ山田太郎が返ってきました。

ここで一旦手が止まりました。説明を変えても直らない、モデルを上げても直らない、Sampling Temperature を 0 にしても直らない。AIは何を読んでこの値を返しているのか、本当に本文を見ているのか、それすら確信が持てなくなってきました。

手順7：Logsを開いたら、AIに本文が一文字も届いていなかった

ここで初めて、Information Extractor の右側パネルにある 「Logs」タブを開きました。ここには、ぶら下げた Google Gemini Chat Model が実際に Gemini API に送ったプロンプトの全文が出ます。一番下までスクロールして、本文がどう渡っているかを見ます。そこに書かれていたのは、これでした。

Human: {{ $json.本文 }}

——Geminiに届いていたのは、本文ではなく 「{{ $json.本文 }}」という文字列そのものでした。波カッコも $ もそのまま。Geminiから見たら「人間が {{ $json.本文 }} という呪文を送ってきた、何これ？」状態です。本文どころか問い合わせの「問」の字も届いていない。それで何か返せと言われたから、Geminiは「いかにもそれっぽいダミー」を組み立てて返していた。山田太郎・yamada.taro・新規プロジェクトの件で相談——典型的なAIの「分からないから無難な例で埋める」挙動です。

n8nのLogsタブでGeminiへの実リクエスト末尾にHuman: {{ $json.本文 }}がそのまま文字列で送られている証拠スクショ
Logs タブで Gemini への実リクエストを末尾まで見たところ。「Human: {{ $json.本文 }}」がそのまま文字列として送られている。本文が一切届いていなかった証拠。

原因はモデルでも説明文でも温度でもなく、n8n の入力モードの罠でした。Text フィールドはデフォルトで「Fixed（固定文字列）」モードになっており、そこに {{ $json.本文 }} と書いても、ただの12文字の文字列として扱われます。変数として展開させたいなら、フィールドを「Expression」モードに切り替える必要があるんです。

切替方法は簡単で、Text フィールドの右上に出る「Fixed / Expression」のトグルから Expression を選ぶだけです。値の頭に「fx」マークが付き、すぐ下にプレビューが現れて、{{ $json.本文 }} が実際の本文（「お世話になります。田中と申します…」）に展開されている様子が確認できます。ここで本文が見えていなかったら、まだ届いていません。 プレビューが本文の冒頭を表示する、これがチェックの肝です。

n8nのInformation ExtractorでTextフィールドをExpressionモードに切替え、fx印が付きプレビューに本文が展開された画面
Text フィールドを Expression モードに切り替えると、左に fx アイコンが付き、すぐ下のプレビューに展開後の本文が表示される。ここで本文が見えていれば AI に届く。

この状態で Execute step を押すと、Gemini から返ってきた出力はこれでした。

  • 名前：田中
  • 連絡先：tanaka.cafe@example.com
  • 要件：小さなカフェのホームページ作成。予算は控えめだが、メニューと地図の掲載は必須。5/31までに公開希望。

全部、本文どおりです。期日まで拾ってきました。直りました。原因はモデルでも説明文でもなく、そもそも AI に本文を渡せていなかっただけだったのです。

Text=Expression切替後の出力。名前:田中、連絡先:tanaka.cafe@example.com、要件:カフェのHP作成と5/31公開希望が本文どおり抽出された画面
Text を Expression に切り替えた後の出力。本文どおり「田中／tanaka.cafe@example.com／カフェのHP作成・5/31公開」が正しく抽出されている。

ここまでで、サンプル本文でAIがちゃんと動くことが確認できました。ここから先がいよいよ本番接続です。

手順8：サンプル投入を Gmail Trigger に差し替える

動作確認のために置いた Edit Fields は、本番では Gmail Trigger に置き換えます。「お問い合わせ専用メアドにメールが届いたら、自動で後段が動く」入口にするためです。

Edit Fields ノードを右クリックして削除し、代わりに「＋」から Gmail Trigger を追加します。設定はこのくらいです。

  • Credential（接続情報）：Gmail OAuth。これは Google AI Studio の API キーとは別物で、Google Cloud Console で OAuth クライアントID を発行 → n8n の Gmail Trigger ノードのCredential画面に貼って認可ボタン、というGUI完結の手順です。コードは書きません
  • Trigger On：Message Received（新しいメッセージが届いたとき）
  • Filters：どのメールを拾うか。一番ラクなのは「ラベル」で絞る方法。Gmail側で問い合わせメアドに自動で inquiry のラベルが付くフィルタを作っておき、n8n側では label: inquiry を指定する
  • Poll Interval：何分おきにGmailをチェックするか。1分でも数分でもお好みで

