AIナレッジ共有システムについて検討すべきこと〜会社の知識をどう残していくか〜

「社内にある資料をAIに読ませて、社員がいつでも質問できるようにしたい」

最近、このようなご相談をいただくことが増えてきました。

理由は、とてもよく分かります。

就業規則や社内ルール。
見積もりの作り方。
過去の案件で、なぜその判断をしたのか。
取引先ごとの細かな注意事項。
長年働いている人だけが知っている仕事のコツ。

会社の中には、たくさんの「知識」があります。

ところが、それらは必ずしもきれいに整理されているわけではありません。

Wordに書かれていたり、PDFになっていたり、共有フォルダに入っていたり、議事録の中に残っていたり、場合によっては誰かの頭の中にしかなかったりします。

そして、その詳しい人が異動したり退職したりすると、

「あの件、誰に聞けば分かるんだっけ？」

ということが起こります。

そこで出てくるのが、

「会社の知識をAIに覚えさせておけないだろうか」

という発想です。

これは、かなり自然な流れだと思います。

ただし、ここで一つ知っておきたいことがあります。

AIに資料を読ませれば、それで会社の知識管理が完成するわけではありません。

むしろ最近は、

「AIにどう読ませるか」

よりも、

「AIが整理した情報を、どうやって正しい状態に保つか」

のほうが重要になりつつあります。

今回は、少しだけ技術の話も交えながら、できるだけ専門用語を使わずに整理してみます。

これまでのAIは「必要な資料をその都度探していた」

これまで、社内資料をAIに回答させる仕組みでは、一般的に「RAG」と呼ばれる方法がよく使われてきました。

名前は難しいのですが、考え方はそれほど難しくありません。

イメージとしては、図書館の司書さんです。

社員が、

「出張費の上限はいくらですか？」

と質問すると、AIが社内資料の中から関係しそうなページを探します。

そして、

「この3ページあたりに答えが書いてありそうです」

という資料をAIに渡し、その資料を見ながら回答します。

つまり、

質問されるたびに、その都度資料を探して答える。

という仕組みです。

これは非常に便利です。

何百、何千という文書の中から必要な情報を人間が探すより、圧倒的に速いからです。

一方で、弱点もあります。

例えば、

「A社と似た条件で過去に取引した会社は？」

「去年この判断をした理由と、その後どうなったのかを教えて」

といった質問です。

こうした質問は、一つの資料だけでは答えられません。

営業資料、議事録、見積書、過去のメールなど、複数の情報をつなぎ合わせる必要があります。

また、同じ質問を100回したとしても、基本的には100回資料を探し直します。

昨日より今日のAIのほうが、会社について詳しくなっているわけではありません。

ここが一つの課題でした。

最近は「探す」から「整理して残す」へ

そこで最近注目されているのが、

AI自身に社内Wikiのようなものを作らせる

という考え方です。

例えば新しい会議の議事録が追加されたとします。

従来であれば、その議事録を検索対象として保存して終わりです。

新しい考え方では、AIがその議事録を読み、

• A社についてのページ
• 新サービスについてのページ
• 営業方針についてのページ
• プロジェクトの経緯についてのページ

など、関連する情報を書き換えていきます。

人間が社内Wikiを更新する代わりに、AIが整理してくれるイメージです。

例えば、

「A社との打ち合わせで、価格よりも導入スピードが重視されていることが分かった」

という議事録が追加されたら、

「A社」というページにも、

「営業案件」というページにも、

「顧客ニーズ」というページにも、

必要な内容を反映していく。

すると次に社員が質問したときには、毎回ゼロから大量の資料を探し回らなくても、

すでに整理された会社の知識

を見ることができます。

これはかなり大きな変化です。

なぜ社内Wikiは続かないのか

ここで、

「だったら昔から社内Wikiを作ればよかったのでは？」

と思われるかもしれません。

実際、その通りです。

多くの会社が過去に社内Wikiやナレッジベースを作っています。

ところが、しばらくすると更新されなくなる。

珍しい話ではありません。

理由は単純で、

維持するのが面倒だからです。

新しい情報が出るたびに、

• 古いページを書き換える
• 関連ページにも反映する
• リンクを追加する
• 古い情報を削除する
