社内のAIに、自社のことを教える方法

なぜ、AIは自社のことを知らないのか

一般のAIが自社のことを正しく答えられないのは、会社の中にしかない情報が、AIの学んだ文章にも、その場で渡された資料にも入っていないためです。AIが答えに使えるのは、学習した文章と、質問と一緒に渡された資料（検索機能を使う場合は、公開されているウェブの情報も）に限られます。

AIは、ある時点までに集められた、主に公開されている文章で作られています。AIの知識がどの時点までの情報にもとづくかを示す日付を「知識のカットオフ」と呼びます。その後の出来事や、もともと公開されていない社内の情報は、AIの知識には入っていません。

右の列に並ぶのは、社員が「自社らしい」判断をするときの土台になる情報です。その多くは、書類ではなく、経営者や古くからの社員の頭の中にあります。そのため、AIに「当社の強みを説明して」と頼むと、どの会社にも当てはまる文章が返ってきがちです。

数字で見る、会社のAI活用

帝国データバンクの「生成AIに関する企業の動向調査（2026年3月）」（有効回答10,312社）では、生成AIを業務で活用している会社は34.5%でした。規模別では、大企業46.5%、中企業32.4%、小規模企業28.0%です。生成AIを使ううえでの課題（3つまで選択）の1位は「情報の正確性」で50.4%となり、専門人材・ノウハウ不足の41.3%を上回りました。

情報処理推進機構（IPA）の「DX動向2026」では、AIを利用している会社のうち、社内のデータを「整備してAIに活用している」と答えた会社は7.0%でした。「整備しているが十分でない」は28.4%、「必要と認識しているが未着手」は27.6%です。AIを使い始めていても、AIに渡す社内の知識の準備は、多くの会社でこれからの段階にあります。

個人の利用は急速に広がっています。総務省の「令和8年版 情報通信白書」では、日本で生成AIを使ったことがある人は58.8%でした（2025年度調査。この年度から15〜19歳を含み、20歳以上のみでは52.2%）。

AIは、会社の情報をどう使うのか

AIは、学習で身につけた一般的な知識と、その場で渡された資料の両方を使って答えます。社内の情報を正しく答えさせるには、後者の「その場で渡す資料」を整えることが中心になります。

AIは「もっともらしい続き」を書く

文章を書くAIの中心には、「大規模言語モデル（LLM）」と呼ばれるしくみがあります。大量の文章から言葉のつながり方を学び、「この続きに来そうな言葉」を一つずつ書き足していきます。AIが文章を扱う最小単位を「トークン」と呼び、日本語では、おおむね1〜2文字がひとかたまりになります（モデルによって異なります）。

このしくみのため、AIは知らないことを聞かれても、それらしい答えを作れてしまいます。事実でないことを自信を持って答えてしまうことを「ハルシネーション」と呼びます。資料を渡して要約させるだけの作業においても、元の資料と食い違う内容を含む要約が、数%から2割強の割合で出ることが測定されています（要約の忠実さを測った結果で、ハルシネーション全般の指標ではありません）。

作業机と本棚

AIの知識には、2つの置き場所があると考えると分かりやすくなります。学習で身につけた知識が「本棚」、質問と一緒に渡された資料が「作業机」です。本棚には社内の情報は入っておらず、すぐには書き換えられません。作業机には社内の情報を置けますが、広さには限りがあります。

AIが一度のやりとりで参照できる文章の量を「コンテキストウィンドウ」と呼びます。2026年の主要なAIでは100万トークン級のものも登場しており、日本語にすると、おおよそ100万〜200万字にあたります（目安）。ただし、机が広ければよいわけではありません。長い資料の真ん中あたりにある情報ほどAIが見落としやすいことが、研究で示されています（Liu ほか、2023年）。大事な事実は、短く、はっきり、前のほうに書くのが基本です。

AIに会社を教える3つの方法

社内の知識をAIに使わせる方法は、大きく3つに分けられます。試験にたとえると、違いが分かりやすくなります。

RAG（検索拡張生成）は、質問を受けたら、まず社内の資料から関係する部分を探し、それを一緒に渡してから答えさせる方式です。2020年の研究論文で名づけられました（Lewis ほか、2020年）。資料を小さなかたまり（チャンク）に分け、意味を数字の列（埋め込み）に変え、質問に意味が近いかたまりを探して、それを根拠にAIが答えます。

どの方法を選ぶ場合も、元になる社内の知識が整っていなければ、AIは正しく答えられません。3つの方法は、渡し方の違いです。

かたまりにすると、前提が抜け落ちる

資料を小さく分けると、「売上が前年より3%増えた」という一文だけが切り出され、どの会社の、いつの話かが分からなくなることがあります。AI事業者が公開した実験（2024年）では、かたまりごとに「これは何の資料の、どの部分か」という短い説明を書き添えることで、必要な資料を上位20件に拾えなかった割合が5.7%から3.7%へと35%減りました。キーワードでの検索を併用すると2.9%（49%減）、さらに並べ替え（リランキング）も加えると1.9%（67%減）になっています。

