AIとRAGの紹介動画
RAGの仕組みと、社内RAGがうまくいかない原因、Kanataでの構築の流れを紹介します。
Roles
AIとRAGの関係
生成AIは、学習時点までの一般的な知識で回答します。社内規程や、先週の会議での決定事項は把握していません。RAG(Retrieval-Augmented Generation/検索拡張生成)は、AIが回答する前に社内の資料を検索し、見つかった内容を根拠としてAIに提供する仕組みです。AIとRAGの役割と、Kanataでの対応は次のとおりです。
| 要素 | 役割 | Kanataでの対応 |
|---|---|---|
| AIモデル(生成AI) | 質問を理解し、回答や文章を組み立てる | GPT・Claude・Geminiから選択 |
| RAG(検索拡張生成) | 社内の資料を検索し、見つかった内容を根拠としてAIに提供する | ライブラリに蓄積した社内ナレッジを、権限の範囲内で参照 |
| 社内ナレッジ | 回答と業務の根拠になる情報 | 会議の議事録、研修の教材、社内規程、資料をライブラリに蓄積 |
生成AIのみの場合とRAGを組み合わせた場合の違い
| 項目 | 生成AIのみで回答する場合 | RAGと組み合わせて回答する場合 |
|---|---|---|
| 回答の根拠 | 学習時点までの一般的な知識 | 社内の資料と一般的な知識 |
| 社内の最新情報 | 反映されない | 資料を更新すると、モデルの再学習なしで反映される |
| 根拠の提示 | 難しい | 参照した資料の名前の提示が可能 |
| モデルの再学習 | — | 不要 |
Why it fails
社内RAGの3つの失敗要因
資料の分散と古いバージョンの混在
AIが古い情報を根拠に回答するおそれがあります。
閲覧権限の設計不足
閲覧権限のない資料の内容が、回答に含まれるおそれがあります。
改善の仕組みの不在
回答の品質が向上せず、利用されにくくなります。
Kanataでは、ライブラリでのバージョンと作成元の管理、プロジェクトとフォルダ単位の権限設定、議事録やAIエージェントが作成した資料をライブラリに蓄積する仕組みによって、これらの課題に対応します。
How it works
KanataでのRAG構築の流れ
社内ナレッジが自動的にAIと連動するデータベースに。
会議の議事録や研修の教材など、業務で生まれた社内ナレッジをライブラリに蓄積し、AIエージェントごとに参照するフォルダと利用するAIモデルを設定します。回答や実行の結果を確認し、資料を更新・追加します。

01
データ蓄積・整理
Collect & Organize
AIレコーディングの議事録やeラーニングの教材、AppStudioのアプリのデータは、業務の中でライブラリに保存されます。社内規程や手順書はドキュメントとして作成し、フォルダごとの閲覧権限とバージョンで管理します。

02
アプリ・AI連携
Connect Apps & AI
AIエージェントごとに参照するフォルダを設定すると、フォルダの中のコンテンツが根拠の候補になります。AIエージェントは閲覧権限の範囲で資料を参照して回答し、実行権限で許可したアプリやスタジオの機能を、自律レベルに応じて計画を確認してから操作します。

