「規程のどこに書いてあるか」を探す時間をなくす

総務・経理・情シスに寄せられる問い合わせの多くは、「経費精算の締め日はいつか」「在宅勤務の申請はどこから出すのか」といった、答えがすでに社内文書に書かれているものです。答える側は同じ質問に何度も対応し、聞く側は規程を探す時間を使っています。

生成AIに社内規程やマニュアルを読み込ませ、質問に根拠つきで答えさせる仕組みを作れば、この往復を減らせます。この仕組みは RAG と呼ばれ、専門的に聞こえますが、いまはコードを書かずに始められます。この記事では、非エンジニアの推進担当が自分で立ち上げることを前提に、準備・ツールの選び方・運用を解説します。

RAG とは何か

RAG(Retrieval-Augmented Generation)は、「質問を受けたら、まず社内文書から関連する箇所を検索し、その箇所を根拠としてAIに渡してから回答を作らせる」仕組みです。AIが覚えている一般知識ではなく、渡された文書をもとに答えるため、社内固有の情報に答えられ、どの文書のどこを根拠にしたかを示せます。

よくある誤解は「AIに社内文書を学習させる」というものです。RAG では学習は行いません。文書を置き場所に入れ、質問のたびに検索して読ませるだけなので、文書を差し替えれば回答も変わります。更新が多い社内文書に向いているのはこのためです。

向く業務・向かない業務

向く業務

  • 答えが文書に明記されている質問(就業規則、経費精算、各種申請の手順、社内システムの操作)
  • 同じ質問が繰り返し来る窓口業務(総務・人事・情シスの一次対応)
  • 新入社員や異動者が最初の数か月に抱く「どこに書いてあるか」の質問

向かない業務

  • 文脈をふまえた判断が必要なもの(人事評価の個別判断、法的解釈の最終判断、例外の承認)
  • 文書が整備されておらず、口頭のルールや担当者の経験で運用されているもの
  • 文書の更新が頻繁で、置き場所の更新が追いつかないもの

向かない業務を無理に対象にすると、誤回答の印象だけが残り、仕組み自体が使われなくなります。最初は向く業務に絞ります。

準備:文書の整え方が精度を決める

ツールの選定より先に、読み込ませる文書を整えます。回答の精度は、ほぼこの段階で決まります。

  1. 最新版を一本化する:同じ規程の古い版、下書き、部署ごとのコピーを対象から外します。版が混在すると、AIは古い版を根拠に答えることがあります。
  2. 1文書1テーマにし、見出しを付ける:AIは見出しや段落の単位で該当箇所を探します。「総務関連まとめ」のような長大な文書は、規程ごとに分けます。
  3. 版管理の情報を冒頭に書く:版番号、改定日、所管部署、問い合わせ先を文書の先頭に入れます。回答に出典として表示されたとき、利用者が自分で確認できます。
  4. アクセス権を文書側で決める:AIは、利用者が閲覧できる文書だけを根拠に使うのが基本です。逆に、見せてはいけない文書(役員会資料、個人情報を含む名簿など)が対象フォルダに紛れていないかを確認します。
  5. 評価用の質問と答えの場所の対応表を作る:よくある質問を10〜20問集め、「正解がどの文書のどこにあるか」を書き出します。ツールを比較するときも、運用開始後に精度を確認するときも、この表を使います。

ノーコードで始める3つの選択肢

社内に普及しているツールに合わせて選ぶのが現実的です。いずれも、文書を所定の場所に置くだけで質問に答えられる状態になります。

観点 Microsoft 365 Copilot + SharePoint Google NotebookLM Claude のプロジェクト機能
向いている会社 Microsoft 365 を全社で使い、文書が SharePoint / OneDrive にある Google Workspace 中心、または部署単位で小さく試したい 特定チームの業務知識をためて、回答だけでなく文書作成まで一緒に進めたい
文書の置き場所 既存の SharePoint サイト・OneDrive をそのまま使う ノートブックに文書をアップロードする プロジェクトに資料を置き、指示文を書く
権限管理 既存のアクセス権がそのまま効く。利用者が見られる文書だけを根拠にする ノートブック単位で共有先を決める プロジェクトの共有単位で決める
得意なこと Teams や Outlook の画面から聞ける。全社展開しやすい 出典を示した回答。資料を読み込んで整理する用途 チームの前提知識をふまえた文書作成・下書き
注意点 権限が緩いサイトの内容まで見えてしまう「過剰共有」。感度ラベルと権限の棚卸しが先 全社規模の展開には、ノートブックの管理ルールが必要 大量文書の網羅的な検索より、チームのナレッジと作業の組み合わせに向く

