背景

台湾および海外に複数の工場を持ち、数千人以上の従業員を擁する大手製造業グループです。長年の事業運営を通じて、技術文書・標準作業手順書（SOP）・品質管理記録・顧客サービス事例など、膨大な知識資産が社内に蓄積されました。しかし、これらのデータは各部門のファイルシステム、メールボックス、紙の文書に分散して保管されており、深刻な知識のサイロ化が生じていました。

新入社員は必要な技術文書や業務規定を探すだけに多大な時間を費やし、ベテラン社員が退職や定年退職を迎える際には、貴重な経験・知識が失われるという問題も抱えていました。企業は分散した知識を一元管理し、従業員が容易にアクセスできるインテリジェントな知識管理システムを早急に必要としていました。

直面した課題

• 数万件の技術文書が異なるシステムや部門に分散しており、統合された検索ポータルが存在しませんでした
• 従来のキーワード検索はクエリの意味を理解できず、従業員が必要な文書を見つけられないことが多発
• 文書形式が多様で PDF、Word、Excel、プレゼンテーション、スキャン画像など多種にわたり、統一処理が困難
• 部門間の知識共有体制が脆弱で、同じ問題を各部門が繰り返し模索する状況
• ベテラン社員の暗黙知の継承が困難で、人材流出による知識断絶が発生
• 部門ごとの文書アクセス権限管理を徹底し、企業情報セキュリティポリシーへの準拠が必要

業界ソリューション

同社は LargitData の RAGi 企業向け AI 検索拡張生成エンジンを導入し、全社をカバーする AI ナレッジベース管理プラットフォームを構築しました。RAGi は先進的な RAG（Retrieval-Augmented Generation）技術を活用し、従業員が自然言語で企業のナレッジベースと対話できる環境を実現しています。

導入内容

• RAGi エンタープライズAI意思決定プラットフォーム：各部門の文書データを一元インポートし、企業レベルの AI ナレッジベースを構築
• 自然言語クエリインターフェース：従業員は日常会話の言葉で質問でき、システムは設定に従って関連文書を検索して回答を生成します。回答の質はナレッジベースの収録範囲と文書自体の完全性に依存します
• マルチフォーマット文書処理：PDF、Word、Excel、PowerPoint、画像など多様な形式の自動解析とインデックス作成に対応
• アクセス権限管理システム：文書のアクセス権限は部門と職位に応じて設定され、検索結果と生成される回答はいずれも同一の権限ルールに従います。稼働前には各職位のアカウントで実際に分離効果をテストすることをお勧めします
• 引用元の明示：設定に応じて回答に引用元の文書や段落を添付でき、ユーザーが元のテキストを確認して検証することが可能です

RAGi エンタープライズAI検索拡張生成エンジン →

導入成果

• 従業員が技術文書や作業規程を探す情報検索時間が85%削減された
• 数万件の部門横断文書のインポートに成功し、一元的に検索可能なナレッジ資産リポジトリを構築しました
• 月間 3,000 回以上の AI クエリが実行され、従業員の日常業務に不可欠なツールとして定着
• 新入社員の立ち上がり時間が40%短縮され、新入社員がSOPや過去の事例を自ら調べられるようになり、先輩社員への問い合わせを繰り返す回数が減少した
• 部門間のナレッジ共有が進み、同じ問題に対して異なる部署が重複して模索する回数が減少しました
• ベテラン社員の専門知識が文書やQ&A記録の形で保存され、人材流出によるナレッジ断絶のリスクが軽減されました

数字の見方:測定基準と適用前提

85%、40%、そして月間3,000件の検索は、本プロジェクトが特定期間・特定部門範囲において測定した結果です。検索時間の改善は、導入前後で同一グループのユーザーの実作業を計測した数値を基準としており、対象は明確な答えがあり、かつすでに文書化されている質問に限られます。質問自体が判断を要するものであったり、そもそも答えがどの文書にも書かれていなかったりする場合、AIナレッジベースは役に立ちません。立ち上がり時間の短縮も同様に、採用条件、職務の複雑さ、指導文化の影響を受けるため、他社で同じ結果が再現されるとは限りません。

企業ナレッジベースを計画する際、事前に確認しておくべき、見落とされがちな前提がいくつかあります。まず文書の品質です。バージョンが混乱し内容が矛盾する古い文書を取り込むと、システムは安定して誤った回答を出すようになるだけで、事前の文書棚卸しと重複排除は技術導入そのものより時間がかかることが少なくありません。第二にインデックス更新のタイムラグです。文書が改訂されてから検索可能になるまでにどれだけの遅延があるかは、契約書や運用ドキュメントに明記しておく必要があります。第三に引用のカバー率です。すべての回答に必ず出典が付くとは限らないため、出典を特定できない場合のシステムの挙動、および検索に失敗した際に回答を拒否するのか無理に回答するのかをベンダーに説明させるべきです。第四に権限分離です。異なる職位の実際のアカウントで必ずテストを行い、権限の低い利用者が要約を通じて制限されたコンテンツを間接的に読み取れないことを確認する必要があります。

文書棚卸しから統制された知識サービスへ

RAG導入で最も効果の大きい作業は索引前にあります。文書を責任者、業務目的、機密区分、版、保存状態で棚卸しし、重複、旧版、矛盾文書を同時に登録しないよう整理します。次に、回答可能、回答なし、曖昧、権限制約を含む質問群と基準セットを作り、見栄えのよいデモだけを受入基準にしません。

本番ではソース更新、権限変更、評価、障害対応の責任者を決めます。引用率、回答有用性、検索漏れ、越権試行、承認から検索可能になるまでの時間を監視します。利用者の修正はキュー、処理結果、再試験を持ち、承認済み改善と単なる好みを区別します。

• 索引前に文書を棚卸し、重複と旧版を除く。
• 責任者、版、機密区分、保存ルールを付ける。
• 回答可能、欠如、矛盾、制限質問を評価する。
• 部署と職位の異なる実アカウントで権限を試す。
• 引用率、検索漏れ、鮮度、修正完了を追跡する。