「社内の資料が探せない」を減らすナレッジ検索：作る前に決める7つのこと

「あの不具合、前にも出ていなかったか」「この型番の図面はどこにあるのか」「似た問い合わせに、以前どう答えたのか」。こうした調べものに、毎日少しずつ時間を取られている会社は多いと思います。

答えは社内のどこかにあります。共有フォルダの中、メールの中、誰かの Excel の中、あるいはベテランの頭の中です。ただ、どこにあるかを知っている人が限られていて、結局はその人に聞きに行く。聞かれる側は自分の仕事が止まり、聞く側は相手の手が空くまで待つことになります。

この記事は、社内の資料や過去の対応を探しやすくする「ナレッジ検索」を作りたい、あるいは導入を検討している、事業の責任者や情報システムの担当者に向けて書いています。扱うのは、仕組みを作る前の段階です。

• 社内の資料が探せない、3つの原因
• 全文検索と AI 検索（RAG）の違いと、向き不向き
• 作る前に決める7つのこと
• 個人情報と機密の扱い
• 使われなくなる4つのパターン
• 小さく始める進め方と、チェックリスト

結論：仕組みより先に「誰が、何と聞くか」を決める

ナレッジ検索を作るときに一番多い失敗は、資料を全部入れて、検索窓を置いて終わることです。仕組みとしては動いていても、現場が欲しい答えが出てこなければ、数週間で誰も使わなくなります。

作る前に決めることは、次の7つです。

1. どの業務の、どんな質問に答えるか
2. どの資料を入れて、どの資料を入れないか
3. 誰が使い、誰に何を見せないか
4. 現場の言葉と、資料の言葉をどうつなぐか
5. 答えをどう見せるか（出典を必ず出すか）
6. 誰が、いつ資料を更新するか
7. 効果を何で測るか

検索の方式（キーワードで探す全文検索か、AI が文章で答える方式か）は、この7つが決まってから選んでも遅くありません。むしろ、7つが決まると、どちらが向いているかは自然に決まります。

社内の資料が探せない、3つの原因

1. 置き場所が分かれている

図面は図面の管理システムに、不具合の報告は Excel に、お客様とのやりとりはメールに、手順書は共有フォルダに。資料の種類ごとに置き場所が違うと、探す人は「どこから探すか」を先に知っていなければなりません。

置き場所を知っているのは、たいてい長く勤めている人です。新しく入った人や異動してきた人は、まず「誰に聞けばいいか」から探すことになります。

2. 探す人と書いた人の言葉がずれている

資料を書いた人と、探す人が同じ言葉を使うとは限りません。正式な品名と現場での呼び名、型番と略称、部署ごとに違う言い方。キーワードで探す検索は、言葉が一致しないと見つけられません。

「書いてあるのに見つからない」の多くは、このずれから起きます。

3. そもそも書かれていない

一番難しいのは、知識が資料になっていないことです。「この症状なら、まずあそこを見る」「このお客様には、この順番で説明する」といった判断のコツは、ベテランの頭の中にしかないことがよくあります。

製造業では、これが技能継承の問題として表れています。労働政策研究・研修機構（JILPT）が2026年5月に公表した「ものづくり産業における人材確保・定着と技能継承に関する調査」（製造業の従業員30人以上の企業が対象、有効回収4,342社）では、技能継承を「重視している」「やや重視している」企業があわせて9割を超えました。一方で、技能継承が「うまくいっている」は1.9%、「ややうまくいっている」は31.4%にとどまっています。

同じ調査で、将来の技能継承に「不安がある」「やや不安がある」はあわせて8割を超え、不安に感じていることの1位は「熟練技能者の高齢化・退職が進んでいる」の63.0%でした。技能継承のために行っている取り組みで最も多いのは「再雇用や勤務延長などにより高年齢者従業員に継続して勤務してもらう」の54.8%で、「継承すべき技能の見える化（テキスト化・マニュアル化・デジタル化）を図る」は31.2%です。

つまり、多くの会社が、知識を資料にするより先に、知っている人に長く残ってもらうことで乗り切っています。それ自体は大切なことですが、その人がいなくなったときに備える手段にはなりません。

