AIに自社情報を正しく学習させるドキュメント設計の実践ガイド

「AIに自社の強みを聞いたら的外れな回答が返ってきた」——その原因は情報設計の問題です。AIが正しく自社を理解できるドキュメント構造と、実践的なプロンプト設計を解説します。

「うちの強みを説明して」とAIに頼んでも、なぜズレた回答が返ってくるのか

こんな経験はありませんか？

「ChatGPTやClaude、あるいは社内に導入したAIに、自社の強みやサービス特徴を説明してもらおうとしたら、まるで的外れな模範解答が返ってきた。使えない。」

実はこれ、AIの能力の問題ではなく、AIに渡している情報の構造に問題があるケースがほとんどです。

AIは「読解力が高い」ツールですが、「察する力」は持っていません。「20年以上の実績があります」「丁寧な対応が強みです」——こういった表現は、人間がチラシで読む分には伝わりますが、AIが回答生成の根拠として使うには情報密度が薄すぎます。

この記事では、なぜAIは自社情報を正しく扱えないのかという本質的な理由から始まり、AIが活用できる形に自社情報を整える「ドキュメント設計」の実践手順まで、具体的に解説していきます。Web担当者がすぐに動けるコード例も交えながら進めますので、最後まで読んでいただければ、明日から違うアプローチが取れます。

なぜAIは自社情報を「理解できない」のか——原因を正確に把握する

根本的な話をすると、ChatGPTをはじめとするLLM（大規模言語モデル）は、インターネット上の膨大なテキストで学習しています。つまり、あなたの会社について特別に知識を持っているわけではありません。

RAG（Retrieval-Augmented Generation）を使って社内ドキュメントを参照させる方法や、システムプロンプトに自社情報を埋め込む方法など、AIに自社情報を渡す手段はいくつか存在します。しかし多くの場合、次のような問題が起きています。

flowchart TD
    A[自社情報を用意] --> B{情報の品質は？}
    B -->|曖昧・抽象的| C[AIが汎用的な回答を生成]
    B -->|構造化・具体的| D[AIが自社に即した回答を生成]
    C --> E[「的外れ」と感じる]
    D --> F[営業・FAQ・社内活用に使える]

よくある問題のパターンは以下の3つです。

① 情報が「マーケティング文章」のまま渡されている 「品質にこだわった丁寧なものづくり」「お客様に寄り添った提案」——こういった表現は読み手の感情に訴えますが、AIが事実として参照するには曖昧です。「丁寧とは具体的に何をしているのか」をAIは推論できません。

② 情報が分散していて文脈が切れている サービスページ、会社概要、採用ページ、事例集——これらを無造作に結合してAIに渡しても、AIはどの情報が「核心的な強み」なのかを判断できません。重要度のヒエラルキーが必要です。

③ 「なぜ」が書かれていない 「Laravelを使って開発しています」という情報だけでは、AIは「それが顧客にとってどんなメリットをもたらすのか」を推論できません。技術選定の理由、それがもたらす顧客体験まで記述して初めて、AIは意味のある回答を生成できます。

実践：AIが正しく使える「自社情報ドキュメント」の設計手順

STEP 1：情報を3層に分けて構造化する

AIに渡すドキュメントは、「核心層 → 事実層 → 文脈層」の3層構造で設計するのが効果的です。

# [会社名] 自社情報リファレンス（AI用）

## 【核心層】私たちが提供する本質的な価値
- 私たちは中小企業がWebを通じてビジネス成果を出せるよう、
  開発・運用・改善を一社で完結できる体制を持つWeb制作会社です。
- 「作って終わり」ではなく、運用フェーズでの改善提案まで関与します。
- 神奈川県内を中心に20年以上、製造業・士業・飲食業など幅広い業種での実績があります。

## 【事実層】具体的なサービス・実績
### 技術スタック
- Laravel（PHP）: 複雑な業務ロジックを持つWebアプリケーション向け
- WordPress: 更新頻度が高いサイト、管理画面の使いやすさを重視するケース
- Next.js: 高速表示・SEO重視・React活用が必要なフロントエンド

### 実績数値
- 制作実績: 200社以上
- 顧客継続率: 85%以上（保守契約継続率）
- 平均対応期間: 初回問い合わせから提案書提出まで3営業日以内

## 【文脈層】なぜそれを選ぶのか・競合との違い
- Laravelを選ぶ理由: カスタマイズ性が高く、将来的な機能追加コストを抑えられるため
- WordPressを選ぶ理由: Web担当者が自分でコンテンツ更新できる運用体制を作るため
- 大手制作会社との違い: 担当が変わらない。窓口が開発者本人であることが多い