• 内容が矛盾していないか確認する

必要があります。

最初の10ページくらいならできます。

しかし100ページ、500ページ、1,000ページと増えてくると、人間だけで維持するのはかなり大変です。

ここは、むしろAIが得意なところです。

AIは、

「15個の資料を確認して、関連する12ページを更新して」

と言われても嫌がりません。

毎回同じ作業をすることも苦になりません。

つまり、

人間には面倒だった“知識の整理整頓”をAIに任せられるようになってきた

というのが、最近起きている変化の一つです。

ただし、ここで新しい問題が出てくる

ここまで聞くと、

「それなら全部AIに整理させればいいのでは？」

と思いたくなります。

しかし、そう簡単ではありません。

例えばAIが作った社内ページに、

「A社との契約は年内更新予定」

と書いてあったとします。

その情報は、

いつ確認したのでしょうか。

今も有効なのでしょうか。

すでに契約条件が変わっているかもしれません。

担当者が変わっているかもしれません。

つまり、

整理されていることと、正しいことは別です。

ここが、AIナレッジ共有で非常に重要なポイントだと思っています。

AI時代のナレッジ管理は3つに分けて考える

私は、社内知識については大きく3つに分けて考えると分かりやすいと思っています。

1. 情報を集める

まずは会社の中に散らばっている情報を集めること。

社内規程、議事録、マニュアル、営業資料、過去案件などです。

ここは現在のAIでもかなりできるようになっています。

2. 情報を整理する

次に、それらをつなぎ合わせて、

「A社について」

「この商品の経緯」

「この業務の手順」

といった形に整理する。

ここもAIが急速に得意になってきました。

3. 情報の正しさを維持する

一番難しいのがここです。

例えば、

「この価格はいつ時点のものか」

「このルールはまだ有効なのか」

「誰が確認したのか」

「新しい情報と矛盾していないか」

を管理する必要があります。

ここだけは、AIを導入しただけでは自然には解決しません。

「今の状態」ではなく「いつ何が起きたか」を残す

特に効果が大きいと感じているのが、情報の書き方です。

例えば、

A社との商談は保留中

と書いてあったとします。

1か月後に商談が再開したら、この文章は間違いになります。

一方、

7月15日、A社より「一旦保留したい」と回答があった

と書けばどうでしょう。

商談が再開したとしても、

「7月15日にその回答があった」

という事実そのものは変わりません。

同じように、

「この機能は未実装です」

ではなく、

「8月1日時点では未実装であることを確認した」

と残します。

つまり、

現在の状態を書くのではなく、いつ何が起きたかを書く。

これだけでも、情報が古くなったときの危険性をかなり減らせます。

会社のナレッジ管理というと大掛かりなシステムを想像しがちですが、こうした小さなルールのほうが意外と重要です。

「この情報はいつまで信じてよいか」を持たせる

もう一つ重要なのが、情報の期限です。

会社の情報には、

ほとんど変わらない情報

と、

すぐ変わる情報

があります。

例えば、

• 会社の沿革
• 過去のプロジェクトの経緯

などは、それほど頻繁には変わりません。

一方で、

• 商品価格
• 契約条件
• 担当者
• システムの対応バージョン
• 組織体制
• 法令や社内ルール

などは変わります。

そこで、

「この情報は2026年9月30日を過ぎたら再確認する」

という期限を持たせておく。

するとAIやシステム側で、

「これは期限切れです」

「回答に使う前に確認してください」

と判断できます。

人間の記憶だけに頼らなくてよくなります。

実際にやってみると「ルールを書くだけでは守られない」

弊社でも2026年7月から、この考え方に近い社内知識ベースを試しています。

元となる資料を入れ、AIが関連する情報を整理し、社内で検索できるようにしています。

使ってみると、かなり便利です。

過去の商談メモ、調査資料、社内資料などを横断して、

「あの案件はどういう経緯だったっけ？」

と聞けるのは、想像以上に助かります。

一方で、実際に運用してみて面白い失敗もありました。

私たちは、

「本文を変更したら、更新日も変更する」

というルールを決めていました。

ところが実際に調べてみると、ほとんどのページで更新日が正しく変更されていませんでした。

