この記事では、OpenAI APIを使った問い合わせメール自動分類スクリプトを約60分で構築する手順を解説します。 Pythonの基本文法がわかれば、コードをコピペするだけで動くように全コードを掲載しています。 AIを業務に導入する全体像から知りたい方は、先に中小企業向けAI導入5ステップをご覧ください。
この記事で作るもの（完成イメージ）
OpenAI APIとは、OpenAIが提供するGPTシリーズのAIモデルをプログラムから呼び出すためのインターフェースです。ChatGPT API（OpenAI API）を使えば、チャットボットだけでなく、メール分類・文書要約・データ抽出といった業務処理をプログラムで自動化できます。
この記事では、GPT APIの使い方を業務自動化の観点から解説し、「問い合わせメールの自動分類スクリプト」を完成させます。メール本文を入力すると、カテゴリ・要約・緊急度をJSON形式で返すPythonスクリプトです。
前提条件
| 項目 | 内容 |
|---|---|
| 必要なアカウント | OpenAIアカウント（無料登録 + クレジットカード） |
| 必要な知識 | Pythonの基本文法（変数・関数がわかればOK） |
| 所要時間 | 約60分（アカウント作成〜動作確認まで） |
| 完成物 | メール文面を分類・要約するPythonスクリプト |
| 費用目安 | 月100件の処理で約10〜30円（gpt-4o-mini使用時、2026年2月時点） |
準備・環境構築
環境構築とは、OpenAI APIをプログラムから呼び出すために必要なアカウント・ライブラリ・設定ファイルを整える作業です。
OpenAIアカウント作成とAPIキー取得
APIキーの取得は以下の3ステップで完了します。
- OpenAI Platformにアクセスし、アカウントを登録します（Googleアカウントでも可）
- ダッシュボードの「API keys」から「Create new secret key」をクリックし、プロジェクト用のAPIキーを発行します
- 「Settings」→「Billing」でクレジットカードを登録し、月額の使用量上限（例: $5）を設定します
APIキーは発行時に一度だけ表示されます。必ずコピーして安全な場所に保管してください。
Python環境のセットアップ
ターミナルで以下のコマンドを実行し、必要なライブラリをインストールします。
pip install openai python-dotenv
次に、プロジェクトフォルダに.envファイルを作成し、APIキーを記述します。
OPENAI_API_KEY=sk-proj-xxxxx（ここに自分のAPIキーを貼り付け）
セキュリティ上の注意: .envファイルをGitで管理しないように、.gitignoreに必ず追加してください。APIキーをソースコードにハードコードすると、リポジトリの公開時に漏洩するリスクがあります。
# .gitignore に追加
.env
Pythonコードから環境変数を読み込む基本コードは以下のとおりです。
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI() # OPENAI_API_KEY環境変数を自動認識
OpenAI()はデフォルトで環境変数OPENAI_API_KEYを参照するため、明示的にapi_key=を渡す必要はありません。
準備物チェック表
| 項目 | 取得方法 | 備考 |
|---|---|---|
| OpenAIアカウント | platform.openai.comで登録 | Googleアカウントで可 |
| APIキー | ダッシュボード → API keys → Create new secret key | プロジェクト単位で発行推奨 |
| クレジットカード | Settings → Billing | 使用量上限（月$5等）の設定を推奨 |
| Python 3.9以上 | python.org | 3.9〜3.12推奨 |
| openaiライブラリ | pip install openai | バージョン1.0以上必須 |
| python-dotenv | pip install python-dotenv | 環境変数管理用 |
実装手順
Chat Completions APIとは、メッセージのやり取り（チャット形式）でAIの応答を得るOpenAIの主要APIです。ここでは基本コードから業務自動化の実践コードまで、3ステップで実装します。
ステップ1: 基本のChat Completions API
まずは最小限のコードでAPIの動作を確認します。
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI()
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": "あなたは業務アシスタントです。"},
{"role": "user", "content": "請求書と見積書の違いを1文で説明してください。"},
],
)
print(response.choices[0].message.content)
このコードのポイント:
modelにはコスト重視ならgpt-4o-mini、品質重視ならgpt-4oを指定しますmessages配列のsystemロールでAIの役割を定義し、userロールでユーザーの入力を渡します- レスポンスの
choices[0].message.contentにAIの応答テキストが格納されます
用途に応じたモデルの選び方は以下のとおりです。料金は2026年2月時点の情報です。最新はOpenAI公式料金ページをご確認ください。
| モデル | 特徴 | 入力料金（/100万トークン） | 出力料金（/100万トークン） | 用途の目安 |
|---|---|---|---|---|
| gpt-4o-mini | 高速・低コスト | $0.15 | $0.60 | 分類・要約・定型処理（コスト重視の業務に最適） |
| gpt-4o | 高性能・バランス | $2.50 | $10.00 | 複雑な判断・文章生成（品質重視の業務向け） |
| o3 | 推論特化 | $2.00 | $8.00 | 複雑な分析・多段階の推論が必要な処理 |
| o4-mini | 推論（軽量） | $1.10 | $4.40 | 推論が必要だがコストを抑えたい場合 |
中小企業の定型業務（メール分類・要約など）にはgpt-4o-miniが最もコストパフォーマンスに優れています。入力500トークン・出力200トークンの処理を月1,000件実行しても約$0.10（約15円）で済みます。
