AIと働く ／ RAG・社内ナレッジ
社内データをAIにつないだ。
それだけで仕事に使えるんでしょうか？
社内規程、マニュアル、議事録、商品資料、顧客情報。
AIが会社の情報を参照できれば、回答は一気に自社向けになります。
でも、それだけで会社の仕事が進むわけではありません。
AIが会社のことを知らなければ、
答えられることには限界があります。
一般的なAIは、世の中一般の知識をもとに回答します。だから、あなたの会社の見積ルールも、取引先の事情も、社内の言い回しも知りません。RAGを使えば、社内規程・マニュアル・商品情報・過去資料・顧客情報などを参照し、自社の情報にもとづいた回答ができるようになります。
会社の情報につながることで、
AIの回答は一気に“自社向け”になります。
What is RAG
RAGって、
結局なんなの？
RAG（Retrieval-Augmented Generation／検索拡張生成）とは、AIが回答をつくるときに、あらかじめ用意された社内文書やデータなどから関連情報を検索し、その内容を参照して回答する仕組みです。
通常の生成AIは、主に学習済みの知識をもとに回答します。RAGでは、質問に関連する会社の情報を探し、その内容を加えて回答をつくります。
通常の生成AI
- 学習済みの知識
- 回答
RAG
- 質問
- 関連する社内情報を検索
- 情報を参照
- 回答
「知っている」ことと、
「仕事を進める」ことは違います。
情報を答えられることと、
その情報を使って仕事を進められることは、別の話です。
Right Information
会社の情報は、
全部をAIに見せればいいわけではありません。
大切なのは、AIが何を知っているかだけではなく、
「誰として、何を見ていいか」です。
役割に応じて、参照できる情報を分ける。これが、CODATIが大切にしている「役割」と「権限」の設計です。
実際の会社では、
情報は仕事の途中で使われます。
※ 画面例です（実データではありません）。
- 顧客情報を確認顧客マスター
- 顧客別価格表を参照顧客別価格表.xlsx
- 過去の見積を確認過去見積データ
- 商品マスターから標準納期を確認商品マスター
- 値引条件を確認2026年度取引条件.pdf
- 要確認特別値引き条件があります
- → 担当者へ確認を依頼しました
会社の情報を、
AIに覚えさせる。
会社の情報を、
仕事の中で使えるようにする。
CODATI
AIに会社を教える。
その先まで設計する。
CODATIでは、AIが参照する会社情報だけでなく、「役割」「情報」「権限」「担当する仕事」「人へ確認する条件」をつなげて設計します。「会社情報を検索できるAI」で終わらせず、会社の情報を使いながら、仕事を担当するAIへつなげます。
よくある質問
RAGとは何ですか？
RAG（Retrieval-Augmented Generation／検索拡張生成）とは、AIが回答をつくるときに、あらかじめ用意された社内文書やデータなどから関連情報を検索し、その内容を参照して回答する仕組みです。社内規程やマニュアル、商品情報などをふまえた、自社向けの回答ができるようになります。
RAGと生成AIは何が違いますか？
通常の生成AIは、主に学習済みの一般的な知識をもとに回答します。RAGは、質問に関連する会社の情報を検索し、その内容を参照して回答します。自社の資料やルールにもとづいて答えられる点が大きな違いです。
RAGを導入すれば社内AIとして仕事に使えますか？
会社の情報を参照できることと、その情報を使って仕事を進められることは別です。RAGは「知っている」状態をつくりますが、実際の業務では、誰がどの情報を見てよいか、どこで人に確認するかまで決めて初めて、仕事に使える状態になります。
会社のすべてのデータをAIに見せる必要がありますか？
いいえ。大切なのは、AIが何を知っているかだけではなく「誰として、何を見てよいか」です。役割に応じて参照できる情報を分けることで、安全に、実務で使える形になります。