ルール自体は書いてあります。

しかも途中で、

「どうも守られていない」

ということにも気づいていました。

それでも直っていませんでした。

ここから分かったことがあります。

ルールを作ることと、ルールが守られることは別物である。

これはAIに限った話ではありません。

人間の業務でも同じです。

「チェックしてください」

「最新情報に更新してください」

とマニュアルに書くだけでは、なかなか続きません。

本当に守りたいのであれば、

守られているかを確認する仕組みまで作る必要があります。

AIがあっても、人間が不要になるわけではない

AIナレッジ共有という話をすると、

「最終的には全部AIが管理してくれるようになるのでは？」

という話になることがあります。

私は、少なくとも現時点では少し違うと考えています。

AIが得意なのは、

• 大量の文章を読む
• 情報を整理する
• 関連情報をつなぐ
• 書き直す
• 繰り返し点検する

といった作業です。

一方で、

• この資料を会社の正式情報として扱ってよいか
• このルールは今も会社として有効なのか
• この内容を社員全員に公開してよいか
• 新旧どちらの方針を採用するのか

といった判断は、会社側に残ります。

言い換えると、

AIは「知識を管理する担当者」にはなれても、「会社として何を正しいとするかを決める責任者」にはならない。

ここは、経営者や管理者が持っておくべき感覚だと思います。

技術の世界でも「持ち運べる知識」が重視され始めている

こうした流れの中で、2026年には「OKF（Open Knowledge Format）」と呼ばれる、AI向けの知識を共通の形式で扱おうとする動きも出てきました。

細かい技術仕様を経営者が覚える必要はありません。

重要なのは、

特定のAIサービスの中だけに会社の知識を閉じ込めない

という考え方です。

例えば、

今使っているAIサービスが5年後も最適とは限りません。

より良いAIが出るかもしれませんし、料金体系が変わるかもしれません。

そのとき、

「知識は全部このサービス専用の形式なので外に出せません」

となると困ります。

一方、一般的なファイル形式で知識が整理されていれば、

別のAIにも渡せます。

人間も読めます。

会社自身がデータを持ち続けられます。

この考え方は、今後かなり重要になると思います。

では、会社は何から始めればいいのか

ここまで読むと、

「結局、大掛かりなシステムを入れないといけないのか」

と思われるかもしれません。

私は、必ずしもそうではないと思っています。

むしろ最初は、小さく始めるほうが良いです。

例えば次の3つです。

1. 「詳しい人しか知らない仕事」を10個挙げる

まず、

「○○さんがいないと分からない」

仕事を探します。

AI以前に、ここを見つけることがナレッジ共有の第一歩です。

2. 重要な情報には日付を付ける

「現在はこの価格です」

ではなく、

「2026年8月10日時点の価格です」

と書く。

これだけでも将来の誤回答をかなり減らせます。

3. AIに渡す資料を選ぶ責任者を決める

何でもAIに入れるのではなく、

「これは正式情報として使ってよい」

「これは参考情報」

という線引きをします。

ここは意外と重要です。

AIナレッジ共有で一番大切なのは、AIではないのかもしれない

AIによって、会社の知識を整理するコストは確実に下がっています。

これまでであれば、

「社内Wikiを作っても誰が更新するのか」

という問題がありました。

今後は、その大部分をAIが担ってくれる可能性があります。

これは中小企業にとってもかなり大きな変化です。

一方で、

AIがあるからといって、

会社の情報が自動的に正しくなるわけではありません。

むしろAIが便利になるほど、

何を正しい情報として扱うのか

誰がそれを確認するのか

古くなった情報をどう見つけるのか

という部分が大切になります。

だから私は、

「AIナレッジシステムを導入しましょう」

という話よりも先に、

会社の知識を、どう残していきたいですか？

という話をしたほうがよいのではないかと思っています。

AIは、そのための非常に強力な道具です。

ただし、会社の記憶そのものを作るのは、結局その会社です。

そして今は、その記憶を残す作業をAIがかなり手伝ってくれるようになってきた。

AIナレッジ共有の現在地は、そのくらいに捉えておくのがちょうどよいのではないでしょうか。