食品関連企業の社内RAG・ナレッジ検索AI導入

導入前の状況

食品関連企業F社様では、業務手順や過去の対応の多くがベテラン社員の記憶に依存していました。共有フォルダには規程・マニュアル・過去の見積・議事録がそろっているものの、どこに何があるかを知っているのは一部の社員だけで、担当者が不在だと確認が止まります。新人教育のたびに同じ質問に答える負担も大きく、「誰に聞けばいいかを探す時間」そのものをなくすことが目標でした。

汎用の生成AIをそのまま使う案もありましたが、自社の規程や価格を知らないAIは一般論しか返せず、社内文書を外部サービスに預けることへの不安もありました。そこで、社内の資料を根拠にして答えるRAG（検索拡張生成）を、権限管理を含めて構築することにしました。

システム構成と技術

• 取り込み対象は規程・マニュアル・過去の見積・議事録などの社内文書です。文書を意味のまとまりごとに分割し、検索用のインデックスを作成します。文書を更新すれば、その日から回答も変わります
• 質問が来ると、まず社内文書を検索し、見つかった文書を根拠としてAIに回答を作らせます。AIの記憶に頼らないため、存在しない規程や金額を作り出しません
• 回答には参照元のファイル名とページを必ず表示し、利用者が原文にあたって確認できるようにしました
• 部署ごとの閲覧権限を検索の段階で反映し、見せてはいけない資料が回答に混ざらないよう制御しています
• 入力した質問や文書が外部のAIモデルの学習に使われない構成で運用しています
• 日々の質問と回答をログとして蓄積し、よく聞かれる内容を集計してマニュアルの改善やFAQの作成に活かせるようにしました

社内向けのRAGや問い合わせ対応AIの設計については、AIチャットボット開発のページで、Webサイト・LINE・社内向けそれぞれの導線の違いを含めて紹介しています。

開発の進め方

最初に、どの文書を取り込み、どの部署が何を見てよいかを整理するところから始めました。RAGの精度は取り込む文書の整理状態に大きく左右されるため、古い版と新しい版が混在している文書は、どちらを正とするかを決めてから取り込んでいます。

次に、現場でよく出る質問を集めて確認用の質問集を作り、回答の正しさと参照元の妥当性を1問ずつ確認しました。回答が曖昧になる質問は、元の文書の書き方に原因があることが多く、文書側を直すことで改善したケースもあります。

展開は、まず特定の部署で試験的に使い始め、質問ログを見ながら取り込む文書と権限設定を調整し、その後に全社へ広げる段階的な進め方をとりました。

運用してわかったこと・今後

「誰に聞けばいいか」を探す時間がなくなり、担当者不在でも一次回答ができる体制になりました。新人からの質問対応も大きく減り、ベテラン社員が本来の業務に集中できています。参照元を必ず示す設計にしたことで、AIの回答を鵜呑みにせず、確認したうえで使う習慣が自然に定着しました。

運用して分かったのは、RAGは「導入して終わり」ではなく、質問ログをもとに文書を育てていく仕組みだということです。今後は問い合わせログから自動的にFAQ候補を作る機能と、社外向けの問い合わせ対応への展開を検討しています。