社内文書をAIに検索させる仕組み（RAG）は、AIに自社の文書を覚えさせる技術ではありません。質問のたびに社内の文書群から関係しそうな箇所を探し出し、その文章を添えて生成AIに答えさせる仕組みです。したがって精度を決めるのはモデルの賢さではなく、探しに行く先の文書がどれだけ整っているかです。この記事では、製造業の文書を3つの類型に分けて向き・不向きを整理し、始める前にそろえるべき4条件を解説します。

この記事の要点

• RAGは「AIに覚えさせる」のではなく、質問のたびに社内文書から関係箇所を探して読ませる仕組み。
• うまくいかない原因の多くはAIの性能ではなく、探しに行く先の文書側の状態にある。
• 製造業の文書は「文章が主体の文書」「表・帳票」「図面・写真・手書き」の3類型に分かれ、効き方がまったく違う。
• 始める前にそろえる4条件は「探せる状態」「正本が一意」「見せてよい範囲の仕分け」「答え合わせができる」。
• 最初は全社の文書をまとめて入れず、条件を満たす1つの文書群から始めるほうが結果として速い。

RAGとは？社内文書をAIに読ませる仕組みをどう理解する？

RAG（検索拡張生成）とは、利用者の質問に対してまず社内の文書群から関係しそうな箇所を検索し、見つかった文章を生成AIに渡して回答を作らせる仕組みである。AIモデル自体を自社データで作り直すのではなく、回答のたびに材料を外から差し込む点が特徴です。

この構造には実務上の利点が2つあります。1つは、文書を更新すれば次の質問からその内容が反映されること。もう1つは、どの文書のどこを見て答えたかを出典として示せることです。回答の裏取りができるため、根拠が求められる製造業の業務と相性があります。

一方で弱点もはっきりしています。探す段階で正しい箇所が取り出せなければ、その先の生成がどれだけ優秀でも正しい答えにはなりません。RAGの精度問題の多くは、生成の問題ではなく検索の問題です。

なぜ「社内文書を全部入れる」とうまくいかないのか？

文書の種類ごとに検索の効き方が違い、効かない文書が混ざるほど正解を取り出しにくくなるからです。古い版と新しい版が同居していれば、AIはどちらを取り出しても不自然ではありません。判断するのは利用者側になり、確認の手間が増えます。

総務省「令和8年版 情報通信白書」（2026年7月公表）でも、日本企業は社内データの学習やデータベースの構築への取り組みが米国・ドイツ・中国と比べて低い水準にあると指摘されています。使い始める企業は増えても、読ませる材料の整備が追いついていない状態です。

図面はPLM、見積書はExcel、是正処置はWord、品質データは紙の検査表、サプライヤとのやり取りはメールに散在しています。

なぜ製造業は同じ数字を何度も入力するのか——仕様書・FMEA・検査記録をまたぐ「転記」が工数とミスを生む構造と、二度打ちを止める順番

散在した状態のまま全部を対象にすると、検索の対象は広がっても、取り出せる精度は上がりません。まず対象を絞り、絞った範囲を整えるほうが実務的です。

効く文書・効かない文書の3類型とは？

製造業の文書は、検索との相性で3つの類型に分かれます。類型Aは文章が主体の文書で最も効きやすく、類型Bの表・帳票は条件つき、類型Cの図面・写真・手書きは前処理なしでは扱えません。

類型	代表的な文書	検索との相性	注意点
A：文章が主体	作業手順書、設計標準、議事録、不具合報告、社内規程、取扱説明書の本文	◎ そのまま効きやすい	文中の指示語が多いと、取り出した段落だけでは意味が通らないことがある
B：表・帳票	部品表、検査記録、見積書、FMEA、点検チェックシート	△ 条件つき	1セル1情報・見出し1行になっていないと、行と列の対応が崩れて誤答の原因になる
C：図面・写真・手書き	図面（PDF・紙）、現場写真、手書きの日報・memo、スキャンした古い資料	× 前処理が必要	文字として読める形にする工程が別途必要。図面は寸法や注記の位置関係も意味を持つため難易度が高い

最初の対象は類型Aに絞るのが定石です。類型Bは、様式と項目がそろっていれば有効に働きますが、帳票が案件ごとに枝分かれしていると、どの行が最新なのか判断できません。

版の枝分かれとは、同じ帳票の原本から派生したコピーが複数の場所で個別に更新され、どれが正本か一意に定まらなくなる状態を指します。

どれが最新版か分からない——Excel帳票がコピーで枝分かれする構造と、構造化基盤でそろえられる範囲【2026年】

類型Cは、期待値の設定を誤りやすい領域です。図面をそのまま読ませて設計判断をさせる用途は、2026年時点では検証と前処理の負担が大きく、最初の一手には向きません。