探す時間そのものについては、ファインディ株式会社が自動車業界で新規事業や商品企画に関わる226人に行った調査（2026年3月実施）があります。過去の調査結果や社内資料などを探す時間は、1週間あたり「1〜3時間未満」が30.5%で最も多く、10時間以上の人も1割強いました。また、過去半年に、必要な情報にたどり着けずに人に聞いたり調べ直したりしたことが「時々ある」「よくある」と答えた人は、回答者全体の6割強でした。

ナレッジ検索は、この3つの原因のうち、1つ目と2つ目には直接効きます。3つ目は、仕組みだけでは解決しません。書かれていない知識を少しずつ資料にしていく運用を、最初から計画に入れておく必要があります。

全文検索と AI 検索（RAG）の違い

ナレッジ検索の方式は、大きく2つに分かれます。

全文検索は、入力したキーワードを含む資料を一覧で返す方式です。共有フォルダやグループウェアの検索も、多くはこの方式です。

AI 検索は、質問を文章で入力すると、AI が関係する資料を探し、その内容をもとに答えの文章を作る方式です。この方式は RAG（Retrieval-Augmented Generation、検索拡張生成）と呼ばれます。2020年に Lewis らが発表した論文「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」が名前の元になっています。論文では、言語モデルが知識を正確に扱うことには限界があり、答えの根拠（provenance）を示すことや知識を新しくすることが課題だとしたうえで、外部の文書を検索して使う方法を提案しています。

社内のナレッジ検索に当てはめると、AI そのものに社内の知識を覚えさせるのではなく、社内の資料を検索してから答えを作るので、資料を差し替えれば答えも新しくなり、どの資料をもとにしたかを示せる、ということです。

どちらが優れているというより、向く質問が違います。型番や図面番号で探すことが多い職場なら、全文検索に言い換えの辞書を足すだけで十分なこともあります。過去の不具合報告から「似た症状のときに何をしたか」を知りたい、という使い方なら、AI 検索が向いています。

実際には、両方を組み合わせることも多いです。AI の答えには必ずもとの資料へのリンクを付け、最後は人が資料を開いて確かめる。この形にしておくと、AI が誤った答えを返したときにも、現場で気づけます。

作る前に決める7つのこと

1. どの業務の、どんな質問に答えるか

最初に、ナレッジ検索で答えたい質問を、現場から集めます。目安は20件ほどです。「最近1か月で、人に聞いたこと、探すのに時間がかかったこと」を、実際の言い回しのまま書き出してもらいます。

集まった質問を見ると、対象にすべき業務が見えてきます。品質トラブルへの対応なのか、お客様からの技術的な問い合わせなのか、社内の手続きなのか。最初から全社の全業務を対象にすると、資料も質問も多すぎて、精度を確かめきれません。

業務の流れがはっきりしていない場合は、先に流れを図にしておくと、どの場面で調べものが発生しているかが分かります。書き方は業務の流れを図にする：システム化の前に整理することにまとめています。

2. どの資料を入れて、どの資料を入れないか

集めた質問の答えが、どの資料に書かれているかを確かめます。図面、不具合の報告、対応の履歴、手順書、お客様とのメール。答えが載っている資料を優先して入れ、関係のない資料は入れません。

入れない資料を決めることも大切です。古い版の手順書が残っていると、検索で古い手順が出てきてしまいます。下書き、重複したファイル、もう使っていない製品の資料も、最初は外しておきます。

3. 誰が使い、誰に何を見せないか

社内の資料には、見てよい人が限られているものがあります。人事の資料、取引先との契約、原価の情報などです。

もとのフォルダで閲覧の権限を分けていても、検索の仕組みに入れた途端、全員が見られる状態になってしまうことがあります。AI 検索では特に、答えの文章の中に、見せてはいけない資料の内容が混ざる恐れがあります。