この「前提を書き添える」作業は、人の手でもできます。資料を書く段階で、一文ごとに会社名、年、人の名前を省かずに書いておけば、どこで切り出されても意味が通ります。これが、次に紹介する台帳と書き方の考え方です。

AIに渡すもの：会社の台帳

AIに渡すのは、会社の知識を決まった型で一行ずつ書いた「台帳」です。KATARUでは、この台帳を「AI記憶」と呼んでいます。中身は人が読む社史と同じで、違うのは書き方です。

経営学の研究では、組織の記憶は、人、文化、手順、しくみ、場所、外の記録の6つの場所に蓄えられていると整理されています（Walsh & Ungson、1991年）。このうちAIがそのまま読めるのは、文書やデータになっているものだけです。台帳づくりは、それ以外の場所にある知識を言葉にする作業でもあります。

7つの台帳

最初から全部をそろえる必要はありません。年表、用語集、判断の記録の3つから始め、少しずつ足していきます。

いちばん効くのは「判断の記録」

「値引きしない」というルールだけを渡すと、AIは例外の場面で判断できません。「なぜ、そう決めたのか」という出来事とつないで渡すと、AIは「自社ならどうするか」まで答えやすくなります。年表や人の名前は資料を集めれば作れますが、判断の理由は、決めた本人に聞かなければ分からないことが多い情報です。

台帳の一行の例

次は、判断の記録と用語集の一行の例です（会社と言葉は架空のものです）。

AIが読みやすい書き方

AIに渡す文章は、一文だけを切り出されても意味が通るように、主語、年、固有名詞を省かずに書きます。AIは資料の一部だけを取り出して使うことが多く、省略があると取り違えるためです。

人に向けた文その年、社長は撤退を決めた。翌年、新しい工場が稼働した。

省略しない文2014年、株式会社〇〇の社長の〇〇は、通信販売の事業から撤退すると決めた。
2015年、株式会社〇〇の第二工場（静岡県）が稼働した。（社名と事業名は例です）

書くときの5つの決まり

1. 一文に、一つの事実：「〜し、〜したが、〜した」とつなげず、文を分けます。あとから一部だけ直すのも簡単になります。
2. 主語と年を、毎回書く：「同社」「その年」「彼」を使いません。
3. 呼び名をそろえる：同じものは同じ名前で書き、別の呼び名は用語集にまとめます。
4. 「なぜ」を書く：決めたことと一緒に、理由を書きます。
5. あいまいな言葉を避ける：「最近」「昔」「大きな」ではなく、年や数字で書きます。

一行ごとに、4つの印をつける

会社の知識には、確かな事実と、誰かの記憶にもとづく話が混じっています。AIと、それを使う人がその違いを区別できるよう、一行ごとに4つの印をつけます。データについてのデータを「メタデータ」と呼び、4つの印は、知識の一行一行につけるメタデータにあたります。

人が読む社史は物語で、AIが読む台帳は省略のない一行ずつで書きます。同じ取材から、両方を作ることができます。

台帳の中身の集め方

台帳の中身は、手元の資料を集めたうえで、資料に残っていない「なぜ」を経営者や古くからの社員に聞いて集めます。資料に残っているのは結論だけで、理由は人の頭の中にあることが多いためです。

「品質で大事にしていることは何ですか」と考えを聞くと、どの会社にも当てはまりやすい答えが返ってきがちです。代わりに、「品質のことで、いちばん迷った日のことを教えてください。そのとき、何を見て、どう決めましたか」と場面を聞くと、日付、状況、選ばなかった案、決めた理由が出てきます。

場面が出てきたら「なぜ、そう決めたのですか」と聞き、返ってきた答えに、もう一度「なぜ」を重ねます。一回目には方針が、二回目には、その方針が生まれた出来事が出てくることが多くあります。

社内の言葉は、長くいる人ほど当たり前になって気づきにくいものです。入社して間もない社員に、最初に戸惑った言葉を聞くと、用語集の候補が集まりやすくなります。

AIへの渡し方

台帳は、ファイル（文書、テキスト、表計算）にまとめておけば、さまざまなAIに渡せます。渡し方は、量と使い方に合わせて、手軽なものから順に広げます。

AIと社内のファイル置き場や業務システムをつなぐための共通の規格として、MCP（モデル・コンテキスト・プロトコル）があります。2024年に公開され、2025年には主要なAIサービスの多くが対応しました。機能の名前や設定の場所は、サービスや契約の種類によって異なり、変わることもあります。