ステップ2: 業務自動化の実践コード（問い合わせメール分類）
実際の業務で使える「問い合わせメール自動分類スクリプト」を実装します。systemプロンプトで分類AIの役割を定義し、response_formatでJSON出力を強制します。
import os
import json
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI()
def classify_inquiry(email_body: str) -> dict:
"""問い合わせメールを分類・要約する"""
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{
"role": "system",
"content": (
"あなたは中小企業の問い合わせ対応AIです。"
"メール本文を分析し、以下のJSON形式で返してください：\n"
'{"category": "見積依頼|製品問い合わせ|クレーム|その他",'
' "summary": "50文字以内の要約",'
' "urgency": "高|中|低",'
' "suggested_action": "推奨対応"}'
),
},
{"role": "user", "content": email_body},
],
response_format={"type": "json_object"},
temperature=0.2,
)
return json.loads(response.choices[0].message.content)
# 使用例
sample_email = """
お世話になっております。
先日ご提案いただいた業務システムについて、
正式に見積もりをお願いしたく、ご連絡いたしました。
納期は来月末を希望しております。
"""
result = classify_inquiry(sample_email)
print(json.dumps(result, ensure_ascii=False, indent=2))
実行結果の例:
{
"category": "見積依頼",
"summary": "業務システムの正式見積もり依頼。納期は来月末希望。",
"urgency": "中",
"suggested_action": "見積書を作成し、納期の実現可能性を確認のうえ回答する"
}
このコードのポイント:
response_format={"type": "json_object"}を指定することで、AIの応答を確実にJSON形式に制約できますtemperature=0.2で出力のばらつきを抑え、分類結果の安定性を高めています- systemプロンプトで出力のフォーマットを具体的に指示することが、業務自動化の精度を左右します
ステップ3: Responses API（新API）での実装
Responses APIは2025年3月に発表されたOpenAIの新しいAPIです。Chat Completions APIとの主な違いを表にまとめます。
| 観点 | Chat Completions API | Responses API |
|---|---|---|
| 安定性 | 安定（長期サポート） | 新しい（2025年3月〜） |
| 会話管理 | 自分でmessages配列を管理 | サーバー側で自動管理可能 |
| ツール連携 | Function Calling | 組み込みツール（Web検索、ファイル検索等） |
| コスト | 標準 | キャッシュ効率が高く低コストになりやすい |
| 推奨ケース | シンプルな単発処理、既存システムの保守 | 新規プロジェクト、エージェント構築 |
同じメール分類処理をResponses APIで書くと、以下のようになります。
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI()
sample_email = """
お世話になっております。
先日ご提案いただいた業務システムについて、
正式に見積もりをお願いしたく、ご連絡いたしました。
納期は来月末を希望しております。
"""
response = client.responses.create(
model="gpt-4o-mini",
instructions=(
"あなたは中小企業の問い合わせ対応AIです。"
"メール本文を分析し、カテゴリ・要約・緊急度・推奨対応をJSON形式で返してください。"
),
input=sample_email,
)
print(response.output_text)
2026年2月時点では、既存の定型処理にはChat Completions APIが安定しています。新規プロジェクトやエージェント型のシステム構築にはResponses APIが適しています。
ステップ4: GAS（Google Apps Script）からOpenAI APIを呼ぶ
Pythonを使わない場合でも、GAS（Google Apps Script）からOpenAI APIを呼び出せます。スプレッドシートの問い合わせ一覧を一括分類するなど、Googleサービスとの連携に適しています。
// GAS（Google Apps Script）からOpenAI APIを呼ぶ例
function callOpenAI(prompt) {
var apiKey = PropertiesService.getScriptProperties().getProperty("OPENAI_API_KEY");
var url = "https://api.openai.com/v1/chat/completions";
var payload = {
model: "gpt-4o-mini",
messages: [
{ role: "system", content: "あなたは業務アシスタントです。" },
{ role: "user", content: prompt },
],
temperature: 0.3,
};
var options = {
method: "post",
headers: {
Authorization: "Bearer " + apiKey,
"Content-Type": "application/json",
},
payload: JSON.stringify(payload),
};
var response = UrlFetchApp.fetch(url, options);
