「ツールはあるけど使えない」から脱却〜ノーコード経験者の Dify 実装 1 ヶ月チャレンジ〜

「ツールはあるのに、使いこなせない」状態からのスタート　

受講前の私は、 Slack ワークフローや Zapier など、ノーコードツールを触った経験はあるものの、いずれも“最低限の実装”に留まっていました。

社内に Dify という AI ツールがあることは知っていましたが、まだ導入が検証段階で、全社利用にあたって取り扱える情報の幅が狭く、また権限管理の関係で「ナレッジ機能」が使えないなどの制約がありました。

元々 Notion の DB 上に FAQ の一覧を蓄積していたため、「ナレッジ機能」が使えれば任意の Notion の DB を指定するだけで済んだはずが、 API を叩いて特定のデータを取得しなくてはいけない状況でした。

Notion の FAQ データベースを活用できれば業務改善につながるのはわかっていましたが、

「 API ってどう触るの？」

「そもそも何から始めればいいの？」

と、手をつけられずに放置していたのが実情です。

※ Dify の「ナレッジ機能」は、 PDF やテキストなどの資料を AI に読み込ませて、質問に答えるための"参照データ"として使える仕組みです。AI に社内資料を覚えさせて、必要なときに答えてもらうイメージです。

社内問い合わせ bot 開発のプロセス

1. 講座受講がもたらした「最初の一歩」

講座では、Dify について 1 回の講義で基本を学ぶ機会がありました。実際にツールに触れることで、「こういう仕組みなんだ」という雰囲気をつかむことができました。

また、講座を通じて生成 AI を使う頻度が格段に増えました。予習・復習、課題をこなす中で、以前よりも頻繁に、かつ複数の AI サービスを使い分けるようになりました。さらに、キカガクが開催する生成 AI 関連のウェビナーにも数回参加し、プロンプト作成のコツを学びました。

こうした経験を重ねる中で、「やってみよう」という心理的なハードルが少しずつ下がっていったのです。

2. 実装のきっかけ: Notion MCP 連携

転機が訪れたのは、社内で Notion MCP が繋がったときでした。

前述のように、これまで Dify で Notion の情報を使うには、API を叩いて特定のデータを取得する必要がありました。

しかし、Notion MCP が繋がったことで、API を叩く方法が分からなくても、Dify 上で設定するだけで Notion 検索ができるようになったのです。

「これなら自分でもできるかも」と思い、以前から構想していた社内問い合わせ bot の実装を決意しました。

※Notion MCP は、Notion 内のデータを AI から安全に扱うための“接続アプリ”のようなものです。AI が Notion のページやデータベースを読み書きできるようにする橋渡し役です。

3. 最大の壁到来：Slack と Dify の連携ができない！？

実装を進める中で、最大の壁となったのが Slack 連携でした。

通常のネット検索で記事を探しても、近しい事例が見つかりません。「どうやって Slack から Dify にデータを渡すのか」というイメージすら、まったくつかめない状態でした。

ここで、講座を通じて慣れ親しんできた生成 AI の力を借りることにしました。

4. 生成 AI を活用した試行錯誤

私が生成 AI に投げかけた質問は、次のようなものでした。

質問例1:

DifyでNotion MCPを利用できるようになったので、以下のフローを実装したい。
2,3はDify上でできると思うが、1の投稿を取得しdifyの処理を開始するにはどうすれば良いですか？
zapier等は利用可能なので、zapierからdifyを動かす方法を教えてください。

1. slackワークフローで依頼起票(slackにメッセージ投稿)
2. 投稿内容をgeminiで要約
3. notion内を検索
4. notionの検索結果を投稿slackのスレッドに返す(該当情報がなければその旨も記載)

まず、やりたいことの全体像と「何ができて何ができないか」を示して、どういう流れで実現できるかを聞きました。

次に、具体的な設定方法について質問しました。

質問例2:

Zapier の Webhooks by Zapier → Custom Request でdifyを発火させたい。
Zapier上の設定でURLはdifyから取得することがわかったが、その他の設定に何を入れればいいのかわからないので教えてください。
以下予想でいるところは埋めたのですが、間違っている場合はその旨教えてください。
# Data
{
"inputs": {
 "query": "Slackで受け取った本文をここに渡す"
 },
 "response_mode": "blocking"
}

# Basic Auth
何を入れればいいか不明

# Headers
Authorization: Bearer xxxxxxxx   (dify右上で発行したAPIキー)
Content-Type: application/json

このように、「何が分からないか」を具体的に言語化することが重要でした。講座で得た基礎知識があったからこそ、どこでつまずいているのかを明確にでき、生成 AI への質問も具体的にできたのだと思います。

5. 実装完了と成果

こうした試行錯誤を経て、約 1 ヶ月で社内問い合わせ bot が完成しました。

この bot は、 Slack で受け取った問い合わせ内容をもとに、Notion 上に蓄積していた Q&A を検索し、該当する情報があれば自動で一次回答を返すというものです。

