ChatGPTで社内検索を作る前に整理すること——FAQ・文書・権限の設計
ChatGPTで社内検索を作る前に、FAQ、社内文書、権限、RAG、回答評価をどう整理すべきかを実務向けに解説します。
ChatGPTで社内検索を作るとき、最初に決めるべきなのはチャット画面ではありません。どの文書を検索対象にするか、誰が見てよいか、回答の根拠をどう表示するか、誤回答をどう検知するかです。
ChatGPT社内検索はFAQ化とRAG化を分けて考える
「chatgpt 社内検索」で検索する人は、社内文書を探す時間を減らしたい一方で、機密文書や権限の扱いに不安を持っています。単にChatGPTにファイルを読ませるだけでは、検索品質、権限、更新性のどこかで止まります。
出典クラスター：OpenAI Business Data Privacy、AWS RAG Prescriptive Guidance、Microsoft RAG評価ガイド社内検索AIが古い文書を拾う構造
社内検索が失敗する典型は、文書が古い、同じ規程が複数ある、ファイル名が分からない、閲覧権限が部署ごとに違うという状態を放置したままAIを載せることです。AIは情報整理の不足を隠せますが、正しい情報源を選ぶ責任までは引き受けません。
社内検索を作る前に見る判断軸
| 見るべき状態 | 起きている問題 | 先に直すこと |
|---|---|---|
| FAQ型 | 質問と回答が決まっている | 人事、総務、情シス問い合わせに向く |
| 文書検索型 | 規程やマニュアルから探す | 出典表示と文書更新が重要 |
| RAG型 | 検索結果をもとに回答を生成する | 権限、評価、誤回答対策が必要 |
| エージェント型 | 検索後に手続きまで進める | 承認と実行権限の分離が必須 |
FAQと文書検索を小さく始める手順
まず対象をFAQ、規程、業務マニュアル、顧客別資料に分けます。最初の実装では、人事や総務の公開範囲が広い文書から始めると安全です。次に、文書ごとの所有者、更新日、閲覧権限、回答時に表示する出典を決めます。RAGを使う場合は、回答文だけでなく、検索で拾われた文書が妥当かを評価します。
回答満足度だけで見ない検索KPI
見るべき指標は、回答満足度だけでは足りません。検索で参照された文書の妥当性、出典クリック率、回答不能率、権限外文書の検知数、古い文書の参照回数を追います。社内検索では、AIが答えることより、正しい根拠に戻れることが重要です。
出典クラスター：OpenAI Business Data Privacy、AWS RAG Prescriptive Guidance、Microsoft RAG評価ガイド、Google Cloud Vertex AI RAG EngineFULLFACTが見る実務論点
社内検索AIの全体像は エンタープライズサーチと社内検索AI、RAG構築の流れは RAG構築、基礎概念は RAGとは で整理しています。
社内検索はチャット画面より文書整備が先
ChatGPTで社内検索を作るとき、最初に画面やモデルを選ぶと失敗しやすくなります。社員が知りたいのは、どの規程が正しいのか、誰に聞けばよいのか、最新版はどれか、申請手順は何かです。これらはチャットUIではなく、文書の所有者、更新日、権限、版管理で決まります。
| 整備項目 | 放置したときの問題 | 最初の対応 |
|---|---|---|
| 文書所有者 | 古い資料が誰にも直されない | 部門ごとに所有者を置く |
| 更新日 | AIが古い規程を参照する | 回答に更新日を表示する |
| 権限 | 見てはいけない文書を拾う | 対象文書を公開範囲別に分ける |
| 出典 | 回答の根拠が追えない | 回答に文書名と該当箇所を出す |
この四つが揃っていない状態でRAGを作ると、自然な文章で間違った案内を返すシステムになります。社内検索AIの価値は、滑らかな回答よりも、正しい根拠に戻れることです。
FAQ型とRAG型を混ぜない
社内問い合わせの多くは、FAQ型とRAG型に分けられます。FAQ型は質問と回答がほぼ決まっており、人事、総務、情シスの定型問い合わせに向いています。RAG型は規程やマニュアルを検索し、根拠文書に基づいて回答する形です。最初から全部をRAGにすると、文書整備の負荷が重くなります。
初期導入では、FAQ型で問い合わせ量を減らし、ログからRAG化すべき文書を選ぶ流れが堅実です。質問ログを見れば、社員が本当に探している文書や表現が分かります。文書の取り込み範囲をログから決めると、無駄なRAG構築を避けられます。
回答評価は人間が読んで終わりにしない
社内検索AIの評価では、回答が自然かどうかだけを見ると危険です。自然な文章でも、根拠文書が違う、古い文書を参照している、権限外文書を拾っている場合があります。評価は、回答本文、参照文書、該当箇所、回答不能の扱いを分けて見ます。
評価用の質問セットを作り、期待する文書、回答してよい範囲、回答できない場合の挙動を決めます。たとえば「育休申請の締切は？」という質問に対して、最新の就業規則と申請フォームを根拠に答えられるかを確認します。ここまで見ると、AIの精度ではなく社内文書の整備不足も見えてきます。
社内検索AIの対象文書を選ぶ基準
