ChatSenseのClaude連携とは？社内データを活用し業務を効率化する具体的なプロンプト例
ChatSenseのClaude連携は、あなたのチームの「あの件どうでしたっけ？」を根絶やしにする。AERA DIGITALが報じた通り、株式会社LIGは2024年6月、法人向けAIチャットサービス「ChatSense」において、従来のChatGPTに加え、新たにAnthropic社のClaude 3 SonnetおよびClaude 3 Haikuモデルへの対応を開始した。これにより、企業は自社のニーズに応じて、利用する大規模言語モデルを選択できるようになった。
📡 本日の観測ニュース
Claudeでも社内データ学習を可能に。法人向けAIの「ChatSense」がリリース - AERA DIGITAL
このアップデートの本質は、単なる選択肢の追加ではない。社内に散在し、誰も参照しなくなった膨大なPDFマニュアルや過去の議事録を、瞬時に文脈を理解して応答する「組織の集合知」へと変換する基盤が強化されたことにある。 Claude 3が一度に読み込める約15万語という情報量は、一般的なビジネス書2冊分に相当する。これだけの情報を背景に、社内データに基づいた回答を生成できるのだ。
「検索」から「対話」への移行
想像してほしい。新人のオペレーターが顧客を5分待たせた末に「分かりません」とエスカレーションしてきた問い合わせ。あなたが慌てて社内サーバーをキーワード検索し、いくつもの無関係なファイルを開いて時間を溶かす、あの不毛な瞬間だ。
- Before: リーダーが記憶と勘を頼りにファイルサーバーを検索。関連しそうなドキュメントを複数開き、該当箇所を目で探す。部下はその間、顧客を待たせ続ける。
- After: リーダー、あるいは新人自身がChatSenseに自然言語で質問。「X製品のYエラーに関する対応手順と、過去の類似案件での顧客への説明例を教えて」と入力。AIが学習済みデータの中から最適な回答を根拠付きで3秒で生成する。
リーダーの役割は「答えを知っている賢い先輩」から、「AIが生成した答えをレビューし、最終的な判断を下す指揮官」へと変わる。あなたの価値は、記憶力や検索スキルではなく、AIの出力を評価し、より高度な意思決定を行う能力によって定義される。これは、単なる効率化ではなく、業務における人間の役割の再定義だ。
ChatSense社内データ活用プロンプト
この変化を明日から体験するための第一歩が、質の高い指示、すなわちプロンプトだ。ChatSenseのような社内データ活用AIを、単なる検索エンジンで終わらせないための基本形を示す。これをコピーし、あなたの業務に合わせてカスタマイズするだけでいい。
#指示書
あなたは、私が所属する組織のナレッジをすべて学習した、経験豊富なスーパーバイザーです。アップロードされた以下の社内文書を横断的に参照し、私の質問に回答してください。
#参照ドキュメント
- 製品マニュアル ver3.4.pdf
- カスタマーサポート対応規定集_202405版.docx
- 2024年Q1_エスカレーション案件議事録.txt
#依頼内容 顧客から以下の問い合わせがありました。 「[ここに顧客からの問い合わせ内容を具体的に貼り付ける]」
#出力形式 以下の4項目で、具体的かつ分かりやすく回答を生成してください。
- 結論: この顧客に伝えるべき最も重要な回答（50字以内）。
- 根拠: 上記結論の根拠となる社内ドキュメントのファイル名、ページ番号、該当箇所を正確に引用。
- 対応スクリプト案: オペレーターがそのまま使える、丁寧かつ共感的な言葉遣いのスクリプト。
- 内部向け注意事項: この対応で特に注意すべきリスクや、エスカレーションが必要となる条件を箇条書きで示す。
このプロンプトの要点は、AIに明確な役割（スーパーバイザー）を与え、参照すべき情報源を限定し、具体的な出力形式を指定していることだ。これにより、AIは迷うことなく、あなたの期待する品質の回答を生成する確率が劇的に高まる。
しかし、ただツールを導入するだけでは、9割の現場で「使われないおもちゃ」と化す。AIを「検索が少し便利になったツール」で終わらせるか、「自律的に動く新入社員」として機能させるかを分けるのは、最初の「3つの動作」にある。
【3つの動作の処方箋】
ツールを導入し、基本プロンプトを共有した。しかし、数週間後、チームの利用率は低迷し、結局元のやり方に戻ってしまう。これは多くの組織で起こる現実だ。この「AI導入の死の谷」を越えるには、ツールを使う側の行動変容が不可欠だ。そのための具体的な3つの動作を処方する。
1. 「学習データ」を聖域化する
多くの失敗は「とりあえず全部AIに食わせてみよう」という発想から始まる。AIはゴミを入れればゴミを出す。最初の動作は、AIに学習させる情報を「聖域化」することだ。
- 具体的行動: チームで15分ミーティングを開き、「AIが参照すべき『正典』は何か？」を議論する。最新の製品マニュアル、改訂済みの規約集、成功事例として共有された対応ログなど、信頼性が高く、更新頻度が管理されているドキュメントだけをリストアップする。古い情報、未検証のメモ、個人の意見が含まれるチャットログは意図的に除外する。この「聖域リスト」をドキュメント化し、チームの共有フォルダの最上位に置く。
