AIの合わせ技で、ここまでできる。

課題

仕事の記録・ノウハウが239個の文書ファイルに散らばり、「どこに書いたか」を思い出せないと探せない状態でした。これは多くの会社の「社内の詳しい人に聞かないと分からない」問題と同じ構造です。

やったこと

文書を意味のまとまりごとに分割してAI用のデータベース（ベクトルDB）に登録し、自然な日本語で質問すると、AIが根拠となる文書を示しながら答える仕組みを構築しました。既製ツールに頼らず、中身を説明できる形で自作しています。

結果

• 検索精度テスト: 10問中10問で正しい文書を提示（合格基準は8問）
• 構築期間: 1日
• 月々の運用コスト: ほぼゼロ（質問1回あたり数円のAI利用料のみ）

この仕組みの特徴

• 回答には必ず「どの文書を根拠にしたか」を明示 → 答えの検証ができる
• 資料にないことは「情報が見つかりません」と答える → もっともらしい間違いをしない
• 文書を更新したらコマンド1つでデータベースを作り直せる → 情報が古くならない

課題

介護施設のシフト作成は「夜勤は月に何回まで」「この人とこの人は同じ日に休めない」といったルールが何十個も絡み合い、担当者が何日もかけて手作業で組んでいました。担当者にしか作れない属人化も課題でした。

やったこと

シフトのルールをすべて「データ」として書き出し、コンピュータが自動でシフト案を組み、判断が必要なところだけAIと人が確認する仕組みを開発しています。実際の施設のシフトで毎月検証しながら作っているため、机上の空論になりません。

ポイント

• ルールを文書化・データ化する過程で、暗黙知だった運用が誰でも見える形に
• 「希望休は必ず守る」など、絶対に破ってはいけない条件をプログラムで保証
• 全自動にせず、人が確認・調整できる余地を残した設計

課題

アクセス解析の数字は出ているものの、設定の不具合が積み重なり、「どの施策が問い合わせにつながったのか」を正しく読めない状態でした。

やったこと

計測設定を1つずつ点検して不具合を洗い出し、優先順位をつけて順番に修正。あわせて、毎朝自動で最新の数字がレポートにまとまる仕組みを構築し、確認の手間をなくしました。

結果

• 問い合わせの重複カウントが解消され、施策の効果を正しく比較できるように
• 日次レポートが自動化され、数字を見る習慣が定着