これで「inquiry ラベルが付いたメールが届いたら自動起動」する入口の完成です。

ここで 手順7と同じ罠を必ず再発させないために、もう一度 Text フィールドを確認します。入力ソースが Edit Fields から Gmail Trigger に変わったので、参照する変数名も変わります。Gmail Trigger は本文を text や snippet というフィールドで返すので、Information Extractor の Text 欄を {{ $json.text }} などに書き換えます（実際の名前は Gmail Trigger の Output パネルで確認）。

そして必ず、Text フィールドが Expression モード（fx印）になっていて、プレビューに本物のメール本文が展開されていることを目視で確認してください。ここを見落とすと、本番で全件「山田太郎」が記録される事故が起きます。

手順9：出口を Google Sheets と Slack に繋ぐ

抽出結果の出口を作ります。

Google Sheets（行追加）

Information Extractor の右の「＋」から Google Sheets ノードを追加し、Operation は Append Row（行追加） を選びます。

  • Credential：Google Sheets OAuth（GoogleアカウントでログインしてOKを押すだけ）
  • Document：あらかじめ作っておいたスプレッドシートを選ぶ。例：「お問い合わせ管理」
  • Sheet：タブを選択。例：「2026年受付」
  • Column Mapping：n8n が自動で属性（名前/連絡先/要件）を検出するので、スプシ側の列名（例：「お名前」「連絡先」「ご依頼内容」「受付日時」「確認ステータス」）と1対1で対応付ける
  • 「確認ステータス」列のデフォルト値：未確認 を入れておく。これは後段の人検証で効きます

Slack（メンション付き通知）

Google Sheets の右の「＋」から Slack ノードを追加し、Resource は Message、Operation は Send を選びます。

  • Credential：Slack の OAuth、または Webhook URL（チャンネル単位の簡易方式）
  • Channel：#inquiries のような専用チャンネル
  • Message Text：テンプレで埋める。例：
    📩 新規問い合わせ：{{ $json.名前 }} 様
    連絡先：{{ $json.連絡先 }}
    ご依頼内容：{{ $json.要件 }}
    <!subteam^担当者ID> 内容確認お願いします

ここでも各 {{ ... }} を入れる欄は Expression モードであることを必ず確認してください。Fixed のままだと、Slackに「{{ $json.名前 }} 様」という呪文が流れます（経験者は語る）。

完成した本番フローはこうなります。

[Gmail Trigger] → [Information Extractor] → [Google Sheets(Append)] → [Slack(Send)]
                          ↑
                   [Google Gemini Chat Model]

これでもう、お問い合わせメールが届くたびに、スプレッドシートに1行追加され、Slackにメンション付き通知が飛びます。手作業の転記はゼロです。

手順10：「人検証」は弱点ではなく、設計に組み込む標準装備

ここで多くの初心者が引っかかるポイントがあります。「AIの抽出って間違うんでしょ？じゃあ自動化って結局信用できないじゃん」——これは半分正解で、半分外しています。

正しいのは、AIの抽出は本文がちゃんと届いていても100%にはなりません。今回直したのは「本文すら届いていなかった」という別の話で、本文が届いた後でも、たまに表記が微妙にズレたり、本文の趣旨を別の言葉で言い換えたりはします。

外しているのは、だから自動化できない、という結論です。AIの抽出精度を100点にしようとせず、95点AI + 5点の人検証 = 100点の運用、と割り切ると、自動化は十分に成立します。今回のフローで「人検証」を以下の3点として標準装備しています。

  • Slack通知に担当者をメンション：通知が流れて気付かれないリスクを潰す
  • スプシの「確認ステータス」列：デフォルト「未確認」を入れて、人が目視確認したら「確認済」に変える。AIが返したそのままの値が台帳に流れ込むことはあっても、人の目を通らないまま”正式な顧客データ”になることはなくなる
  • 毎朝の未確認チェック：n8n をもう1本（Cron Trigger → Sheets「未確認」行抽出 → Slack 朝礼通知）組めば、確認漏れもゼロにできる。1回組めば永久に動く