使う人の範囲と、資料ごとの見せる範囲を、作る前に決めておきます。迷う資料は、最初は入れないほうが安全です。

4. 現場の言葉と、資料の言葉をどうつなぐか

手順1で集めた質問と、資料に書かれている言葉を見比べると、ずれている言葉が見つかります。正式名と呼び名、略称、型番の古い表記などを、言い換えの一覧にまとめます。

全文検索なら、この一覧を検索の辞書に登録します。AI 検索でも、資料に呼び名を書き足したり、言い換えの一覧を参考資料として入れたりすると、答えの精度が上がります。この一覧は一度で完成するものではなく、使いながら足していくものです。

5. 答えをどう見せるか

AI 検索を使う場合は、答えに必ず出典（もとにした資料と、その場所）を付ける決まりにします。現場の人が答えを鵜呑みにせず、資料を開いて確かめられるようにするためです。

あわせて、答えが見つからないときの振る舞いも決めておきます。資料に書かれていないことは「見つかりませんでした」と返し、推測で答えないようにする。そして、見つからなかった質問は記録に残し、資料を足すきっかけにします。

6. 誰が、いつ資料を更新するか

ナレッジ検索は、資料が古くなると価値が下がります。新しい不具合の報告や、改訂した手順書が入らなければ、そのうち「検索しても最新のことは分からない」と思われてしまいます。

資料ごとに、更新の担当と頻度を決めます。できれば、資料を作る今の業務の流れの中で、自動的に検索の対象に入る形にしておくと、更新が止まりにくくなります。

7. 効果を何で測るか

作ったあとに「使われているか」「役に立っているか」を確かめるために、測るものを決めておきます。たとえば次のようなものです。

• 調べものにかかる時間（導入前に、何件か実際に測っておく）
• ベテランへの問い合わせの件数
• 検索の回数と、使っている人の数
• 答えが見つからなかった質問の割合
• 「役に立った」「違った」の評価

導入前の数字がないと、効果を説明できません。手順1で質問を集めるときに、あわせて「それを調べるのに何分かかったか」も聞いておくと、比べる基準になります。数字の目標の立て方は、業務システム全般の話として要件定義とは：開発会社に頼む前に、社内でまとめておくことでも触れています。

資料の形で、答えの精度が変わる

同じ資料を入れても、資料の形によって、見つかりやすさは大きく変わります。入れる前に、次の点を確かめておきます。

1件ごとに分かれているか：不具合の報告が、1年分まとめて1つの Excel のシートに並んでいることがあります。そのままだと、検索で「このファイルに書いてある」とは分かっても、どの行が答えなのかが分かりません。1件の報告が1つの単位として扱えるように、分けて入れます。

文字として読めるか：紙をスキャンしただけの PDF は、画像なので、そのままでは中の文字を検索できません。文字を読み取る処理（OCR）が必要です。手書きの記入や、かすれた古い資料は、読み取りの誤りも出ます。

図面に言葉が付いているか：図面は、線と記号が中心で、検索できる言葉が少ない資料です。図面番号、品名、関係する製品、改訂の履歴といった情報を、図面に付けて管理しておくと、言葉で探せるようになります。

表の意味が分かるか：表は、行と列の見出しがあって初めて意味が分かります。見出しのない数字の並びは、検索でも AI でも正しく扱えません。

すべてを最初から整える必要はありません。手順1で集めた質問の答えが載っている資料から、優先して形を整えます。

精度は、集めた質問で確かめる

作った仕組みが使えるかどうかは、手順1で集めた質問で確かめます。質問ごとに、正しい答えと、答えが載っている資料を先に書いておき、仕組みが返した結果と見比べます。

確かめるのは、次の4つです。

• 正しい資料が、検索結果の上のほうに出たか
• AI 検索の場合、答えの中身が合っているか
• 付いている出典が、本当にその答えの根拠になっているか
• 資料に答えがない質問に、「見つかりませんでした」と返せたか

4つ目は見落とされがちですが、大切です。答えがないのに、もっともらしい答えを作ってしまう仕組みは、現場で使うと危険です。資料にない質問を、わざと何件か混ぜて試します。