var json = JSON.parse(response.getContentText());
return json.choices[0].message.content;
}
このコードのポイント:
- APIキーは
PropertiesService.getScriptProperties()で管理し、コードに直書きしません - GASの
UrlFetchApp.fetch()でOpenAI APIのエンドポイントにPOSTリクエストを送信します - 戻り値をスプレッドシートのセルに書き込めば、一括処理の仕組みが構築できます
GASの基本から学びたい方は、GASでできること完全ガイドもあわせてご覧ください。
動作確認・トラブルシューティング
トラブルシューティングとは、APIの実行中に発生するエラーの原因を特定し、解決する手順です。ここではテスト方法とよくあるエラーへの対処法を整理します。
テスト手順
ターミナルで以下のコマンドを実行し、APIが正常に動作するか確認します。
python classify_inquiry.py
JSON形式の分類結果が表示されれば成功です。エラーが出た場合は、以下の表を参照してください。
よくあるエラーと対処法
| エラー | 原因 | 解決策 |
|---|---|---|
AuthenticationError | APIキーが未設定または無効 | .envのOPENAI_API_KEYを確認し、ダッシュボードでキーを再発行する |
RateLimitError | リクエスト頻度が上限を超過 | time.sleep(1)で間隔を空ける。利用実績が増えるとTierが自動昇格する |
InsufficientQuotaError | クレジット残高不足 | Billing画面でクレジットを追加する |
BadRequestError（model not found） | モデル名のタイプミスまたは非対応モデル | 公式ドキュメントでモデル名を確認する |
JSONDecodeError | AIの応答がJSON形式でない | response_format={"type": "json_object"}を指定し、temperatureを下げる |
timeout | ネットワーク障害または長文処理 | timeoutパラメータを延長する。入力テキストを短くする |
コスト試算表
中小企業が実際にOpenAI APIを業務で使った場合の月額コスト目安です。料金は2026年2月時点の情報で、最新はOpenAI公式料金ページをご確認ください。
| 処理内容 | モデル | 月間件数 | 概算コスト（月額） |
|---|---|---|---|
| メール分類（短文） | gpt-4o-mini | 1,000件 | 約$0.10（約15円） |
| 議事録要約（長文） | gpt-4o-mini | 100件 | 約$0.50（約75円） |
| 複雑な文書分析 | gpt-4o | 100件 | 約$5.00（約750円） |
1件あたり入力500トークン・出力200トークンで試算しています。使用量の上限はダッシュボードの「Settings」→「Limits」から設定できるため、想定外の課金を防げます。
応用・カスタマイズ例
OpenAI APIは単体のテキスト処理だけでなく、他のツールやAPIと組み合わせることで業務全体の自動化が実現できます。
議事録の自動要約スクリプト
テキストファイルから議事録を読み込み、要約とアクションアイテムを抽出する例です。
import os
import json
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI()
def summarize_minutes(minutes_text: str) -> dict:
"""議事録を要約し、アクションアイテムを抽出する"""
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{
"role": "system",
"content": (
"あなたは議事録の要約AIです。以下のJSON形式で返してください：\n"
'{"summary": "200文字以内の要約",'
' "decisions": ["決定事項1", "決定事項2"],'
' "action_items": [{"task": "タスク名", "owner": "担当者", "deadline": "期限"}]}'
),
},
{"role": "user", "content": minutes_text},
],
response_format={"type": "json_object"},
temperature=0.2,
)
return json.loads(response.choices[0].message.content)
# 使用例: テキストファイルから議事録を読み込む
with open("meeting_minutes.txt", "r", encoding="utf-8") as f:
minutes = f.read()
result = summarize_minutes(minutes)
print(json.dumps(result, ensure_ascii=False, indent=2))
他のAI APIとの比較
OpenAI API以外にも、業務自動化に使えるAI APIがあります。用途に応じて使い分けることで、コストと品質のバランスを最適化できます。
| API | 特徴 | 用途の目安 | 記事リンク |
|---|---|---|---|
| OpenAI API | モデル種類が豊富でエコシステムが充実 | 汎用テキスト処理・分類 | 本記事 |
| Claude API | 長文処理に強く指示追従性が高い | 長文要約・文書分析 | Claude API入門 |
| Gemini API | Google連携に強く無料枠が大きい | Googleサービス連携 | Gemini API入門 |
各APIの料金体系・機能・性能をより詳しく比較したい方は、AI開発ツール比較をご覧ください。
この記事では、OpenAI APIを使って問い合わせメールの自動分類スクリプトを構築する手順を解説しました。gpt-4o-miniを使えば月1,000件のメール分類が約15円で実現でき、中小企業の業務自動化の第一歩として導入しやすいコスト感です。まずは本記事のコードを動かし、自社の業務に合わせてsystemプロンプトをカスタマイズしてみてください。