03
データ改善
Improve
社内でよく寄せられる質問で回答と根拠を確認し、古い資料の更新や不足している資料の追加を行います。議事録やAIエージェントが作成した資料も、ライブラリに蓄積されます。
利用の結果を次の回答の根拠に
How to build
Kanataでの構築手順
AIエージェントで、社内ナレッジを根拠に回答する相談相手を作成するまでの手順です。画面上の設定で構築可能です。データベースの設計やプログラミングは必要ありません。
- 資料の登録
ライブラリでドキュメントを作成し、資料を登録します。会議の記録はAIレコーディング、研修の内容はeラーニングから登録されます。 - 整理と権限設定
資料をフォルダで整理し、閲覧可能なユーザーを設定します。社内規程は、表紙・カテゴリー・ページで構成したドキュメントとして、バージョンの管理が可能です。 - AIエージェントの作成
AIエージェントを作成し、名前・アイコンと、立場や回答方法を記述したカスタム指示を設定します。 - 参照範囲と実行権限の設定
参照するフォルダ、実行権限(調査専用・資料の作成まで・アプリの操作まで)、自律レベル、利用するモデルを設定します。 - 回答の確認と改善
社内でよく寄せられる質問をチャットで依頼し、回答を確認します。古い資料を更新し、議事録やAIエージェントが作成した資料をライブラリに蓄積していきます。
Reference scope
参照範囲の設定
AIが何を根拠に回答してよいかを、AIエージェントごとに設定します。
| 設定 | 内容 | 設定する場所 |
|---|---|---|
| 参照するフォルダ | AIエージェントが根拠として参照するフォルダ。フォルダの中のコンテンツはすべて候補になり、ファイルを個別に選択する必要はない | AIエージェントの設定 |
| 閲覧権限の範囲 | 会話しているユーザーに閲覧権限がある資料だけを根拠にする | フォルダの権限 |
| Web検索 | 外部のページを読み込む。利用するかどうかを、エージェントごとに選択する | AIエージェントの実行権限 |
| カスタム指示 | 資料にない内容への回答方法や、回答させたくないこと(禁止事項)を指定する(8,000文字以内) | AIエージェントの設定 |
Settings
AIエージェントの設定
AIエージェントごとに、立場と回答方法をカスタム指示に記述し、参照するフォルダと実行権限を設定します。「総務の相談窓口」「営業支援」のように部門ごとにエージェントを作成し、プロジェクトでの共有が可能です。
| 設定の項目 | 設定可能な内容 |
|---|---|
| 名前とアイコン | エージェントの名前と、アイコン(絵と背景色の組み合わせ) |
| カスタム指示 | 立場・回答方法・守るルールを、1つの文章で記述する(8,000文字以内)。例:「社内研修の案内係として回答する」「根拠の資料を必ず示す」「人事評価の質問には回答しない」 |
| 参照するフォルダ | 根拠として参照するフォルダ。依頼したユーザーが閲覧可能なものだけを利用する |
| 実行権限 | 調査専用・資料の作成まで・アプリの操作まで、またはツールごとに詳しく設定 |
| 自律レベル | 提案のみ・計画を確認して実行・自動実行(自動実行はプロジェクトの管理者だけが選択可能) |
| モデル | チャットで既定のモデルと、利用可能なモデル |
よく利用する指示文は、ライブラリのプロンプトとして登録し、プロジェクトで共有します。
Data
取り込めるデータ
| 種類 | 例 | ライブラリへの登録方法 |
|---|---|---|
| 文書 | 社内規程、マニュアル、FAQ | ドキュメントとして作成 |
| 会議 | Zoom・Google Meet・Microsoft Teamsの録画、議事録 | AIレコーディングで作成 |
| 研修 | 研修動画、教材 | eラーニングで作成 |
| アプリのデータ | 日報、案件管理などの記録 | AppStudioで作成したアプリで入力 |
ファイルの種類とサイズの上限は機能ごとに異なります(例:eラーニングの動画は2GBまで)。
Tips
RAGの精度を高める運用のポイント
Security
セキュリティと権限
- 利用者の入力データを、AIモデルのトレーニング目的で使用しません。
- 閲覧可能な資料と、AIが参照する範囲は、プロジェクト・アプリ・フォルダの単位で区分します。
- AIエージェントは、会話しているユーザーに閲覧権限がある資料だけを根拠にします。
- ENTERPRISEプランでは、導入時のセキュリティ診断に対応します。
Use cases
RAGの活用場面
総務・人事の問い合わせ
就業規則や社内規程を根拠に一次回答を行い、回答の根拠がない質問は、担当者が対応します。
情報システムの手順案内
システムごとの手順書に基づき、設定や申請の手順を案内します。
営業の提案準備
過去の提案資料と商談の議事録から、提案の骨子や確認事項を整理します。
カスタマーサポート
FAQと製品資料を根拠に回答の下書きを作成し、担当者が確認してから送信します。
FAQ
よくある質問
Q生成AIとRAGの違いは何ですか?
生成AI(大規模言語モデル)は、質問を理解して回答や文章を組み立てるAIです。RAGは、AIが回答する前に社内の資料を検索し、見つかった内容を根拠としてAIに提供する仕組みです。Kanataでは、RAGがライブラリに蓄積した社内ナレッジを権限の範囲内で検索し、GPT・Claude・Geminiから選択したAIモデルが、その内容を根拠に回答します。
QRAGとファインチューニングの違いは何ですか?
ファインチューニングは、AIモデルそのものに追加の学習を行う方法です。RAGは、モデルはそのままで、回答時に社内の資料を検索して根拠にする方法です。資料の更新がモデルの再学習なしで回答の根拠に反映されること、根拠として資料名を示せることから、社内ナレッジの活用にはRAGが適しています。Kanataは、RAGの考え方で社内ナレッジを活用します。
Q既存の議事録や資料の利用は可能ですか?
はい。既存の資料は、ドキュメントとして作成し、ライブラリへの登録が可能です。AIレコーディングで作成した議事録は、そのままAIエージェントの根拠になります。
Q部署ごとに参照する資料を分けられますか?
プロジェクトとフォルダの単位で権限を設定し、AIエージェントごとに参照するフォルダを設定します。人事のエージェントは人事の規程のみ、営業のエージェントは提案資料と議事録のみ、といった設定が可能です。
QどのAIモデルが利用可能ですか?
OpenAIのGPT、AnthropicのClaude、GoogleのGeminiから選択可能です。同じエージェントでも、DMの入力欄で、エージェントに許可したモデルの中から質問に応じて切り替えられます。
Q社外秘の資料を登録しても問題ありませんか?
Kanataは、利用者の入力データをAIモデルのトレーニング目的で使用しません。資料の閲覧権限と、AIが参照する範囲は、フォルダの権限とエージェントの設定で区分します。詳しくはセキュリティをご覧ください。
最終更新日: