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。