ベテランの暗黙知を、会社の共有財産に変える

株式会社ゼットリンカー（本社：東京都新宿区、代表取締役：金原 隆利、以下「当社」）は、中小製造業の社内文書・資料 数百件を対象に、AIによる自然言語検索を可能にしたRAG（Retrieval-Augmented Generation：検索拡張生成）システムの構築事例を公開しました。あわせて、社内AIを「作って終わり」にせず、現場で使われ続ける状態へ導く「社内ナレッジRAGの構築・精度改善」の考え方を示します。

■ 事例：ファイル名頼りの探し物を、自然言語の質問に置き換える

当社が手がけたのは、社内文書を人力で管理していた中小製造業の企業（社名非公開）向けのRAGシステム構築です。マニュアル・手順書・規程類から過去の報告書・議事録・技術文書まで、数百件に及ぶ文書・資料が蓄積されていましたが、必要な情報を探し当てる手段はファイル名とフォルダ構成に頼っていました。

・稼働体制：1名（フルスタック）

・技術構成：Next.js（社内ユーザー向けチャットUI）／ OpenAI API（回答生成・意味検索のためのEmbedding生成）／ Mastra（検索→整形→生成のマルチステップワークフロー管理）／ Azure（社内利用前提のセキュリティ要件に合わせたクラウド環境）

実装したのは、数百件規模の社内文書を対象とした、ドキュメント取り込み・チャンク分割・ベクトル化・検索・応答生成の一連のRAGパイプラインです。そのうえで、チャットボットを1つではなく2つ実装しました。

・社内文書チャットボット … マニュアル・手順書・規程類が対象。「どの規程に書いてあるか」を即座に提示する

・資料検索チャットボット … 過去の報告書・議事録・技術文書が対象。関連する資料を横断的に提示する

この案件で当社が設計上こだわったのは、社内文書用と資料検索用で索引（インデックス）を分離したことです。「業務上必要だが探しにくい」マニュアル類と、「過去の経緯を掘り起こす」ナレッジ資産では、質問の形も、返すべき答えの形も異なります。1つの索引に全文書を放り込むのではなく、用途別に検索体験を最適化することで、どちらの用途でも実用になる精度を狙いました。


■ 導入前の課題

社内に蓄積された数百件の文書・資料が人力で管理されており、必要な情報を探すのに時間がかかっていました。加えて、次の課題が生じていました。

・検索の手がかりがファイル名やフォルダ構成に依存しており、過去の経緯を知る担当者でなければ目的の資料に辿り着けない状態が続いていた

・製造業特有の暗黙知や、長年の業務改善で蓄積された知見がベテラン社員の頭の中に集中しており、異動・退職とともに失われるリスクを抱えていた

・過去の資料を探し回る時間が日常的に発生し、本来の業務を圧迫していた

■ 導入効果：3つの成果

【成果1】情報探索の高速化 … 数百件の社内文書を自然言語で即時検索可能に

【成果2】知識流出リスクの抑制 … ベテラン社員の暗黙知を組織の共有財産として再活用

【成果3】教育コスト削減 … 新人でも必要な情報に素早く到達でき、立ち上がりを支援

具体的には、次の効果が生じています。

・社内文書の検索にかかる時間を短縮し、本業に集中できる環境を整備

・「探すための言葉」を思いつかなくても自然な問いかけで情報に到達できるようになり、検索が得意な人と苦手な人の差を縮小

・ベテラン社員の退職・異動によって知識が失われるリスクを低減

・新人が必要な情報に自分でアクセスできるようになり、教育にかかる負担を軽減

・業務文書とナレッジ資産を混同せず、用途別に効率よく活用できる索引構成を確立

・Azure環境の整備により、社内データを外部に出さない安全な運用体制を確立

なお、本事例における検索時間の短縮量などの実測値は公表していません。効果の大きさは文書量や運用体制によって変わります。

■ 背景：「あの人に聞けば分かる」は、その人がいる間しか機能しない

製造現場の知識は属人化しやすい領域です。設備ごとの癖への対処、不具合が起きたときの切り分け、長年の業務改善で積み上がった判断基準――こうした知見は、必ずしもマニュアルに書かれておらず、ベテラン社員の頭の中に蓄積されていきます。

「あの人に聞けば分かる」で業務が回っているうちは、問題は表面化しません。しかしその状態は、裏を返せば、その方の異動や退職とともに会社から知識が失われるということです。採用難と熟練人材の高齢化が続く中小製造業にとって、技能や知見の伝承は先送りしにくい課題になっています。

一方で、「文書化すれば解決する」わけでもありません。マニュアルや報告書を整備しても、それが数百件のファイルの中に埋もれ、探し当てられないのであれば、現場にとっては存在しないのと同じです。当社が本事例で目指したのは、文書を「書いて残す」ことではなく、誰もが「引き出せる」状態にすることでした。

■ 「社内AIを作ったのに、誰も使っていない」を防ぐ

社内文書を読ませたAI（RAG）は、近年多くの企業が導入を試みている領域です。一方で当社には、「作ったものの、答えが的外れで誰も使わなくなった」というご相談も寄せられます。当社はこうした精度問題の原因を、大きく3つに分けて捉えています。