どのくらいの精度なら公開してよいかも、現場の人と先に決めておきます。全問正解は現実的ではありません。「間違えたときに、出典を見れば気づける」ことを条件に、合格の目安を決めます。資料や言い換えの一覧を直したら、同じ質問でもう一度試し、前より良くなったかを比べます。

個人情報と機密の扱い

AI 検索では、社内の資料を AI のサービスに渡すことになります。そのため、どの資料を、どのサービスに、どう渡すかを確かめておく必要があります。

個人情報保護委員会は、2023年6月2日に「生成AIサービスの利用に関する注意喚起等」を出しています。個人情報取扱事業者に向けた注意点として、次のことが書かれています。

• 生成 AI サービスに個人情報を含むプロンプトを入力する場合には、特定された利用目的を達成するために必要な範囲内であることを十分に確認すること
• あらかじめ本人の同意を得ることなく個人データを含むプロンプトを入力し、その個人データが応答結果の出力以外の目的で取り扱われる場合、個人情報保護法の規定に違反することとなる可能性がある。そのため、サービスを提供する事業者が、その個人データを機械学習に利用しないこと等を十分に確認すること

不具合の報告や対応の履歴には、お客様の会社名や担当者の名前、連絡先が入っていることがよくあります。AI 検索に入れる前に、次のことを確かめます。

• 使う AI のサービスが、入力したデータを学習に使わない契約や設定になっているか
• データがどこの国のサーバーに保存されるか
• 個人の名前や連絡先を、入れる前に消すか伏せるか
• 取引先との契約で、資料の扱いに決まりがないか

AI の使い方全体の考え方については、総務省と経済産業省が「AI事業者ガイドライン」をまとめており、2026年3月31日に第1.2版が公表されています。社内で使うルールを作るときの参考になります。

書かれていない知識を、少しずつ資料にする

最初に挙げた3つ目の原因、「そもそも書かれていない」知識は、検索の仕組みを入れただけでは増えません。ベテランに、時間を取ってマニュアルを書いてもらうのも、多くの職場では現実的ではありません。

負担の少ない方法は、ベテランがすでにしている「質問に答える」ことを、そのまま記録に変えることです。

• 社内のチャットで受けた質問と答えを、決まった場所に残す
• 答えるときに、「質問」「答え」「理由」「関係する資料」の4つだけを短く書く型を用意する
• 見つからなかった質問の一覧を、月に1回、ベテランと30分ほど見直して答えを書き足す

こうして残した記録は、次に同じことを聞かれたときの答えになります。ベテランが答える回数が減るほど、記録に協力する理由もはっきりします。マニュアルを一度に作るのではなく、聞かれたことから順に資料にしていく形です。

使われなくなる4つのパターン

ナレッジ検索は、作ること自体はそれほど難しくありません。難しいのは、使われ続けることです。使われなくなるときは、たいてい次のどれかに当てはまります。

最初の数回で、欲しい答えが出なかった

現場の人は、最初の数回で「使えるかどうか」を判断します。そこで的外れな答えが続くと、二度と開いてもらえません。公開する前に、手順1で集めた質問で試し、答えの精度を確かめておきます。

「違った」を伝える手段がない

答えが違ったときに、その場で「違った」と伝えられる仕組みがないと、精度が上がりません。答えの横に「役に立った」「違った」のボタンを付け、違った質問は担当者が見て、資料や言い換えの一覧を直します。

資料が更新されない

手順6で決めた更新が止まると、検索結果が古くなります。担当者が異動したときに引き継がれるよう、担当は個人ではなく役割で決めておきます。

ベテランが関わっていない

ナレッジ検索の中身の多くは、ベテランが持っている知識です。ベテランが「どうせ使われない」と思っていると、資料を書き足す協力が得られません。

ベテランにとっての利点は、同じ質問に何度も答えずに済むことです。よく聞かれる質問を最初の対象にして、問い合わせが減ったことを数字で見せると、協力を得やすくなります。

今あるツールで足りるか、作るか

ナレッジ検索は、必ずしも一から作るものではありません。使っているグループウェアやファイル共有のサービスに、検索や AI の機能がすでに付いていることもあります。市販の社内検索のサービスもあります。