社内検索AIの最初の対象文書は、利用頻度、所有者、更新頻度、権限の四つで選びます。利用頻度が高く、所有者が明確で、更新頻度が極端に高くなく、閲覧範囲が広い文書が向いています。逆に、所有者不明の古い資料や、閲覧権限が複雑な資料は最初に入れないほうが安全です。
| 基準 | 向いている状態 | 避けるべき状態 |
|---|---|---|
| 利用頻度 | 問い合わせが多い | ほとんど参照されない |
| 所有者 | 更新責任者が明確 | 誰の文書か分からない |
| 更新頻度 | 月次または四半期で更新 | 毎日のように変わる |
| 権限 | 全社または部門内で共有 | 役職や案件ごとに細かい |
この基準で選ぶと、最初の社内検索AIは小さくても使われます。最初から全社ナレッジを対象にするより、問い合わせ削減につながる文書群を選ぶほうが効果を説明しやすくなります。
社内検索AIを運用する担当者
社内検索AIには、文書所有者、AI運用担当、問い合わせ担当の三つの役割が必要です。文書所有者は正しい情報を保ち、AI運用担当は検索品質とログを見ます。問い合わせ担当は、AIで解決できなかった質問を拾い、FAQや文書改善に戻します。
FULLFACTでは、社内検索AIを作るとき、検索精度だけでなく、この運用体制まで設計します。AIが答えられない質問は失敗ではなく、社内文書に足りない情報を示すログです。そのログを文書改善に戻せる会社ほど、社内検索AIは継続的に賢くなります。
社内検索で最初に作るべき回答評価表
ChatGPT社内検索は、作って終わりではなく回答を評価して育てる仕組みです。最初に作るべきなのは、精度を示す抽象的なスコアではなく、業務上使える回答かどうかを判断する評価表です。正しい文書を参照しているか、回答が古くないか、権限外の情報を含まないか、次に取る行動が分かるかを見ます。
| 評価観点 | 良い状態 | 悪い状態 |
|---|---|---|
| 出典 | 回答に根拠文書が紐づく | 出典がない、または関係ない |
| 網羅性 | 必要な条件や例外を含む | 一部だけ答えている |
| 最新性 | 現行文書を参照する | 旧規程や古いFAQを拾う |
| 権限 | 閲覧可能な情報だけ答える | 本来見えない文書を含む |
| 行動可能性 | 次に確認すべき先が分かる | 一般論で終わる |
この評価表があると、社内検索AIの改善が感覚論になりません。回答が悪いときも、検索対象が悪いのか、文書が古いのか、質問の分類が悪いのかを分けて見られます。
検索結果が信用されなくなる原因
社内検索AIが信用されなくなる原因は、AIが一度間違えることだけではありません。むしろ、間違いの理由が分からないこと、誰も直さないこと、古い回答が繰り返されることが問題です。社員は完璧なAIを求めているわけではなく、信頼できる根拠と改善される手応えを求めています。
| 信用を失う原因 | 利用者の反応 | 運用で直すこと |
|---|---|---|
| 古い資料を拾う | もう使わないと思われる | 文書の更新責任と除外条件を決める |
| 出典が出ない | 回答を確認できない | 根拠文書の表示を必須にする |
| 回答の粒度が揃わない | 質問する人で成果が変わる | 質問テンプレートやFAQを整える |
| 誰も修正しない | 誤回答が放置される | フィードバック窓口を作る |
社内検索は、チャットUIより運用設計で差がつきます。回答ログを文書改善へ戻す線がないと、AIは導入直後が最も新しく、その後は徐々に信用を失います。
導入範囲を広げる判断
最初の部門で社内検索が使われ始めたら、次に広げるかどうかを判断します。見るべきなのは利用回数だけではありません。問い合わせ削減につながったか、回答の差し戻しが減ったか、文書更新の責任者が回っているか、権限事故の兆候がないかを確認します。
範囲を広げるときは、文書量の多い部門ではなく、文書所有者が明確で問い合わせ頻度が高い部門を選びます。そこなら効果を説明しやすく、失敗したときの切り分けもしやすいからです。社内検索AIは、全社横断の巨大プロジェクトとして始めるより、使われる文書群を順番に増やすほうが定着します。
社内検索AIを既存の問い合わせ業務へ戻す
社内検索AIは、問い合わせ窓口をなくすためのものではありません。むしろ最初は、問い合わせ業務の前段に置くほうが定着します。AIが答えられる質問は自己解決へ回し、答えられない質問は担当窓口へつなぎ、その質問をFAQや文書改善へ戻す。この循環ができると、社内検索AIは単なるチャットではなく、ナレッジ整備の仕組みになります。
導入時には、AIで解決する質問、担当者へ回す質問、回答してはいけない質問を分けます。例えば手続き、申請、基本ルールはAI向きですが、個別案件、例外承認、人事評価、顧客別条件は担当者確認が必要です。検索AIの価値は、すべてを自動回答することではなく、問い合わせの交通整理をし、文書化すべき知識を見つけることにあります。
よくある質問
ChatGPTだけで社内検索は作れますか？
小さなFAQなら可能ですが、文書量や権限が増える場合はRAG、権限管理、評価設計が必要です。
最初に取り込むべき文書は何ですか？
公開範囲が広く、所有者と更新日が明確なFAQや社内規程から始めるのが安全です。
社内検索AIの失敗要因は何ですか？
文書の重複、古い版、権限不一致、回答根拠の不明確さが主な要因です。