社内の資料をAIに答えさせるには?社内ナレッジ検索(RAG)の仕組みと進め方
社内の規程やマニュアル、過去の提案書をAIに答えさせるには、RAG(検索拡張生成)という仕組みを使います。資料を検索してから答えるので、根拠を示しながら回答できます。仕組み、正確さを保つ工夫、社内データを渡すときの注意、進め方を解説します。

CATEGORY
Claude Code・Codex などのAIを開発に組み込む「AI駆動開発」の記事をまとめています。工程ごとのAIと人の分担、社内ナレッジ検索(RAG)の仕組み、AIでLP・Webアプリ・資料を作った実体験を紹介します。
記事 11 件
ARTICLES
AI駆動開発社内の規程やマニュアル、過去の提案書をAIに答えさせるには、RAG(検索拡張生成)という仕組みを使います。資料を検索してから答えるので、根拠を示しながら回答できます。仕組み、正確さを保つ工夫、社内データを渡すときの注意、進め方を解説します。
AI駆動開発AI駆動開発とは、設計・実装・テスト・レビューといった開発の工程にAIを組み込み、開発を速く、品質を保ちながら進める方法です。AIに任せられる作業と人が担うべき判断、品質の保ち方、チームへの広げ方を解説します。
AI駆動開発ChatGPT・Gemini・Claude の3つに、まったく同じワイヤーフレームと要件を渡して、架空のBtoBサービス「カミレス」の1枚LPをHTMLで書かせてみました。ブラウザで開くと見た目はどれも整っているのに、コードを開くと構造・CSS設計・アクセシビリティ配慮まで、3社のキャラがはっきり分かれます。検証シリーズ第4弾、コード領域に踏み込んだ比較記事です。
AI駆動開発話題のClaude Fableで実際にアプリを作ってみました。「LPをSaaSっぽくして」と雑に指示するだけで形になっていく体験を通して、AIで何かを作る人視点で感じた制作現場の変化、AIに任せられる領域と人間に残る領域、これからの“作り手”の価値の置き場所を整理しました。
AI駆動開発ChatGPTにエラーをコピペして貼り付ける時代が、静かに終わろうとしています。Claude Code をはじめとした「エディタの中に住むAI」は、プロジェクトを丸ごと理解し、複数ファイルを横断し、文脈を覚えたまま長時間作業を続けます。AIが「道具」から「隣で働く同僚」に変わり始めている、その変化の正体を整理します。
AI駆動開発OpenAI が Codex Thursday で発表した新機能「Appshots」。Mac で左右の Command キーを両方押すと、いま開いているアプリの画面と、アプリが提供するテキストを AI に渡せます。仕組み、効きそうな現場仕事、業務で使うときの注意点をまとめます。
AI駆動開発AI を活用して作られたと紹介されている「feed-the.cat」というサイトが、世界中の猫好きを巻き込んで話題に。遠隔で本物の猫にエサをあげられるだけのシンプルなサイトから、個人開発が話題になる時代の入口を感じる事例を紹介します。
AI駆動開発Codex でパワポ(PowerPoint)やスライド資料を作る 3 つの方法(公式のスキル Presentations・python-pptx・Marp)の選び方と、手順・プロンプト例、実際に作らせた結果を紹介します。そのまま使えるか、人が直すべき点もまとめます。
AI駆動開発同じプロンプトをAIに10回投げたら、想像以上にバラバラなLPが出てきました。デザインだけでなく構成や訴求軸まで違う。「1商品1LP」から「1商品100LP」時代への入り口かもしれません。
AI駆動開発GPT Image 2とCodexを組み合わせてLPを1本作ってみました。制作時間、クオリティ、修正のしやすさ、そして「人間が必要だった部分」まで現役デザイナーが正直にレポートします。
AI駆動開発GPT Image 2(ChatGPT Images 2.0)の画像生成とGPT-5.5のコード生成を組み合わせれば、後から編集できるLPをAIで作れます。従来のLP制作との違いと、具体的な制作の流れを解説します。
GUIDE
このカテゴリーでは、Claude Code や Codex などの AI を、コードを書く・直す・確かめる作業に組み込んで開発を進める方法を「AI 駆動開発」として扱っています。AI にエラーを貼り付けて聞くだけの使い方から、AI がリポジトリを読んで自分で作業を進める使い方へと、開発の景色は変わりつつあります。
工程ごとに見ると、要件の整理、コードの生成、テストコードの作成、明らかな誤りの指摘などは AI に任せやすく、何を作るかの決定、設計の採否、仕様を満たしているかの判断は人が担います。AI の出力は最終成果物ではなく下書きとして扱い、小さく指示して小さく確かめるのが品質を保つコツです。実際に AI で LP を作った検証でも、構成・実装・画像の生成の多くを AI に任せられた一方で、誰に何を売るか、どこで問い合わせにつなげるか、公開後に何を改善するかは人が決める必要がありました。
AI の出力は揺れます。同じ指示を 10 回出すと毎回違う LP が出てきたり、3 つの AI に同じ要件で HTML を書かせると、見た目は似ていてもコードの設計が大きく違ったりしました。出力を比べて確かめる工程を組み込むことが大切です。社内の規程やマニュアルを AI に答えさせたいときは、資料を検索してから答える RAG (検索拡張生成) という仕組みを使うと、根拠を示しながら回答できます。
FAQ
設計・実装・テスト・レビューといった開発の工程に AI を組み込み、品質を保ちながら開発を速める進め方です。AI に任せられる作業と人が担う判断を、工程ごとに記事で整理しています。
RAG (検索拡張生成) という仕組みを使います。社内の規程やマニュアル、過去の提案書を検索してから答えるので、根拠を示しながら回答できます。仕組みと正確さを保つ工夫、進め方を記事で解説しています。
構成・実装・画像の生成の多くは AI に任せられます。ただし、ターゲットの設計、価値の整理、問い合わせへの導線、公開後の改善は人の判断が必要です。工程ごとの境界と、かかった時間を実体験で比べた記事があります。
変わります。同じプロンプトを 10 回投げた検証では、デザインも構成もばらばらの LP が出てきました。
あります。同じワイヤーフレームと要件で LP の HTML を書かせると、見た目は似ていても、HTML の構造・CSS の設計・アクセシビリティへの配慮に違いが出ました。
関連記事: ChatGPT vs Gemini vs Claude|同じHTMLを書かせてみたら、見た目は似ているのにコード設計がまるで違った
作れます。Marp 形式の Markdown で書かせるのが手軽で、PowerPoint で受け渡したいときは python-pptx で出力させ、仕上げを人が整えます。実際に作らせた結果と出力形式の使い分けを記事で紹介しています。