始める前にそろえる4条件は？

探せる状態にあること、正本が一意に定まること、見せてよい範囲が仕分けできること、答え合わせができること。この4つです。1つでも欠けると、精度ではなく文書側が原因で止まります。

条件	確認する質問	満たしていない場合に起きること
1. 探せる状態にある	対象文書は共有された場所にそろっているか	個人フォルダやメール本文にしかない文書は、AIから見れば存在しないのと同じになる
2. 正本が一意に定まる	同じ文書の版が枝分かれしていないか	古い版を根拠に回答が返り、利用者が毎回確認する運用になる
3. 見せてよい範囲が決まる	客先秘密・個人情報・原価は仕分けできているか	部門をまたいで出してはいけない情報が回答に混ざる
4. 答え合わせができる	「この質問にはこの記述が正解」と言える例を10問作れるか	精度が上がったのか下がったのか判定できず、改善の打ち手が決まらない

とくに条件4は見落とされがちです。評価用の質問と正解の組を10問ほど先に作っておくと、設定を変えたときに良くなったのか悪くなったのかがその場で分かります。作るのに数時間しかかからない一方、これがないと改善の議論が感想の応酬になります。

最初はどの文書群から始めるとよい？

「毎週誰かが同じことを聞きに来る文書群」から始めるのが実務的です。質問が繰り返し発生している領域は、効果が数字で見えやすく、評価用の質問も現場から集められます。

経済産業省ほか「2026年版ものづくり白書」（2026年5月公表）によれば、製造現場のデータを取得している事業者は約70％に達する一方、取得したデータを活用して効果が得られた事業者は約40％にとどまります。取っているのに使えていない、という差がそのまま伸びしろです。文書についても同じ構図が当てはまります。

この3つが重なると、帳票は「動いているうちは誰も触らない」資産になります。

作った人しか直せないExcel帳票——数式とマクロが属人ブラックボックス化する構造と、様式を残したまま引き継ぐ順番【2026年】

触られないまま残っている文書ほど、聞きに来る人がいる文書でもあります。まずはその1群に絞り、4条件を満たしてから小さく試す。範囲を広げるのはその後で十分です。

よくある質問（FAQ）

RAGとファインチューニングは何が違う？

RAGは質問のたびに社内文書を検索して材料を渡す方式で、ファインチューニングはモデル自体を自社データで追加学習させる方式です。社内文書が頻繁に更新される用途ではRAGが向きます。文書を直せば次の質問から反映され、どの文書を根拠にしたかも示せるためです。

社外に情報が出るのが心配。どう考えればよい？

扱う情報の区分を先に決め、区分ごとに使える経路を分けるのが基本の考え方です。公開情報・社内一般・客先秘密のどこまでを対象にするかを決めてから経路を選ぶ順番であれば、判断がぶれません。社内規程や客先との秘密保持契約の条件を必ず確認してください。

図面を検索対象にできる？

できますが、文章主体の文書とは難易度が異なります。図面は寸法・注記・記号の位置関係そのものが意味を持つため、文字として読み取るだけでは十分でない場合があります。図面の検索は別テーマとして計画し、最初の一手は文章主体の文書から始めることをおすすめします。

まとめ：次に読むべき記事

社内文書をAIに検索させる仕組みは、AIの性能よりも文書側の状態で成否が決まります。まず類型Aの文章主体の文書に対象を絞り、4条件を満たしてから、評価用の質問10問とともに小さく試す。この順番であれば、うまくいかなかったときも原因を切り分けられます。関連する記事もあわせて確認しておくと、判断の材料が増えます。

• 製造業の生成AI、どの業務から始める？——導入順を決める5つの判断軸と部門別の向き・不向き【2026年版】
• 100万トークンはどれくらい？日本語の文字数・A4ページ数の目安と製造業文書での換算【2026年版】
• 製造業の文書作成をAIで効率化する「SPESILL」とは｜PFMEA・仕様書・是正処置をExcelのまま自動起案する

対象とする文書群の絞り込みや、4条件の棚卸しから相談したい場合はこちらからどうぞ。→ AX導入について相談する

出典

• 総務省「令和8年版 情報通信白書（概要）」（2026年7月公表）— 企業の生成AI活用状況および社内データ活用に関する国際比較：https://www.soumu.go.jp/main_content/001082851.pdf
• 経済産業省・厚生労働省・文部科学省「2026年版ものづくり白書（概要）」（2026年5月公表）— 製造現場データの取得・活用状況：https://www.meti.go.jp/report/whitepaper/mono/2026/pdf/gaiyo.pdf
• 表1の3類型、表2の4条件は、公開情報と一般的な業務の進め方をもとに編集部が整理したものです。特定企業の実測値や導入事例ではありません。
• 図1・図2は編集部が作成した概念図です。