アノテテの「AI社員」導入の前に知るべき構造。散らばる社内マニュアルをClaudeで10分で「知能化」する唯一のプロンプト。
📡 本日の観測ニュース
株式会社アノテテ、社内ルールを学習して業務をこなす「企業専用AIエージェント（AI社員）」構築支援、『Claude Code 導入支援サービス』を提供開始 - PR TIMES
株式会社アノテテが2024年5月22日に発表した『Claude Code 導入支援サービス』は、社内ルールを学習して業務をこなす「企業専用AIエージェント（AI社員）」の構築を支援するものだ。PR TIMESによれば、このサービスはAnthropic社の生成AI「Claude」を活用し、企業固有のナレッジをAIに組み込むことを目的としている。
このニュースの本質は、点在するテキスト情報を、対話可能な「知能」に変換する仕組みがパッケージ化されたという一点に尽きる。調査によれば知識労働者は勤務時間の約20%を情報の検索に費やすとされるが、問題はその時間ではない。検索しても見つからない、あるいは複数の資料のどこに最新情報があるか分からず、結局「知っていそうな人」に聞くしかない状況、これが組織の生産性を蝕む。
特に複数の部署を横断して調整役を担うミドル層は、この「知っていそうな人」にされがちだ。あなたは、自分のタスクを進めたいのに、経費精算、出張申請、新ツールの使い方といった、過去に誰かが作ったマニュアルを読めばわかるはずの質問に、一日何度も答えていないか。これは、組織が個人に返済を強いている「社内情報債務」と呼ぶべきものだ。
アノテテ AI社員の本格導入を待たずとも、この債務を個人レベルで軽減し、その構造を理解する方法がある。Claudeのような高性能なLLMは、長文読解能力が極めて高い。つまり、マニュアルや規定集を「コンテキスト」として与えれば、即席の専門家として機能させられる。
重要なのは、AIに丸投げするのではなく、「あなたはこの情報だけを元に、こういう役割を演じなさい」と明確に指示する作法だ。これこそが、ツールに使われるのではなく、AIを部下のように使う第一歩となる。
即席「社内ヘルプデスク」を作るプロンプト
今、あなたのPCに保存されているであろう「経費精算マニュアル.pdf」や「在宅勤務規定.docx」の内容をコピーし、以下のプロンプトの[ここにマニュアルのテキストを貼り付け]の部分にペーストして、Claudeに投げ込んでみてほしい。それだけで、あなたの代わりに24時間365日、正確に答えてくれるヘルプデスクが立ち上がる。
命令書
あなたは、私が所属する企業の社内ヘルプデスク担当者です。あなたの役割は、提供された以下の「社内規定テキスト」の内容に基づき、従業員からの質問に正確かつ簡潔に回答することです。
制約条件
- 回答は、必ず「社内規定テキスト」に記載されている情報のみを根拠としてください。
- テキストに記載のない情報については、決して推測や一般的な知識で補わず、「規定には記載がありません。関連部署へお問い合わせください。」と明確に回答してください。
- 質問者に対して、フレンドリーかつ丁寧な口調を維持してください。
- 回答の最後には、根拠となった箇所を引用する必要はありません。シンプルに回答だけを提示してください。
社内規定テキスト
[ここにマニュアルのテキストを貼り付け]以上の設定に基づき、最初の質問を待ってください。「準備はよろしいですか？」と確認は不要です。静かに待機してください。
このプロンプトを一度実行すれば、あとは同じチャット内で「リモートワーク中の交通費は出ますか？」「慶弔休暇は何親等まで取得可能ですか？」と質問するだけで、AIはマニュアルの範囲内で正確に回答する。これが、アノテテが提供する「AI社員」の最も基本的な構造だ。
しかし、現実の社内情報は単一の文書に収まらない。複数のPDF、散らばった議事録、Slackのログ——これら全てを統合して「AI社員」の脳を構築する手法こそが、真の生産性解放の鍵となる。
ここからは、単一のマニュアル対応を超え、散在するナレッジを統合して「チーム専用AI」を育成するための具体的な処方箋を提示する。
処方箋1: 「点の知識」から「面の知識」へ
-
Before（大多数の行動）: ある質問に対し、経費精算マニュアルA、システム操作マニュアルB、特例措置の通達Cを個別に開き、頭の中で情報を統合して回答を作成する。毎回このプロセスを繰り返すため、同じような質問が来るたびに同じ時間がかかる。部下が参照すべきファイルが複数にまたがるため、「とりあえず〇〇さんに聞こう」という文化が定着し、ボトルネックであり続ける。
