01
知識資産の棚卸し
何が、どこにあり、だれが更新しているかを書き出します
オントロジー設計 / ナレッジグラフ / AI 検索
RAG を入れたのに、
答えが信用されない。
原因の多くは、AI のモデルではなく、社内の言葉と知識の整理にあります。部署ごとに違う呼び名と、ものごとの関係を整える「オントロジー設計」で、根拠を示して答える AI 検索に作り直します。
開発内容・対象範囲を伺い、個別にお見積もりします。
こんなときに
使われなくなる AI 検索で、よく起きていること
- 流暢に答えるが、ときどき間違えるので、結局だれも使わなくなった。
- ふつうの言葉で探せば出る文書は出るのに、業務を知っている人なら探し当てる文書が出ない。
- 埋め込みモデルを替えると精度が上がり、別の質問では下がる。なぜそうなるのか、だれも説明できない。
- 直すたびにプロンプトが長くなっていく。
- 質問 社内の言葉のまま
- 検索 該当する箇所を探す ここで正しい箇所を拾えないと、間違った箇所から答えを作ることになる
- 生成 拾った箇所から文章にする
- 回答 出典を添えて返す
モデルを替えても直らないのは、間違いがその手前の検索で生まれているからです。
原因
原因は、たいてい 3 つです
- 01
用語がそろっていない
営業は「顧客」、請求は「取引先」、契約書は「相手方」。質問と文書で呼び名が違うと、正しい箇所が候補から落ちます。
- 02
概念どうしの関係が書かれていない
製品から部品、工程、不具合へとたどる関係が担当者の頭の中にしか無いと、検索は質問に似た文書を返すことしかできません。
- 03
部署ごとに意味が分かれている
2 つのシステムの「状態」という項目が、別の意味で使われている。1 つの索引にまとめると、気づきにくい間違いが出ます。
営業担当の質問 「顧客の A 社、更新はいつ？」
部署ごとに呼び名が違うまま
- 営業メモ 「顧客」A 社。更新の提案は 4 月に 拾える
- 請求データ 「取引先」A 社 拾えない
- 契約書 「相手方」A 社。期間満了日は 3 月 31 日 拾えない
AI の答え 「4 月です」 拾えた営業メモだけから作った、自信ありげな間違い
用語を
そろえる
1 つの概念に、1 つの名前
取引先（別名: 顧客・相手方）、満了日（別名: 更新日・期間満了日）と定義する
- 営業メモ 「顧客」A 社 拾える
- 請求データ 「取引先」A 社 拾える
- 契約書 「相手方」A 社。期間満了日は 3 月 31 日 拾える
AI の答え 「3 月 31 日です」 出典: 契約書 第 12 条
質問 「製品 X で出たこの不具合は、どの工程で起きた？」
- 製品 X
- 使っている部品
- 部品 Y
- 作っている工程
- 工程 Z
- で起きた不具合
- 不具合 W
進め方
5 つの手順。どれもモデル選びから始めません
- 1 棚卸し何が、どこにあるか
- 2 用語の統制1 つの概念に 1 つの名前。同義語をまとめ、同音異義を分ける
- 3 構造クラスと、その間の関係
- 4 制約必ず成り立つこと、両立しないこと
- 5 測るグラフを作り、固定した質問集で精度を測る
検索は、該当する箇所を先に探し、定義した関係に沿って広げる作りにします。作業の前と後には、同じ質問集で精度を測り、数字でお伝えします。
範囲
依頼できること
02
オントロジー設計
クラス、関係、制約を定め、用語を 1 つの概念に 1 つの名前へ統制します
03
ナレッジグラフの構築
Neo4j などのグラフデータベースに、設計どおりの実体を作ります
04
根拠をたどれる検索
先に該当箇所を探し、定義した関係に沿って広げます。ベクトル検索は必要なところで加え、類似度だけの経路にはしません
05
検索精度の定量評価
固定した質問集（ゴールドセット）で、作業の前と後の精度を比べます
06
運用と保守の引き継ぎ
用語集と関係を、社内で更新し続けられる手順にしてお渡しします
| 費用 | 開発内容・対象範囲を伺い、個別にお見積もりします。 |
|---|---|
| 初回のご相談 | 無料です |
| 最初の範囲 | 業務を 1 つに絞った用語の棚卸しから始めます。全社の用語辞書から始めると、たいてい途中で止まります |
| 最初に効くこと | 多くの場合、グラフを作る前の用語の統制だけで、検索の取りこぼしの大きな原因が 1 つ消えます |
使われる場面
よく使われる場面
- 社内ナレッジ検索・社内 RAG — 規程、マニュアル、過去の案件、議事録から、出典つきで答える
- 法令・社内規程・契約の構造化 — 条文どうしの参照や、改正の影響をたどれるようにする
- 製品・部品・技術情報の統合 — システムごとに分かれたマスタや仕様を、1 つの関係でつなぐ
- 精度の出ない RAG の立て直し — 用語の統制と関係の定義で、検索から組み直す
- kintone の業務データ — 項目の意味と用語を定義し、AI が取り違えないようにする（AI × kintone）
自社での実践
自社の製品でも、同じ方法を使っています
自社の検索エンジン Hadano AI Cabinet でも同じ方法を使い、測定の記録を h-c.ai に公開しています。法令データを構造化したシステム「復興コンパス」は、デジタル庁「法令」×「デジタル」ハッカソンで、代表の興野が参加したチームとして法令等データ利活用賞を受賞しました（受賞の記事）。進め方の詳細は設計の記事に書いています。
よくある質問
よくある質問
RAG を導入したのに精度が出ません。原因は何ですか。
多くの場合、モデルではなく知識の構造に原因があります。用語の揺れや同義語・略語が整理されていない、概念どうしの関係や制約が定義されていない、部署ごとにデータの意味が違う。この状態では検索が正しい箇所を拾えず、LLM も文脈を取り違えます。
オントロジーとナレッジグラフは、何が違いますか。
オントロジーは、概念・関係・制約を定めた設計書です。ナレッジグラフは、その設計書どおりに実際のデータを入れた実体です。設計書なしにグラフを作ると、データを入れるほど矛盾が増えます。
どこから着手しますか。
業務を 1 つに絞り、その業務で使われている用語の棚卸しから始めます。AI が実際に間違えた質問を 20 件ほどお送りいただくと、原因の見当が早く付きます。
すでに作った RAG を立て直すこともできますか。
できます。用語の統制、関係の定義、根拠をたどれる検索への組み替えで立て直します。作業の前と後で、同じ質問集を使って精度を測ります。
kintone のデータにも使えますか。
使えます。kintone のアプリは項目と関係が決まった業務データなので、項目の意味と用語を定義すると、AI が取り違えにくくなります。kintone 側の開発は AI × kintone のページをご覧ください。
費用はどれくらいですか。
開発内容・対象範囲を伺い、個別にお見積もりします。最初の範囲は業務 1 つ分と小さく決めます。初回のご相談は無料です。
運用は自社でできるようになりますか。
はい。用語集と関係を更新し続ける手順の設計と、社内への引き継ぎまでを範囲に含めています。
うまくいかなかった質問を、持ってきてください。
原因の見当が早く付きます。初回のご相談は無料です。