今あるツールや市販のサービスで足りやすいのは、次のような場合です。

• 探したい資料が、1つか2つの置き場所にまとまっている
• 見せる範囲が、もとのフォルダの権限のままでよい
• 文書の一覧が返ってくれば、あとは人が読んで判断できる

一方で、仕組みを作るほうが向いているのは、次のような場合です。

• 販売管理や生産管理など、今の業務システムのデータとあわせて探したい
• 製品や取引先ごとなど、会社独自の決まりで見せる範囲を分けたい
• 現場の人が毎日使っている業務の画面の中から、そのまま調べたい
• 答えの見せ方や、「違った」の集め方を、業務に合わせて決めたい

どちらを選ぶ場合でも、作る前に決める7つのことは同じです。7つが決まっていれば、ツールを比べるときにも、開発会社に相談するときにも、何を求めているかを具体的に伝えられます。

小さく始める進め方

最初から全社で使える仕組みを作ろうとすると、資料の整理だけで何か月もかかります。1つの部署の、1つの業務から始めて、使われることを確かめてから広げるほうが、結果として早く進みます。

進め方の例です。

1. 質問を集める：対象の部署で、実際の質問と、調べるのにかかった時間を20件ほど集める
2. 資料を絞る：その質問の答えが載っている資料だけを選び、古い版や重複を外す
3. 試しに作る：選んだ資料で、検索を試せる最小の仕組みを作る
4. 集めた質問で試す：答えが合っているか、出典が正しいかを、現場の人と一緒に確かめる
5. 数人で使ってもらう：対象の部署の数人に、実際の業務で使ってもらい、「違った」を集める
6. 直して広げる：言い換えの一覧と資料を直し、精度が上がったら、使う人と資料を広げる

試しに作る段階では、作り込みすぎないことが大切です。画面の見た目より、答えが合っているかを先に確かめます。小さく作って確かめる進め方の考え方は、MVP とは：小さく作って確かめる開発の進め方で詳しく書いています。

開発会社に相談する場合も、手順1で集めた質問と、答えが載っている資料の例を持っていくと、話が具体的になります。相談の前に用意しておくものは、開発会社に初めて相談する前に：用意しておく資料と、決めておくことにまとめています。

作る前のチェックリスト

ナレッジ検索を作る前、または開発会社に相談する前に、次の項目を確かめてください。

対象

• 対象の部署と業務を1つに絞った
• 実際の質問を、言い回しのまま20件ほど集めた
• それぞれの質問を調べるのに、今どのくらい時間がかかっているかを測った

資料

• 質問の答えが、どの資料に載っているかを確かめた
• 入れない資料（古い版、下書き、重複、関係のない資料）を決めた
• 資料になっていない知識が、誰の頭の中にあるかを書き出した

権限と安全

• 使う人の範囲を決めた
• 見せる範囲が限られた資料を、入れるか入れないか決めた
• 個人情報を含む資料の扱い（消す、伏せる、入れない）を決めた
• AI を使う場合、入力したデータが学習に使われないかを確かめた

運用

• 現場の言葉と資料の言葉の、言い換えの一覧を作り始めた
• 答えに出典を付ける決まりにした
• 見つからなかった質問と「違った」を記録する方法を決めた
• 資料ごとの更新の担当（役割）と頻度を決めた
• 効果を何で測るかを決めた

すべてが埋まっていなくてもかまいません。埋まっていない項目が、作る前に話し合うべきことです。

おわりに

社内の資料が探せないのは、検索の仕組みが古いからだけではありません。資料が分かれて置かれていること、言葉がずれていること、知識が書かれていないこと。この3つが重なって、「結局、あの人に聞く」が続いています。

ナレッジ検索は、その状態を変える手段の1つです。ただし、効くかどうかは、仕組みの方式よりも、誰が、何と聞いて、どの資料から答えを得たいのかを、作る前にどれだけ具体的に決められたかで決まります。

まずは1つの部署で、最近人に聞いたことを20件集めるところから始めてみてください。その一覧が、作るものの範囲と、効果を測る基準になります。