「規程のどこに書いてあったか探すのに時間がかかる」「ベテランしか知らないノウハウがある」。こうした悩みに対して、いま多くの企業が取り組んでいるのが社内RAGです。この記事では、社内RAGの仕組みと、導入でつまずきやすい「権限」の問題を中心に解説します。
RAGとは
RAG（Retrieval-Augmented Generation：検索拡張生成）は、AIが回答する前に関連する文書を検索し、その内容をもとに答える仕組みです。
一般的な生成AIは、学習した知識だけで答えます。そのため、自社の規程や手順書、過去の報告書のような「社内にしかない情報」については答えられないか、もっともらしい誤りを返してしまいます。
RAGでは次の流れで回答します。
- 社員が質問する
- 社内文書の中から、質問に関係する箇所を検索する
- 見つけた箇所をAIに渡し、それを根拠に回答を作らせる
- 回答と一緒に、根拠にした文書を表示する
「社内文書を読んだうえで答えるAI」をつくる方法、と考えるとわかりやすいでしょう。
社内RAGが向いている業務
- 規程・手順書への問い合わせ：経費精算、休暇、品質手順など、総務や管理部門に繰り返し来る質問
- 技術・品質ナレッジの検索：過去の不具合報告、検査記録、設計の経緯
- 営業・顧客対応：過去の提案書や問い合わせ対応の記録
- 引き継ぎ：担当者が変わっても、過去の経緯を文書から追える
共通するのは、「答えは社内のどこかに書いてあるが、探すのに時間がかかる」業務です。
見落としがちなポイント：閲覧権限
社内RAGで最も注意したいのが権限です。
社内の文書には、全社員が見てよいものだけでなく、役員限定の経営資料、人事評価、給与、顧客との契約書など、見られる人を限るべきものが含まれます。すべての文書を1つの検索対象にまとめてしまうと、本来見られない社員の質問に対して、AIがその内容を回答に使ってしまうおそれがあります。
画面上で文書一覧を隠すだけでは不十分です。権限は次のすべてで守る必要があります。
| 守るべき場所 | 内容 |
|---|---|
| 検索 | 権限のない文書は検索結果に出さない |
| AIへの受け渡し | 権限のない文書の内容をAIに渡さない |
| 資料一覧 | 権限のない文書を一覧に表示しない |
| 原本のダウンロード | 権限のない文書を開けないようにする |
coiaiの「LLM Link」では、文書とユーザーを閲覧グループで結びつけ、この4か所をすべてサーバー側で絞り込んでいます。権限が正しく効いているかは、自動テストで繰り返し確認しています。
クラウドで作るか、社内で作るか
RAG自体はクラウドのAIサービスでも構築できます。ただし、検索対象の文書や質問の内容が外部サービスを通ることになります。
- 扱う文書が一般的な資料中心なら、クラウドで始めるのも選択肢
- 機密文書、個人情報、顧客との契約書などが中心なら、社内ネットワークの中で完結するオンプレミス型が向いています
オンプレミス型では、文書の保存・検索・回答の生成までを社内のサーバーで行えます。
導入前に確認しておきたいこと
- 対象文書：どの文書を、どの形式（PDF、Word、Excel、画像など）で、どこに保管しているか
- 権限の分け方：部署・役職・プロジェクトなど、誰に何を見せるか
- 評価の方法：実際によく来る質問を集め、正しく答えられるかを確かめる
- 文書の更新：新しい規程が出たとき、誰がどう追加するか
- 回答の確認ルール：AIの回答をそのまま使わず、原本を確認する運用
RAGを使っても、AIが必ず正しく答えるとは限りません。文書の質や検索の精度によって誤りは起こります。だからこそ、実際の文書と質問で評価してから本番に進むことが大切です。
まとめ
- 社内RAGは、社内文書を検索してから答える仕組み
- 「答えは社内にあるが探しにくい」業務に効く
- 権限は、検索・AIへの受け渡し・一覧・原本ダウンロードのすべてで守る
- 機密文書が中心なら、社内で完結するオンプレミス型が向いている
coiaiでは、ユーザー・グループ権限付きのRAGを備えたオンプレミスAIを、業務の整理から研修・保守まで導入しています。詳しくはオンプレミスAI構築サービスをご覧ください。
