RAG（検索拡張生成）による社内ナレッジ検索 
社内のWiki、チャットログ、マニュアル等の独自データをLLM（大規模言語モデル）に参照させ、社内固有の質問に即答できるAI検索システム（RAG）を構築する施策です。「規定はどうなってる？」「過去の類似案件は？」といった質問に対し、AIがソースを明示して回答します。メリットは、ナレッジ活用の高度化と問い合わせ対応の自動化です。成功のためには、AIに参照させる元データの鮮度と整理状況を向上させることと、ハルシネーション（もっともらしい嘘）のリスクを社員が理解し、出力結果を適切に評価できるリテラシー教育が不可欠です。
 職種 |
情報システム |  施策難易度 |
★★★☆☆ |
|---|---|---|---|
 業界① |
全業界 |  目的 |
ナレッジ 業務効率化 |
| 業界② |
 対象 |
ヘルプデスク 全従業員 情報システム部門 | |
 費用 |
200〜1000万円 |  実施期間 |
120 |
主なToDo
- AIに読み込ませる社内Wikiやマニュアルの古いデータを除去し、回答の根拠を明示できるRAGエンジンの構築を行う
- AIの「もっともらしい嘘（ハルシネーション）」のリスクを周知し、回答を一次情報で確認するリテラシー教育を実施する
- 質問ログを毎週分析して回答精度をチューニングし、社内の「人への問い合わせ」が減少しているかを効果測定する
期待できる効果
社内固有の膨大なナレッジをAIに学習させ、質問に即答する環境を整えることで、問い合わせ対応を自動化。ベテランのノウハウをAI経由で瞬時に引き出せるようにし、組織学習のスピードを劇的に高めます。
躓くところ
AIがそれらしい嘘をつく（ハルシネーション）を防止するための、参照元データの精緻な整理と、出力結果を評価する社員のリテラシー向上が困難です。情報の鮮度を保つためのデータ更新体制も課題です。