- 陥る罠: 「情報が多い方が賢くなるはず」という誤解。あらゆるデータを無差別に学習させると、AIは矛盾した情報や古い情報をもとに回答を生成し始め、その出力への信頼は急速に失われる。「AIは嘘をつく」というレッテルが貼られ、誰も使わなくなる。
- 代替手順: 「量より質」を徹底する。学習データは完璧である必要はないが、一貫している必要がある。まずは、最も利用頻度が高く、内容が安定しているマニュアル3つから始める。そして、「このAIは、この3つのマニュアルの内容にのみ精通した専門家です」とチームに周知する。対応範囲を限定することで、AIの回答の信頼性と予測可能性を高めるのだ。
2. 「質問の型」を共有財産にする
「良い答えは、良い質問からしか生まれない」という原則はAIに対しても同様だ。チームメンバーが思い思いのキーワードで検索するようにAIを使えば、得られる回答の質は安定しない。
- 具体的行動: 前述の基本プロンプトをベースに、チームで頻出する問い合わせパターン3つについて「質問テンプレート」を作成する。例えば「技術的な仕様確認」「料金プランに関する質問」「クレームの初期対応」などだ。各テンプレートには、「背景」「顧客の具体的な言葉」「知りたいこと」「期待する出力形式」といった項目を埋めるだけで質問が完成するように設計する。このテンプレートをSlackのピン留めやTeamsのWikiに登録し、誰もが使えるようにする。
- 陥る罠: 自由な入力を許容しすぎること。「AIだから自然言語で何でも聞けばいい」という期待は、多くの場合裏切られる。質問の背景や文脈が欠けていると、AIは当たり障りのない一般論しか返せない。結果、「使えない」という評価につながる。
- 代替手順: 質問行為そのものを「業務プロセス」として設計する。テンプレート利用を推奨し、優れた質問とその結果得られた質の高い回答をセットで「ベストプラクティス」として週次で共有する。これにより、個人技だった「質問力」がチームの共有財産へと昇華されていく。
3. 「AI回答レビュー」を儀式化する
AIの回答を鵜呑みにすることは、業務上の最大のリスクだ。特に顧客対応においては、誤った情報が企業の信頼を根底から揺るがしかねない。
- 具体的行動: チームのルールとして「AIの生成した回答は、顧客に提示する前に必ず人間の目を通す」ことを定める。特に新人や経験の浅いメンバーに対しては、リーダーや先輩がレビューするプロセスを必須とする。チェックリストを作成し、「根拠ドキュメントは正しいか？」「顧客の感情に配慮した表現か？」「提示した解決策にリスクはないか？」といった項目を確認する「儀式」を業務フローに組み込む。
- 陥る罠: 効率化を急ぐあまり、レビュープロセスを省略してしまうこと。「AIが言っているから正しいだろう」という思考停止は、重大なインシデントの温床となる。一度問題が起きれば、ツールそのものの利用が禁止されかねない。
- 代替手順: レビューを「手間」ではなく「AIを育てるためのフィードバック」と位置づける。AIの回答が不正確だったり、改善の余地があったりした場合、その内容と「あるべき回答」をセットで記録する。このフィードバックデータを定期的に蓄積し、将来的にAIの再学習（ファインチューニング）や学習データの改善に活用する。レビューは、単なる品質管理ではなく、未来のAIの精度を高めるための投資活動なのだ。
【AI-NATIVE CAREERからの応用プロンプト集】
上記の動作を定着させた上で、さらにAIを業務に深く統合するための応用プロンプトを3つ示す。
1. 新人教育用・OJT支援プロンプト あなたは新人オペレーター向けの教育担当です。学習済みのマニュアルに基づき、以下の業務手順について、全くの初心者が理解できるよう、ステップバイステップ形式で説明してください。各ステップでは「なぜそうするのか」という理由も必ず添えてください。
- 業務手順: 顧客からの返品依頼の受け付けプロセス
2. クレーム対応・感情分析プロンプト あなたはベテランのクレーム対応スペシャリストです。以下の顧客からの怒りのメールを分析し、[1. 顧客が本当に求めていること（潜在的ニーズ）]、[2. 共感を示すべきポイント]、[3. 提示すべき具体的な解決策の選択肢] の3点を整理してください。その上で、これらを踏まえた返信メールのドラフトを作成してください。
- 顧客からのメール: [ここに感情的なクレームメールを貼り付け]
3. 週次報告・傾向分析プロンプト あなたはデータアナリストです。今週寄せられた問い合わせログ（テキストファイル）を分析し、以下の項目を含む週次報告レポートを作成してください。
- 問い合わせ件数が多かったトピックTOP3
- 先週と比較して急増した問い合わせ内容とその背景の推察
- FAQやマニュアルの改善に繋がる提案を3つ
- 問い合わせログ: [ここに週次のログデータを貼り付け]
組織の知性は、サーバーの奥深くで眠っている。それを呼び覚ますのは魔法ではなく、体系化された問いかけの技術だ。—— AI-NATIVE CAREER
💭 あなたの組織では、社内のナレッジや過去の知見は「資産」として活用されているか、それとも「負債」として放置されているか。
AI時代の管理職向け 有料記事
AI-NATIVE CAREERでは、管理職がAI時代を生き残るための具体的な行動プロトコル・テンプレート・チェックリストを有料記事で公開しています。
本記事はAI-NATIVE CAREER編集部が最新ニュースを基に作成しました。掲載情報の正確性については各一次情報源をご確認ください。