当社の製造業向けRAGでは、数百件の社内文書・資料を対象に、社内文書用と資料検索用の2種類のチャットボットを構築しました。実装した検索機能と、測定していない効果を分けて紹介します。
2026年9月7日時点の情報です。
公開事例の範囲
製造業向けRAG実績ページでは、マニュアル・手順書・規程類を扱う社内文書チャットボットと、報告書・議事録・技術文書を探す資料検索チャットボットを紹介しています。
Next.js、OpenAI APIによる回答・Embedding生成、Mastra、Azureを用い、1名のフルスタック体制で構築した記録です。開発期間は非公開で、検索時間・教育コスト・精度の改善率は掲載していません。
用途別に索引を分けた構成
| 用途 | 対象 | 探す目的 |
|---|---|---|
| 社内文書 | マニュアル、手順書、規程 | 業務の根拠となる文書を参照 |
| 資料検索 | 報告書、議事録、技術文書 | 関連する過去資料を探す |
公開記録では用途別に索引を分けています。これにより異なる資料群を別の検索体験として扱っていますが、索引分離による精度向上率を実測したものとして説明しません。
自社導入で試す質問の例
以下は当該案件の試験結果ではなく、説明用の評価例です。
- 現行手順と旧版がある：対象設備・適用日・承認状態を区別する。
- 顧客専用仕様がある：閲覧権限のない人へ本文やタイトルを返さない。
- 規程にない例外を質問する：推測で答えず、確認先を示す。
- 過去の報告書を探す：当時の条件を現在の標準手順と混同しない。
- 文書を廃止する：削除・廃止が検索へ反映されることを確認する。
文書化されていない技能は別に記録する
RAGが扱うのは取り込んだ情報です。力加減や音の聞き分け、例外判断など、記録されていない技能が自動的に共有されるわけではありません。OJT、動画、聞き取りを組み合わせ、専門家が内容を確認します。
保存先と送信先
この事例にはOpenAI APIの利用が含まれます。Azureに環境を置くことと、データが外部へ送られないことは別です。新たな導入では、元文書、Embedding、推論、ログ、保守アクセスを分けて確認してください。
これから測るなら
対象文書と質問を揃え、正しい資料への到達、回答不可、権限外、担当者の確認時間を記録します。実装機能の紹介と、導入後の業務効果の測定を分けて判断します。生産管理そのものをAI駆動開発で刷新する場合は製造業の生産管理をAI駆動開発する、基幹システム全体の比較は製造業のERPとフルスクラッチを比較で扱っています。
よくある質問
Q. この事例は生産管理システムの刷新ですか？
社内文書・資料検索のRAG構築です。生産管理、在庫、ERP刷新の実績とは分けて紹介しています。
Q. 精度や時間の改善率は分かりますか？
この記事で提示できる測定値はありません。公開済みの構成と機能、導入前の評価例を説明しています。
自社の状況を整理して相談する
まず、対象文書の種類、現行と旧版、検索する目的、権限を書き出してください。この記事に合う検討シートとAI相談用プロンプトで、未確認の項目を残したまま整理できます。シートを完成させる前でも、お気軽にご相談いただけます。
運営・編集