実際の運用では、作業依頼や詳細な調査依頼など、bot では対応できない問い合わせも多く、完全自動化というわけにはいきませんでした。しかし、すでにドキュメントを用意してあるような問い合わせには、比較的高確率で一次回答できるようになりました。

社内では「Dify の活用事例をいち早く出せた」と評価していただき、他の社内業務にも横展開を進めています。

6. 講座内容と実践のつながり

今回の実装を進める中で、あらためて感じたのは、講座で学んだ基礎がなければ、実現までたどり着けなかったということです。

Dify については講義の中で“まず押さえておくべきポイント”を分かりやすく学べたため、「どんなツールで、何ができるのか」という全体像を早い段階で理解できました。

そのおかげで、実装に進んだ際も

・どこを調べればよいか

・何が疑問なのか

・生成AIに何を聞けばよいか

といった “方向性”を迷わずに済みました。

Slack 連携や Zapier など、より応用的な設定は実務フェーズで自分でも調べていきましたが、それができたのは、講座で基礎がしっかり身についていたからこそだと感じています。

つまり、「講座」「自己学習」「生成 AI 活用」の三位一体が重要なのです。

講座が与えてくれるのは、単なる知識ではありません。

「実践に踏み出すためのスタート地点」と「学び続けるための基礎体力」 なのです。

その後の応用や発展は、自分で調べたり、生成 AI の力を借りたりしながら広げていくことができます。

このような学び方ができるようになったことこそが、講座を受講して得られた一番大きな成果だと感じています。

働きながらスキルを習得するために意識したポイント

壁にぶつかったときの乗り越え方

実装を進める中で、何度も壁にぶつかりました。その度に意識していたのは、以下の 3 点です。

1. 完璧を目指さず、まず動かすことを優先する
   最初から完璧な設計を目指すのではなく、「とりあえず動くもの」を作ることに集中しました。動くものができれば、そこから改善していけます。
2. 生成AIに「何が分からないか」を具体的に伝える
   漠然と「Slack 連携の方法を教えて」と聞くのではなく、自分が試したこと、分からない箇所を具体的に示すことで、的確な回答を得られました。
3. 講座で学んだ基礎を土台にする
   今回の実装では講座内容を直接振り返ることはありませんでしたが、他の回の内容は復習していました。そうした基礎理解の積み重ねが、生成 AI への質問を具体化する力につながったと感じています。

仕事との両立方法

サポート業務の合間に、少しずつ実装を進めていきました。

重要だったのは、業務の課題と学習を結びつけたことです。「問い合わせ対応を効率化したい」という実務上の課題があったからこそ、「これで業務が楽になる」という実感がモチベーションになりました。

学習のための学習ではなく、実務の課題解決のために学ぶという姿勢が、挫折せずに続けられた理由だと思います。

最後に

今回の経験を通じて、講座は “ゴールではなく、実践のスタート地点” だと感じました。

実装を進める中で、生成 AI を使いこなす力も確実に身につきました。講座の予習・復習、課題を通じて、以前よりも頻繁に、そして効果的に AI を活用できるようになったと感じています。

現在は転職活動を行なっており、この実装経験は自分にとって大きな自信になりました。また、社内でも他の業務への横展開を進めており、さらなる活用の可能性を感じています。

同じように「ツールはあるけど使えていない」という方へ。

完璧な知識がなくても、まず小さく始めてみることが大切です。講座で基礎をつかみ、生成 AI の力も借りながら、実際に手を動かしてみる。その繰り返しの中で、確実にスキルは身についていきます。

私自身、まだまだ学ぶことは多いですが、この経験が同じような悩みを持つ方の一助となれば幸いです。

この記事を読んで「自分もやってみよう」と思った方へ

最初の一歩として、以下のステップから始めてみてください。

1. 社内で使えるツールを確認する

Dify や Notion 、Slack など、すでに導入されているツールはありませんか？使える環境があれば、それが最初の武器になります。

2. 解決したい業務課題を1つ決める

「問い合わせ対応を楽にしたい」「データ集計を自動化したい」など、小さくても構いません。具体的な課題があると、学習の方向性が定まります。

3. 生成 AI に質問してみる

「〇〇を実現したいが、どう始めればいいか？」とシンプルに聞くところから。最初は抽象的でも、対話を重ねることで具体化していきます。

完璧な計画は不要です。小さく始めて、動かしながら学んでいく。それが、私が実感した一番の近道でした。

「まずは小さく始める」。その最初の一歩を、プロと一緒に踏み出しませんか？

「解決したい業務課題はあるけれど、どのツールを使えばいいかわからない」 「独学で進めるには、少し不安がある」

そんな悩みをお持ちの方は、ぜひ無料説明会にお越しください。 あなたの会社の環境や、目指したい姿をヒアリングさせていただき、 「AI ・データサイエンス人材育成コースがあなたの課題解決にどう役立つのか」を具体的にお話しします。