社内AI検索を導入したチームが最初に直したこと

答えが速いだけでは信用されない

あるBtoB企業のカスタマーサクセス部門で、社内文書を横断検索できるAI検索が導入されました。マニュアル、議事録、過去の問い合わせ、仕様変更メモをまとめて検索し、質問文で答えを返す仕組みです。

デモではかなり便利に見えました。顧客から聞かれた機能制限を入力すると、関連する仕様書と過去の回答例が数秒で出てきます。しかし導入直後、利用率は思ったほど伸びませんでした。理由は精度ではなく、答えの根拠が分かりにくかったことです。

みんなが見ていたのは本文ではなく更新日

利用者に話を聞くと、AIの回答文そのものより、参照元の更新日を気にしていました。SaaSの仕様は頻繁に変わります。半年前の正しい回答は、今は間違いかもしれません。

ところがAI検索の画面では、回答文が大きく、参照元は下に小さく表示されていました。利用者は毎回スクロールして、どの文書を根拠にしているのかを確認していました。これでは通常検索より速いとは言い切れません。

最初に直した画面

チームが最初に直したのは、AIモデルでも検索アルゴリズムでもありません。回答カードの上部に、参照元の種類と更新日を出すことでした。

• 公式仕様書か
• 社内メモか
• 顧客別の例外対応か
• 最終更新日はいつか
• オーナー部署はどこか

この情報が見えるだけで、利用者は回答を使ってよいか判断しやすくなります。AIの言葉を信じるのではなく、AIが連れてきた資料を信じられるかを見るわけです。

AI導入は検索体験の再設計

社内AI検索は、質問に答える機能として導入されがちです。しかし実際には、組織の文書管理の弱さを見える化します。古い資料が残っている、似た名前の文書が多い、責任者が分からない。AIはそれらを解決するというより、目立たせます。

今回のチームでは、導入後に文書の棚卸しも始まりました。AI検索を良くするために、古い資料へ期限を付け、仕様書の更新ルールを決めたのです。結果として、AIそのものより、ナレッジ管理の運用が改善されました。