・読ませているデータの問題 … 古い版と新しい版が混在している、暗黙の前提が文書化されていない――精度問題の大半は、AIではなくデータ側にあります

・検索・分割設計の問題 … 文書の切り方・検索の仕方が業務の質問の形と合っていないと、正しい資料があっても引き当てられません

・運用の問題 … 新しい文書が追加される流れがないと、AIは導入した日の知識で止まります


本事例で索引を用途別に分離したのは、この2つ目の「検索・分割設計」に対する答えです。AIモデルの性能が原因で精度が出ないケースはむしろ少数で、多くは読ませるデータの整備と、業務の質問の形に合わせた検索設計で改善します。

■ サービスの特徴：構築も、精度改善のレスキューも

当社の「社内ナレッジRAGの構築・精度改善」は、これから作る新規構築と、すでにあるRAGの立て直しの両方に対応しています。他社が構築したRAG・自社で内製したRAGを問わず、診断から承ります。進め方は次の4ステップです。

・STEP 01 診断 … 実際の質問と回答のズレを分析し、原因がデータ・検索設計・運用のどこにあるかを特定します

・STEP 02 改善 … 原因に応じてデータ整備・検索設計の作り直し・モデル変更を行い、回答の質を検証します

・STEP 03 再展開 … 現場のよくある質問で精度を確認してから再展開し、「もう一度使ってもらう」ところまで伴走します

・STEP 04 運用定着 … 文書の更新が自然にAIへ反映される運用の流れを作り、廃れないナレッジ基盤にします


このうち当社が最も重視しているのが、STEP 04の運用定着です。導入直後は使われたのに、情報が更新されず古びて廃れる――社内AIで最も多い失敗は、精度ではなく運用で起きます。文書の追加・更新が自然にAIへ反映される流れまで作って、はじめて「ナレッジ基盤」と呼べると当社は考えています。

■ 進め方について

・社内データの取り扱い … NDA（秘密保持契約）を締結のうえ、扱う文書の範囲と保存場所、入力内容がAIの学習に使われない構成を設計段階で確定します。「どの文書は読ませない」の線引きも一緒に決めます

・診断だけの依頼 … 可能です。診断レポート（原因の特定と改善の選択肢）までで区切り、改善を社内で実施いただく形でも問題ありません

・構築物の帰属 … データ整備・検索設計・システムは発注企業様に帰属します。将来的な内製化や他社への引き継ぎも制限しません

・費用 … 対象の文書量と規模によって変わるため、ヒアリングのうえ無料でお見積もりします

■ 代表コメント

「製造業のお客様とお話ししていると、『あの人に聞けば分かる』で回っている業務の多さに気づかされます。それは組織の強みである一方、その方が退職された日に、会社から知識が消えるということでもあります。

今回の事例では数百件の文書を自然言語で検索できるようにしましたが、私たちが本当にこだわったのは、マニュアル類と過去資料で索引を分けるという設計です。社内AIは、作れば使われるものではありません。答えが的外れなAIを、現場は二度と使ってくれないからです。業務の質問の形に合わせた検索設計と、文書の更新が反映され続ける運用まで含めて、はじめてナレッジ基盤になると考えています。

すでにRAGを導入して『使われなくなった』という企業様は、うまく答えられなかった実際の質問を3つお持ちください。初回のご相談で、原因の見当までお伝えできます。」

── 株式会社ゼットリンカー　代表取締役　金原 隆利

■ サービス概要

・サービス名：社内ナレッジRAGの構築・精度改善

・サービス内容：社内文書を対象としたRAG（社内AI検索）の新規構築と、精度が出ないRAGの診断・改善・運用定着支援（他社構築・自社構築を問わず対応）

・進め方：診断 → 改善 → 再展開 → 運用定着（診断のみで区切ることも可能）

・費用：ヒアリングの上で無料でお見積もり

・URL：https://zetlinker.com/solutions/knowledge-rag

・本事例の詳細：https://zetlinker.com/works/manufacturing-rag-system

■ 会社概要

・会社名：株式会社ゼットリンカー

・設立：2025年4月30日

・資本金：100万円

・代表取締役：金原 隆利

・所在地：〒160-0023 東京都新宿区西新宿3丁目3番13号 西新宿水間ビル2F

・事業内容：Web/モバイルアプリ開発・運用保守、AIソフトウェア開発、業務システム開発、DX/AXコンサルティング、自社プロダクト開発（ぜっとらぼ）

・URL：https://zetlinker.com

■ 本件に関するお問い合わせ先

株式会社ゼットリンカー

Email：info@zetlinker.com

お問い合わせ：https://zetlinker.com よりお願いいたします

※本プレスリリースは、AI活用・システム開発・DXを検討されている企業様への情報提供を目的として発信しております。技術相談・開発のご依頼も上記連絡先までお願いいたします。


提供元：valuepressプレスリリース詳細へ