> For the complete documentation index, see [llms.txt](https://docs.maiagent.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.maiagent.ai/maiagent-user-guide/ja/application/km.md).

# 社内ナレッジ管理

企業内部のドキュメント、議事録、各種データをナレッジベースに統合し、セマンティック理解能力を備えた社内 AI ナレッジアシスタントを構築します

企業がナレッジ管理を推進する際、既存のナレッジ管理システムの機能に制限され、キーワードによる資料検索しか行えないことがよくあります。この方法は意味理解に欠けるだけでなく、十分に精度の高い結果が得られにくく、企業の膨大で多様なナレッジニーズに効果的に応えることができません。

MaiAgent を活用すれば、企業専用の AI ナレッジアシスタントを構築し、よりスマートで効率的なナレッジ管理を実現できます。

## 適用シーン <a href="#use-cases" id="use-cases"></a>

* **専門知識・業界知識の Q\&A**：学術誌、調査レポート、社内技術文書は膨大な量があり、常に更新されています。社員は一つずつ読み通すのではなく、要点を素早く見つける必要があります。
* **会議における意思決定の追跡**：議事録が各所に散在しており、要件や決定事項が繰り返し変更される場合、「どの会議で誰がどう決めたか」を素早く確認することが困難です。
* **データのビジュアライゼーション分析**：財務や信用調査の分析業務ではグラフの作成を繰り返す必要があります。手作業では時間がかかり、フォーマットも統一されません。Canvas を使えば、自然言語でインタラクティブなグラフを直接生成できます。
* **伝票・経理の自動化**：経費精算の領収書や請求書を一件ずつシステムに手入力する必要があり、さらに部門コードの対応などの社内ビジネスルールを適用しなければなりません。
* **部門横断のアクセス制御**：部門や職位によってアクセスできるナレッジの範囲が異なるため、ナレッジベースはユーザーの身分に応じて検索範囲を制限できる必要があります。

## 動作の仕組み <a href="#how-it-works" id="how-it-works"></a>

| ステップ                 | 内容                                                                                             |
| -------------------- | ---------------------------------------------------------------------------------------------- |
| **① ナレッジソース**        | ドキュメントアップロード（PDF／Office／画像）、ウェブクローラーによる取得、議事録の文字起こし                                            |
| **② ナレッジベースへの取り込み**  | システムがドキュメントを解析・チャンク分割し、セマンティックベクトルに変換した後、タグやメタデータで分類します                                        |
| **③ AI アシスタントによる活用** | RAG による検索・Q\&A を実施。グラフが必要な場合は Canvas でビジュアライゼーション分析を行い、リアルタイムデータが必要な場合はツール呼び出しやデータベースクエリを実行します |
| **④ アクセス制御**         | 役割権限とクエリメタデータにより、各ユーザーが検索できるドキュメントを決定します                                                       |
| **⑤ 社内ユーザー**         | 管理画面または連携済みの社内チャネルで回答を受け取ります                                                                   |

従来のキーワード検索との最大の違いは、ナレッジベースがまずドキュメントをチャンク分割してセマンティックベクトルに変換することです。これにより、AI アシスタントは文字の表面的な一致ではなく、質問の意図と文脈を理解できます。回答は複数のデータソースから情報を統合して生成され、検証用に引用元が添付されます。

## 構築フロー <a href="#setup-workflow" id="setup-workflow"></a>

### 1. ナレッジベースを作成する <a href="#step1-create-knowledge-base" id="step1-create-knowledge-base"></a>

<mark style="color:blue;">ナレッジベース</mark> ページでナレッジベースを作成し、[基本設定](/maiagent-user-guide/ja/km/km-basic-settings.md)を行います。適切な解析方法とチャンク分割方法を選択してください。

### 2. ナレッジソースをインポートする <a href="#step2-import-sources" id="step2-import-sources"></a>

既存のドキュメントをアップロードするか、[ウェブクローラー機能](/maiagent-user-guide/ja/km/scrape-website.md)で社内 Web サイトのコンテンツを取得します。ナレッジソースが会議の場合は、[議事録](/maiagent-user-guide/ja/meeting-records/meeting-records.md)で自動文字起こしを行い、[ナレッジベースに統合](/maiagent-user-guide/ja/meeting-records/download-and-export.md)できます。

### 3. タグとメタデータを整理する <a href="#step3-tags-and-metadata" id="step3-tags-and-metadata"></a>

ドキュメントに[タグとメタデータ](/maiagent-user-guide/ja/km/tags-and-metadata.md)（部門、年度、ドキュメントタイプなど）を付与します。これが後続の権限フィルタリングと精密な検索の基盤となります。

### 4. 検索品質を検証する <a href="#step4-test-search" id="step4-test-search"></a>

[検索テスト](/maiagent-user-guide/ja/km/test-search-result.md)で実際に質問される内容を入力し、ヒットした段落が正しいかを確認します。必要に応じて、チャンク分割設定の調整やデータの補充を検討してください。

### 5. AI アシスタントを作成してナレッジベースを紐付ける <a href="#step5-create-agent" id="step5-create-agent"></a>

[AI アシスタントを作成](/maiagent-user-guide/ja/build/setup.md)し、ナレッジベースを紐付けます。グラフ生成が必要な場合は、回答モードを「Agent モード」に設定し、Canvas モードを有効にしてください。

### 6. アクセス権限を設定する <a href="#step6-access-control" id="step6-access-control"></a>

[役割権限管理](/maiagent-user-guide/ja/org/roles/role-permission.md)と[ナレッジ管理権限：クエリメタデータ](/maiagent-user-guide/ja/org/querymetadata.md)を通じて、異なる部門や職位のユーザーが自分のアクセス権限内のドキュメントのみ検索できるようにします。

{% hint style="warning" %}
社内ナレッジベースには機密情報が含まれていることが多くあります。本番稼働前に必ず権限設定を確認し、異なる役割のアカウントで検索結果をテストして、権限を超えたアクセスを防止してください。
{% endhint %}

## 活用例 <a href="#examples" id="examples"></a>

* [専門知識管理](/maiagent-user-guide/ja/application/km/internalkm.md)：海運業界の学術誌やレポートを例に、社内の専門知識 Q\&A アシスタントを構築します。
* [会議の要件管理](/maiagent-user-guide/ja/application/km/meeting.md)：ソフトウェアプロジェクトの要件変更を例に、AI で過去の会議における意思決定の経緯を素早くたどります。
* [財務分析アシスタント](/maiagent-user-guide/ja/application/km/finance.md)：Canvas を活用し、自然言語で売上やグロスマージンなどのインタラクティブな財務グラフを生成します。
* [伝票費用アシスタント](/maiagent-user-guide/ja/application/km/billing-assistant.md)：光熱費、通信費などの経費精算領収書を認識し、部門コードなどの社内ビジネスルールを自動適用します。
* [信用調査分析アシスタント](/maiagent-user-guide/ja/application/km/credit.md)：信用情報を統合し、Canvas でリスク評価グラフを生成して、与信審査を加速します。

以降の各セクションでは、実際のケースを通じて構築プロセスを示します。ご自身の業務シーンへ迅速に活用してください。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.maiagent.ai/maiagent-user-guide/ja/application/km.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.