AI開発 導入事例
社内の知識・ドキュメントをAIに学習させ、業務を支援するシステムを構築しています。
ここでは実際の導入事例をご紹介します。
社内AIアシスタントの開発・導入
— 社内ドキュメントに基づくQ&A・技術支援・議事録生成の一元化 —
プロジェクト概要
背景・目的
社内に蓄積したマニュアル・技術ドキュメント・過去の対応履歴を活かし、社員がいつでも必要な情報を引き出せる社内AIアシスタントを自社開発しました。
システムの特徴
RAG（Retrieval-Augmented Generation）構成を採用。社内ドキュメントをベクトルDBに格納し、質問に関連する情報を検索した上でGeminiが回答を生成するため、根拠のある精度の高い回答が得られます。
利用形態
既存の社内システムに組み込む形で導入。専用アプリをインストールせず、社員が普段使いのシステム画面からシームレスにAIアシスタントを呼び出せます。
課題と解決策
導入前の課題：情報探しと反復作業にかかるコスト
社内規程やマニュアルが複数のフォルダ・システムに分散しており、必要な情報を見つけるまでに時間がかかっていました。
ヘルプデスクや担当部門に同様の質問が繰り返し寄せられ、対応工数が積み重なっていました。
コードや技術仕様に関する質問は特定のエンジニアに集中しがちで、担当者の工数圧迫と属人化が課題でした。
会議後の議事録作成や定型報告書の執筆に多くの時間が費やされており、コア業務に集中できない状況でした。
提供した解決策
RAG構成による社内ドキュメントQ&A
PDF・Word文書・社内WikiをベクトルDBに格納し、質問に関連する情報を検索した上でGeminiが回答するRAG構成を実装。「どのマニュアルのどのページに書いてあるか」という根拠とともに回答が返るため、情報の信頼性を確保しました。
ヘルプデスク対応の自動化
過去の問い合わせ対応履歴をAIに学習させ、よくある質問への初次回答を自動化。担当者の対応工数を削減しつつ、AIが対応できない複雑な問い合わせだけを人間にエスカレーションする仕組みを構築しました。
コード・技術的な質問への回答支援
社内の技術ドキュメントやコードリポジトリの情報をもとに、コードの書き方・エラー解決・技術仕様の確認などに答えられる技術支援AIを実装。特定エンジニアへの質問集中を緩和しました。
議事録・報告書の自動生成
会議の発言録や入力した要点をもとに、所定フォーマットの議事録・報告書を自動生成する機能を実装。作成時間の大幅短縮と、フォーマット統一による品質の均一化を実現しました。
社内システムへのシームレスな組み込み
既存の社内システムのサイドパネルとしてAIアシスタントを組み込み、普段の業務画面を離れることなく利用できる設計にしました。導入時の社員への操作説明コストを最小化しています。
システム構成
社内ドキュメントをベクトルDBに格納し、Geminiが検索結果をもとに回答を生成するRAG（検索拡張生成）構成です。
仕様書など
ナレッジ記事
対応ログ
主な機能
社内規程・マニュアルQ&A
「〇〇の申請方法は？」「規程の第◯条には何が書いてある？」といった質問に、根拠となるドキュメントを示しながら回答します。
ヘルプデスク自動対応
よくある問い合わせを自動回答し、担当者の対応工数を削減。解決できない場合は適切な担当者へエスカレーションします。
コード・技術的な質問への回答
社内技術ドキュメントやコーディング規約に基づいてコードの書き方・エラー解決方法を案内。特定エンジニアへの依存を軽減します。
議事録・報告書の自動生成
会議の要点や発言録を入力するだけで、所定フォーマットの議事録・報告書を自動生成。作成時間の大幅短縮を実現します。
実際の利用イメージ（会話例）
① 社内ポータルの「申請メニュー」から「有給休暇申請」を選択
② 取得希望日と取得区分（全日・半日）を選択して送信
③ 直属の上長が承認後、自動でメール通知が届きます
📄 出典：就業規則 第15条（2024年版）
使用技術
AI / LLM
ベクトルDB
フロントエンド
バックエンド
データソース
インフラ
社内のナレッジをAIで活用しませんか？
蓄積されたドキュメントや対応履歴をAIに学習させ、
社員の業務を支援する仕組みをご提案します。