01 / Challenge
資料はある。しかし、見つからない。
規程、業務マニュアル、製品資料、過去FAQが複数の保存先に分かれ、文書名や担当部署を知らなければ検索できない状態でした。文書ごとに公開範囲も異なり、単純に一か所へ集めるだけでは運用できません。
Case 01 / Anonymous
部門をまたぐ質問に、
根拠付きで答える社内AI。
分散した社内文書を横断検索し、新人の自己解決と、営業・カスタマーサポート・技術部門の回答を支援。
- Industry
- 法人向け事業（匿名）
- Technology
- 企業知識RAG
- Scope
- 設計・開発・導入支援
- Disclosure
- 守秘義務のため一部匿名化
Objective
必要な知識へ到達する時間を短くし、回答品質をそろえる。
担当者ごとに知識が分かれ、同じ質問が詳しい人へ集中していました。新人が単独で業務を進めるまでの学習と、複数部門での問い合わせ対応を共通の知識基盤で支援することが目的でした。
02 / Design
検索・引用・権限・更新を、一つの設計に。
KNOWLEDGE
文書を検索向けに整備
見出しや表を考慮して文書を分割し、部署、製品、版、更新日などのメタデータを付与。
RETRIEVAL
質問に合う根拠を選択
意味検索とキーワード検索を併用し、候補を再順位付け。質問と関係の薄い情報を除外。
PERMISSION
閲覧権限を検索へ反映
利用者の部署・役割に応じて検索対象を制御し、アクセスできない文書を回答へ含めない。
EVIDENCE
回答から原文へ戻れる
参照文書と該当箇所を表示。利用者が回答の根拠と文書の更新状況を確認できる設計。
03 / Operation
実際の質問で評価し、足りない知識を見つける。
新人、営業、カスタマーサポート、技術部門の代表質問を評価セットにし、検索できたか、根拠と回答が一致するか、回答すべきでない質問を拒否できたかを確認。未回答の原因を「文書不足」「検索漏れ」「質問の曖昧さ」に分け、改善へつなげる運用にしました。
04 / Outcome
自己解決と、回答の再利用を支える共通知識基盤へ。
利用者は自然な言葉で質問し、参照元を確認しながら業務を進められるようになりました。詳しい担当者は同じ質問への繰り返し回答を減らし、修正すべき知識へ集中できます。定量的な成果数値は公開していません。
Technology Detail
この事例を支えるRAG技術を見る。
データ取り込みから評価、アクセス制御までの構成を紹介しています。