-
After（生存者の行動）: Claudeの長文コンテキストウィンドウ（200Kトークン）を「仮想的な共有フォルダ」と見なす。まず、関連する複数のドキュメント（マニュアルA, B, 通達C）のテキストをすべて連結し、하나のテキストファイルとして保存する。そして、無料ゾーンで提示したプロンプトの
[社内規定テキスト]部分に、この連結したテキストを丸ごと投入する。これにより、AIは複数の情報源を横断的に理解し、「新システムでの申請だが、旧ルールが適用されるこのケースでは、特例措置Cに基づき〇〇と入力してください」といった、人間であれば複数のファイルを見比べなければ答えられない質問にも即答できるようになる。まずやるべきは、明日、自分の担当領域で最もよく質問されるテーマに関する資料を3つ選び、テキストを連結させてAIに読み込ませることだ。
処方箋2: 暗黙知を「形式知」へ変換する
-
Before（大多数の行動）: SlackやTeamsのDMで来る個別の質問に、その都度回答する。そのやりとりは当事者以外には見えず、貴重なQ&Aナレッジは揮発していく。「以前も同じ質問に答えたな」と思いつつも、再度説明する方が早いと考えてしまう。結果として、同じ質問が異なる人物から繰り返し行われ、チーム全体の生産性が低下する。
-
After（生存者の行動）: Slackでの質問対応を「AIの学習データ作成プロセス」と位置づける。質問に回答する際、将来AIが読み込めるように、Q&A形式で簡潔にまとめる癖をつける。例えば、「〇〇の件ですが、△△で合ってますか？」という質問に対し、単に「はい、合ってます」と返すのではなく、「Q. 〇〇の申請方法について。A. △△の手順で申請してください。補足: 例外として××の場合は□□となります。」という形式でチャンネルに投稿する。週に一度、これらのQ&Aをコピーしてドキュメントに蓄積し、処方箋1の「連結テキスト」に追加していく。これはAIへの「餌やり」であり、未来の自分への投資である。
処方箋3: 「AIを使う側」から「AIを育てる側」へ
-
Before（大多数の行動）: 会社が導入した新しいAIツールを前に、「どう使えばいいんだろう」「自分の業務にどう役立つのか」と受け身の姿勢で待つ。とりあえず触ってみるものの、期待した答えが返ってこないと「まだ使えないな」と判断し、元のやり方に戻ってしまう。
-
After（生存者の行動）: AIを「完成されたツール」ではなく「新人の部下」と捉える。最初は知識も経験もないため、明確な指示と質の高い情報（マニュアル）を与える必要があると理解している。AIが間違った回答をすれば、それは自分の「指示（プロンプト）」や「与えた資料（コンテキスト）」に問題があったと捉え、改善を試みる。具体的には、AIが答えられなかった質問とその正しい回答を「Q&Aリスト」に追記し、定期的に知識ベースを更新していく。AIの性能に一喜一憂するのではなく、AIの「教育係」としての役割を自認し、チームのナレッジベースを育てるプロセスそのものを楽しむ。
【AI-NATIVE CAREERからの応用プロンプト集】
-
複数ドキュメントの矛盾指摘プロンプト:
あなたは優秀な編集者です。以下の2つの社内文書を読み比べ、内容が矛盾している箇所、あるいは解釈が分かれる可能性のある箇所を3つ指摘してください。
文書A: [文書Aのテキスト]
文書B: [文書Bのテキスト]
-
Slackログ要約・Q&A抽出プロンプト:
以下のSlackチャンネルの会話ログから、重要な決定事項と、今後FAQとして参照されるべき「質問と回答」のペアを抽出してください。抽出したQ&Aは、誰が読んでも理解できるよう、背景情報を補って整形してください。
会話ログ: [ログのテキスト]
-
知識アップデート・差分確認プロンプト:
あなたは既存の「社内規定A」を完全に記憶しています。今回、新たに「改訂版B」が提示されました。AとBを比較し、変更された点をリストアップしてください。また、この変更によって、従業員の行動にどのような影響が出るか、具体例を挙げて説明してください。
社内規定A: [既存の規定テキスト]
改訂版B: [新しい規定テキスト]
AIは社内ルールを学習する。では、あなたはAIから何を学ぶのか。その問いに答えられない時、主従は逆転している。 AI-NATIVE CAREER
💭 あなたの職場で最も頻繁に質問される「あの件」とは、具体的にどのような内容ですか？
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。