ベテランが辞めると、会社の知識も一緒に辞めていく。ゼットリンカー、製造業の社内文書数百件をAIで検索可能にしたRAG構築事例を公開。

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。