社員が使うAIには台帳の全部を、お客様の問い合わせに答えるAIには「社外可」の行だけを渡す、という使い分けができます。

正しく答えるかの確かめ方

AIが正しく答えるかは、正解が分かっている質問をして確かめます。社内の人なら答えられる質問と、その正解をセットにした「正解つき質問集」を作り、台帳を渡したあとと、直したあとに、同じ質問で確かめます。

台帳にないことを聞いたときに、作り話をせず「資料にはありません」と答えられれば合格です。質問の最後に「資料にないことは、ないと答えてください」と添えると、そうなりやすくなります。

「探す力」と「答える力」を分けて見る

間違えたときは、原因を2つに分けて考えます。必要な資料を拾えていなかった場合は「探す力」の問題で、台帳の書き方や区切り方を見直します。資料は拾えていたのに、そのとおりに答えていなかった場合は「答える力」の問題で、指示の出し方を見直します。

AIが間違えた質問は、台帳に足りない知識がある場所を教えてくれます。その知識を誰に聞けばよいかを考え、次の取材の質問に加えます。

最初の30日でやること

最初は完璧な台帳を目指さず、30日で小さく作り、AIに渡し、確かめるところまでを一周します。

よくある、つまずき

• 資料を全部入れれば賢くなると考える：選んで、整えて渡します。量より質が大切です。
• ルールだけを書き、理由を書かない：決めたことと一緒に、きっかけの出来事を書きます。
• きれいに要約しすぎる：理由や数字を削らず、短くするより省略しないことを優先します。
• 確かめずに、全社に広げる：質問集で確かめてから、使う人を増やします。
• 作ったきりで、古くなる：人の異動、新しい商品、大きな判断、決算などをきっかけに一行ずつ足し、年に1回は見直します。

さらに詳しく知りたい方へ

このページの内容は、KATARUの2つの無料資料をもとにまとめています。資料には、このページで紹介しきれなかった例や書き込み欄を収めています。

入門

無料資料「社内のAIに、自社のことを教える入門」は、はじめての方向けの短い資料です。年表、人物、用語集、判断の記録の書き込み欄、確かめの記録表、よくあるつまずきの一覧を収めています。

大全

無料資料「社内のAIに、会社を教える大全」は、AIのしくみ、記憶と知識の研究、取材の技法、台帳の書き方、答えの確かめ方までを一冊にまとめた資料です。取材でそのまま使える質問の例、取材の段取りと事前に確かめること、10問分の確かめの表、用語集と出典一覧を収めています。

用語の意味は、社史づくりの用語集にもまとめています。社史をAIの資料としても使う考え方は、社史の5つの型でも紹介しています。

よくある質問

社内のAIが自社のことを正しく答えないのは、なぜですか

AIが答えに使えるのは、学習した文章と、その場で渡された資料に限られるためです。社内の資料や社内だけの言葉、判断の理由は公開されておらず、AIの知識には入っていません。正しく答えさせるには、その情報を言葉にして渡す必要があります。

AIに自社のことを教えるには、何から始めればよいですか

年表、用語集、判断の記録の3つの台帳を、それぞれ数行ずつ書くことから始めます。主語や年を省かない文で書き、AIに渡して、正解が分かっている質問で確かめます。

AIに渡す文章は、どのように書けばよいですか

一文だけを切り出されても意味が通るように、いつ、誰が、何をしたかを省かずに書きます。一文に一つの事実だけを入れ、「その年」「同社」のような言葉は使わず、決めたことには理由を添えます。

RAG（検索拡張生成）とは何ですか

質問を受けたら、まず社内の資料から関係する部分を探し、それを一緒に渡してから答えさせる方式です。資料が多いときや、よく更新されるときに向いています。答えの質は、元になる資料の書き方と、探す精度に左右されます。

AIのハルシネーションは、どうすれば減らせますか

知らないことを推測させず資料で渡すこと、答えの根拠を示させること、資料にないときは「資料にない」と答えるよう指示することが基本です。渡す資料の一文ごとに、会社名、年、人の名前を省かずに書いておくことも役立ちます。

AIが正しく答えているかは、どう確かめればよいですか

社内の人なら答えられる質問と正解をセットにした「正解つき質問集」を作り、AIの答えと照らし合わせます。事実、理由、数え上げ、社内の言葉に加えて、資料にない質問を混ぜ、推測せずに「資料にない」と答えるかも確かめます。

社史とAIに渡す台帳は、別々に作る必要がありますか

同じ取材から、両方を作ることができます。人が読む社史は物語で、AIが読む台帳は省略のない一行ずつで書くという、書き方の違いです。