社内資料をAIエージェントへ接続したのに、同じ取引先を別会社として扱う、古い料金表を引用する、部署独自の略語を誤解するといった回答にお困りではないでしょうか。ファイルを増やすほど精度が上がると思っても、正本と参考資料が混ざれば判断はかえって不安定になります。
原因は、AIへ渡す情報を『検索できる文書』としてだけ整え、会社固有の用語、人物や案件の関係、更新日、根拠、利用権限まで設計していないことです。強いモデルでも、どの情報が最新で、何と何が同じ対象かは自動では確定できません。
この記事では、AIエージェントの社内コンテキストを、正本・用語・関係・根拠の四層へ分け、必要な情報だけを取得し、不足時に止まり、代表質問で継続評価する方法を解説します。
株式会社ラクボは、AI導入を会話ツールの追加で終わらせず、情報の正本、権限、承認、検証まで業務として設計しています。少人数会社でも更新できる現実的なコンテキスト運用をお届けします。
社内コンテキストは資料の一括投入ではない
社内コンテキストとは、AIが業務上の言葉や対象を取り違えず、根拠をたどって判断するための背景情報です。共有フォルダを丸ごと読ませることではありません。見積書、手順書、議事録、顧客台帳は役割が異なり、同じ事実でも更新責任者と有効期限が違います。
OpenAIが2026年9月に紹介したV7の事例では、会社ファイルから企業、人物、指標などの関係と根拠を結び、必要に応じて元文書へ戻れるコンテキストグラフが使われています。重要なのは製品名ではなく、文書の断片を『どの対象の、いつの、どんな事実か』へ結び直す考え方です。
まず対象業務を一つに絞ります。たとえば営業前調査なら、会社名、サービス、既存接点、過去提案、参照URL、確認日だけを扱います。経理規程や採用資料まで同じ検索対象へ入れません。業務と無関係な情報を減らすことで、誤参照と個人情報の過剰取得を同時に抑えられます。
正本・用語・関係・根拠を四層で整理する
第一層の正本には、顧客はCRM、料金は承認済み価格表、契約条件は契約管理など、採用する場所と更新責任者を記します。第二層の用語には、社内略語、旧称、表記ゆれ、似た商品名を登録し、同義語と別物を分けます。
第三層の関係には、親会社と子会社、担当者と案件、商品と適用プラン、指標と計算式を結びます。第四層の根拠には、元URLやファイル、該当箇所、更新日、有効期限を残します。答えだけを保存せず、確認できる証拠へ戻れる形にします。
OpenAIの社内データエージェント解説でも、テーブルの利用状況、社内用語や主要指標、ライブデータを別の層として扱っています。AIナレッジベースの更新運用も参考に、古いファイルを削除するだけでなく、正本の変更が検索対象へ反映された時刻まで記録してください。
必要な情報だけを取得し不足時は止める
実行時は、質問に関係する対象、期間、権限を先に絞ってから情報を取得します。『A社の現在の提案状況』なら、A社と紐づく案件、最新活動、承認済み提案だけを読みます。長いログや別案件の成功例まで毎回渡すと、重要な根拠が埋もれます。
不足時の動作も固定します。正本が二つある、更新日が基準を超える、対象の同一性を確認できない、閲覧権限がない場合は推測せず停止し、人へ『足りない項目』を返します。外部送信や更新は、回答生成と分けて承認を通します。AIエージェントの最小権限棚卸しと組み合わせると境界が明確です。
最初の小さなテストでは、参照元を表示した回答、情報不足として停止した回答、禁止情報を取得しなかった回答の三種類を確認します。うまく答えた件数だけでなく、危険な時に止まれた件数も品質指標にします。
代表質問と更新テストで品質を保つ
運用前に、現場が繰り返し尋ねる代表質問を20件ほど選びます。正解、参照すべき正本、許容する最新日、回答してはいけない条件を人が決めます。正答率だけでなく、根拠提示率、古い情報の使用率、同一対象の取り違え、停止判断を記録します。
資料追加や価格改定のたびに、更新後の質問と、無関係な質問の両方を再テストします。新しい資料で一問が直っても、別の部署の回答が崩れることがあります。月1回は使われない情報、重複資料、期限切れの根拠を整理し、変更履歴を残します。
社内ファイル、顧客情報、業務ルールをAIが迷わず扱える形へ整えたい方は、ラクボのAI顧問・業務自動化支援をご覧ください。最初に設計する正本と代表質問を選びたい場合は、AI社内コンテキスト設計の相談窓口をご利用ください。