{
  "company": {
    "name": "Fivenine Design",
    "location": "神奈川県",
    "founded_years": 20,
    "core_value": "中小企業のWeb活用を開発から運用まで一気通貫で支援"
  },
  "services": [
    {
      "name": "Laravelカスタム開発",
      "use_case": "業務システム、会員管理、複雑なフォーム処理",
      "customer_benefit": "既製品では対応できない業務フローをWebで自動化できる"
    },
    {
      "name": "WordPress構築",
      "use_case": "コーポレートサイト、ブログ、採用サイト",
      "customer_benefit": "更新を外注せず自社でできるようになり、情報発信コストが下がる"
    },
    {
      "name": "Next.js開発",
      "use_case": "高速表示が求められるLP、ECフロント",
      "customer_benefit": "ページ表示速度の改善でSEOと離脱率に好影響"
    }
  ],
  "differentiators": [
    "担当者が変わらない少数精鋭体制",
    "神奈川県内での対面打ち合わせ対応",
    "保守運用からSEO改善提案まで一括対応"
  ]
}

STEP 2：システムプロンプトに「役割」と「参照指示」を明示する

OpenAIのAPIやChatGPT Teamなどでシステムプロンプトを設定できる環境であれば、以下のような形式で自社情報を注入します。重要なのは「どの情報を優先して使うか」をAIに明示することです。

# システムプロンプト例

あなたは「Fivenine Design」のWebコンサルタントとして回答してください。
以下の【会社情報】に記載されていない事項については、推測や一般論で補わず、
「詳細はお問い合わせください」と案内してください。

【回答のルール】
1. 技術的な強みを説明する場合、必ず「顧客にとってのメリット」とセットで説明する
2. 実績数値は【会社情報】に記載のものだけを使い、誇張しない
3. 競合他社を名指しで批判しない

【会社情報】
（上記で作成したMarkdownまたはJSONを貼り付ける）

STEP 3：RAGを使う場合のチャンク設計

LangChainやLlamaIndexなどを使ってドキュメントをベクターDBに格納しRAGを構成する場合、チャンク（分割単位）の設計が回答品質を大きく左右します。

あるクライアント（神奈川の製造業）での案件では、社内FAQをそのままPDFで渡したところ、AIが頉答する質問と全く関係ないチャンクを参照してしまい、回答精度が著しく低い状態でした。チャンク設計を見直し、「質問と回答のペア」単位で分割したところ、回答精度が体感で大きく改善しました。

# チャンク設計の悪い例（テキストを文字数で機械的に分割）
from langchain.text_splitter import CharacterTextSplitter

splitter = CharacterTextSplitter(
    chunk_size=500,   # NG: 文脈を無視して500文字で切る
    chunk_overlap=50
)

# チャンク設計の良い例（意味のある単位で分割）
from langchain.text_splitter import MarkdownHeaderTextSplitter

headers_to_split_on = [
    ("##", "セクション"),
    ("###", "サブセクション"),
]

splitter = MarkdownHeaderTextSplitter(
    headers_to_split_on=headers_to_split_on
)
# → 見出し単位で分割することで、文脈が切れない

PythonやRAG構築が難しい場合でも、Notionデータベースや構造化されたMarkdownファイルをGPTs（ChatGPT）のKnowledgeに登録するだけでも、3層構造のドキュメントを使えば回答品質は明確に変わります。

よくある失敗パターンと、その対処法

実際にクライアントの支援をしていると、同じ失敗が繰り返されます。事前に知っておくだけで多くの手戻りを防げます。

まとめと、今すぐ始められる次のステップ

「AIに自社情報を学習させる」といっても、高度な機械学習の知識は必要ありません。AIが迷わないように情報を整理してあげること——その設計思想こそが、回答品質を決定的に左右します。

今日からできる最初の一歩は、「核心層」だけを書いてみることです。「自社が提供している本質的な価値を、3文以内で書いてください」——これをチームで議論するプロセス自体が、AI活用以前に、自社のブランド定義を整理する機会にもなります。

ドキュメント設計の見直しからRAG構築まで、「どこから手をつければいいかわからない」という場合は、ぜひ一度ご相談ください。Fivenine Designでは、自社情報のAI活用ドキュメント設計から、実際のシステム構築まで、規模に応じた形でご支援しています。