迷う場合は、社員が日常的に開いている画面に近いものを選びます。使う場所が遠いと、どれほど精度が高くても使われません。

回答精度を上げる運用

立ち上げ後の精度は、ツールの性能より運用で決まります。

  • 出典を必ず表示させる:「根拠にした文書名と該当箇所を示してください」を質問テンプレートに含めます。出典のない回答は信用しない、という利用者側の習慣も同時に作ります。
  • 質問のテンプレートを配る:「自分の部署・状況・知りたいこと」を書く型を決めると、曖昧な質問による誤回答が減ります。
  • 「分からない」と答えさせる:文書に該当箇所がないときは、推測せずに「文書内に記載がありません」と答えるよう指示します。
  • 回答の検証担当を置く:所管部署が週1回、回答ログから誤りを拾い、AIではなく文書側を直します。文書の曖昧な箇所が見つかるので、規程の改善にもつながります。
  • 回答ログから FAQ を増やす:繰り返し聞かれる質問は、文書に Q&A として追記します。

セキュリティ・権限の落とし穴

  • 過剰共有:Microsoft 365 では、権限設定が緩いサイトの文書まで AI が根拠に使えてしまいます。導入前に、全社員が閲覧できる状態になっている文書を棚卸しします。
  • 個人情報の混入:名簿、評価資料、健康情報などが対象フォルダに入っていないかを確認します。対象外にするか、別の場所に移します。
  • 外部共有リンク:社外に共有されているフォルダを対象に含めると、意図せず社外の人が利用できる場合があります。
  • ガイドラインとの整合:入力してはいけない情報や確認義務は、生成AI利用ガイドライン と合わせます。Microsoft 365 固有の論点は Copilot のガバナンス設計、ファイル操作を伴うエージェントの権限は Claude Code の権限・セキュリティ設計 を参照してください。

段階的な広げ方

  1. 1部署・1文書群で始める:たとえば経費精算規程だけを対象にし、評価用の質問で精度を確認します。
  2. 窓口の一次回答に組み込む:総務や情シスの担当者が、問い合わせに答える前に AI に聞く運用にします。利用者に直接開放する前に、担当者が精度を体感できます。
  3. 対象文書を増やし、所管部署ごとに検証担当を置く:文書群が増えるほど、誰が直すかが重要になります。
  4. 開発が必要かを判断する:独自システムとの連携、細かな権限制御、利用ログの分析が必要になった段階で、はじめて開発を検討します。多くの会社は、ここまでの段階で十分な効果を得られます。

自社で立ち上げるには

社内文書の整理から、ツールの選定、評価用の質問づくり、検証担当の運用設計までを、推進担当と一緒に進めたい場合は 個別伴走支援 をご利用ください。推進担当や一般従業員が、依頼の型と検証の習慣を身につける研修は 階層別・テーマ別研修 で提供しています。現状の文書の整備状況を伺い、どこから始めるかを整理する 無料相談 も受け付けています。

よくある質問

RAG を使えば、AIの誤回答(ハルシネーション)はなくなりますか?
減りますが、ゼロにはなりません。根拠となる文書を渡しても、文書が古い、該当箇所がない、質問が曖昧といった場合には誤った要約をすることがあります。出典を表示させ、人が確認する運用を前提にしてください。
エンジニアがいなくても構築できますか?
はい。Microsoft 365 Copilot、Google NotebookLM、Claude のプロジェクト機能は、文書を置く・アップロードするだけで質問に答えられる状態になります。開発が必要になるのは、独自のシステムと連携したい、全社規模で権限を細かく制御したい、といった段階です。
最初に読み込ませる文書は何がよいですか?
質問が多く、答えが文書に明記されているものです。就業規則・経費精算規程・情報セキュリティ規程・社内システムの操作マニュアルが典型です。属人的な判断が必要な文書は後回しにします。