この設計にしてしまえば、AIがたまにズレても運用は止まりません。「AIに任せる範囲」と「人が必ず通る一拍」を最初から分けて組む。これがノーコード自動化を本番に乗せるときの考え方の本筋です。

本番デプロイ前のチェックリスト

スプシ転記の手作業を実際に止める前に、以下を必ず確認してください。手順7の罠で1時間溶かさないために。

  • [ ] Information Extractor の Text フィールドが Expression モード（fx印） になっている
  • [ ] プレビューに 展開後の本文が見えている（{{ $json.本文 }} のままになっていない）
  • [ ] Logs を末尾まで開いて、Human: ... の後ろが 本物の本文文字列になっている（変数名のままなら未展開）
  • [ ] Google Sheets のColumn Mappingが 全項目埋まっている
  • [ ] Slack のメッセージテンプレが Expression モードで書かれていて、テストチャンネルで1回ドライランしてプレビュー確認している
  • [ ] 「確認ステータス」列の デフォルト値「未確認」が入っている
  • [ ] 朝礼用の未確認リマインダー（任意）が組まれている

つまずき早見表

同じ所で止まったら、ここに戻ってきてください。

症状 原因 対処
動くが本文と無関係の典型ダミー値（山田太郎、yamada.taro等）が返る Text フィールドが Fixed モードのままで、{{ $json.本文 }} が文字列としてAIに送られている Text フィールドを Expression モードに切替。プレビューに展開後の本文が表示されることを確認
プロンプトを丁寧にしても、モデルを上位に変えても出力が改善しない そもそも本文がAIに届いていない可能性が高い Logs タブで Gemini への実リクエストを末尾まで読み、本文が文字列として展開されているか確認
本文は届いているが、たまにそれっぽい値で埋めてくる AIは「分からない時、もっともらしい値で埋める」性質がある Slack通知＋スプシ「確認ステータス」列で人検証を組み込む
Gmail Trigger が起動しない ラベル/フィルタ/Polling間隔の設定漏れ Gmail 側で inquiry ラベルが本物メールに付くフィルタが動いているか、Polling間隔が短すぎないか確認
Google Sheets で列マッピングが空になる Information Extractor の属性名と Sheets 列名が違う 属性名（名前/連絡先/要件）と列名を一致させる、または Column Mapping を手動で再設定
Slack通知に {{ $json.名前 }} の呪文がそのまま流れた Slack ノードの Message Text フィールドが Fixed モード Expression モードに切替（手順7と同じ罠の再発）
接続エラーで動かない APIキー/OAuth未登録または失効 Credential画面で再認証「Connection tested successfully」を確認

まとめ：30分で手転記をゼロに、AI出力は人検証で受け止める

n8n と Gemini で、お問い合わせメールから「名前・連絡先・要件」を自動でスプレッドシートに転記し、Slack に通知するところまでを通しで作った記録でした。要点です。

  • 完成形は 5部品（Gmail Trigger / Information Extractor / Google Gemini Chat Model / Google Sheets / Slack） の直列。コードは一行も書かない
  • 設定中に必ず一度ハマるのが「AIが本文を読まずに山田太郎を返す」現象。プロンプトを盛ってもモデルを上げても直らない
  • 真犯人は Text フィールドが Fixed モードのまま {{ $json.本文 }} を文字列として AI に送っていたこと。Expression モードに切替えるだけで一発解決
  • 本番デプロイ前には Logs を末尾まで開いて、変数が本文に展開されているか目視確認する。これを毎回やる
  • 本文が届いた後でも、AIは”ありそうな値”で埋める癖を完全には捨てない。Slack通知＋スプシ「確認ステータス」列で人検証を運用に組み込む
  • 「AIの精度を100点にする」ではなく、95点AI + 5点の人 = 100点の運用として設計する

ノーコードでAIに作業させると、画面上は緑のチェックが並んでいて成功しているように見えても、裏でAIには空の呪文しか届いていない、という事故が起きます。そして上のレイヤー（プロンプト・モデル・温度）をいくらいじっても直りません。出力がどうにもおかしい時は、思い切って Logs を開いて「AIに何が届いているか」を生で見るクセを付けると、迷走時間を1時間単位で削れます。さらに、本番では「Slack通知＋確認列」で人検証を最初から組み込んでおくと、AIがたまにズレても運用が止まりません。同じ所でつまずいている方の遠回りが、この記録で少し減れば幸いです。