「生成AIを導入したけれど、期待した回答が返ってこない」「社内活用をどう進めればいいか分からない」……。
そんな悩みの答えは、最新のプロンプト技術ではなく、実は手元の「ドキュメント」にあるかもしれません。
私はこの半年間、人事領域で数々のAIツールを素早く立ち上げてきましたが、そのスピードや質を支えたのはドキュメントの有無でした。
本記事では、AI活用を加速させるドキュメント整備の要点を整理します。
経緯
私は2025年6月頃から評価、サーベイ活用、成長支援など人事の複数の業務においてAI活用を進めてきました。
そんな中、思ったよりもかなり早くツール開発が進んでいる実感があります。
目標設定支援ツールは1人で1ヶ月半で作ることができました。
今日もサーベイ活用のためのツールを作ったのですが2時間ほどでサーベイの結果を掘り下げるツールを作ることができました。
ツールの開発スピードにはいくつかの要素がありますが、その中でも大きいのはドキュメントです。 特に素早く開発できたツールはどれも生成AIのソース情報として必要な情報の大半が元々文書化されていました。
目標設定支援ツールの例
目標設定支援ツールのような大掛かりなツールを他の業務も兼任しながら1ヶ月半で作ることができたのですが、必要な文書がほぼ最初からあったというのが大きな要素です。
ソース情報として必要なものは以下でした。
- 会社の基本情報
- 経営理念
- 文化
- 現状の課題
- 評価ルール
- 評価基準
- 事業部の前提
- 方針
- 目標
- 課題
- チームの前提
- 方針
- 目標
- 課題
1のうち、経営理念・文化は社外に公開されている情報があります。 現状の課題は日々社内で共有されている情報があります。
2,3 は評価制度の責任者として自部門で整備済みでした。 4,5 は部門によりますが大抵の部門が方針・目標は文書化済みで、あとは課題を言語化して整理してあるかどうかです。 そのうえで少なくとも1部門介入支援をしていたので、私が必要な情報を拾い集めて検証用に情報をまとめるのは容易な状況でした。
背景は以下にまとまっています。
こういった背景から必要な情報はほぼ揃っていて、新たに書き起こす必要があるものはほぼ無かったため大きく工程をショートカットできました。 また、文書の質も重要です。生成AIの活用においてゴミを入れればゴミが出てくる、という格言もあるように結果に影響します。 その意味で、既存文書の質としても加筆修正が不要でそのまま使えるものばかりだったのも大きなところです。
必要なドキュメント
生成AIを社内事情に精通した優秀なアシスタントにするための情報として6種類の要素を紹介します。
1. ルール
AIがやっていいこととダメなことを区別するための境界線です。
- 具体例: 評価制度の規定、コンプライアンス指針、福利厚生のルール、意思決定の権限規定など。
- AIへの効能: 社内ルールに反した回答（ハルシネーション）を防ぎ、ガバナンスの効いたアウトプットが可能になります。
2. 制約事項
AIが自社の前提や用途別の前提から外れないようにするためのガードレールです。
- 具体例: 昇給予算の枠、評価ランクの分布ガイドライン、評価期間のタイムライン。
- AIへの役割: 「この目標は素晴らしいですが、今のリソースでは達成困難です」といった、現実的なフィードバックが可能になります。
3. 問題の要因
"今、何が起きているのか" という背景情報です。
- 具体例: 組織サーベイの分析結果、プロジェクトのふりかえり、未解決の課題リスト。
- AIへの効能: 一般論ではない自社の固有の課題をAIが理解できるようになり、的を射た分析や提案が受けられるようになります。
4. 解決策
"過去にどう解決したか" あるいは "どう解決すべきか" という知恵の引き出しです。
- 具体例: 過去の施策事例集、成功・失敗パターン、推奨されるアクションプラン、FAQ。
- AIへの効能: ゼロから考えさせるのではなく、過去の資産をベースにした地続きの解決策を提示させることができます。
5. プロセス
"誰が・いつ・どう動くべきか" という実行手順です。
- 具体例: 業務フロー図、作業手順書、コミュニケーションのパス、承認ルート。
- AIへの効能: 分析して終わりではなく、次に誰が何をすべきかという実行支援や自動化の設計までAIが踏み込めるようになります。
6. 良い例・悪い例
過去に発生した良い例、悪い例の情報です。 プロンプトエンジニアリングにおける Few-shot プロンプト の元情報になります。
- 具体例: "過去に高く評価された目標の書き方", "具体性に欠けると判断された目標の書き方"。
- AIへの役割: 基準だけでなく、塩梅を学習させることで、アウトプットの質が劇的に安定します。
ポイント
ソース情報は進化する
ソース情報の中には評価制度のルールのように頻繁には変わらないものもあれば、良い例・悪い例のように事例が増え、情報が充実していくものもあります。 情報が増えていくものは、そのファイルをソース情報にしたツールの出力をさらに充実させます。
Gemini の Gem であれば、新しいチャットを開始すればその段階で最新のソース情報を参照してくれますし、 NotebookLM の場合はソース情報が新しくなったら同期ボタンを実行すれば最新化できます。
ドキュメントは複数の用途で活きる
上記の目標設定支援ツールで評価制度の基本情報を使っていますが、評価の情報を必要とする他の業務向けのAIツールでも活用しています。
たとえば、社員が自分自身で内省から成長するためのサポートをする内省支援ツールを提供していますが、ここでも評価制度の情報をソース情報の一部として利用しています。 内省するうえで自社の評価基準を踏まえた助言を得るのに役立つわけです。
ソース情報の質が重要
ソース情報の表現が間違っていたり、曖昧だと、AIの判断も間違えやすくなります。 ドキュメント化する際の言語化の質が重要になります。
また、AIが内容を読み取るうえでアウトラインが重要になります。 Markdown にしろ、 Google ドキュメントにしろ、見出し構造や箇条書きを元に構造化された文書を作成する必要があります。
