AIに資料を渡す前に、業務の言葉をそろえる。自社知識を活かすための準備。

最近のObsidian記事から考えた、専門業務とAIの接点。大量の資料を渡すだけで終わらず、定義・正本・判断例を整える意味を図解します。

読書・検討記録：2026.09.25記録・編集：株式会社オーシャン

同じ言葉でも、会社によって意味が違う。

売上、粗利、受注、対応済み。日常的な言葉ほど、集計や運用の定義が省略されがちです。AIが一般的な意味で正しく答えても、その会社の実務では違う答えになることがあります。

専門業務向けAIの記事をObsidianへ保存したことをきっかけに、私たちが先に整えたい情報を整理しました。独自の大規模モデルを開発する話を、そのまま中小企業の必須条件にするのではなく、自社の言葉と判断を扱える土台へ置き換えて考えます。

FIGURE 01自社知識を3層に分ける

原本には、実際に起きたことや受け取った資料を残します。定義には、その数字や状態をどう数えるかを書く。判断例には、ある条件でなぜその対応を選んだかを残します。これらを混ぜると、過去の一例が現在のルールのように扱われることがあります。

古い版と新しい版が同居する場合も、どちらを正本として使うかを示します。資料の量を増やす前に、AIが参照すべき情報と、履歴として残す情報を区別する。人に引き継ぐ場合と同じ準備です。

FIGURE 02資料の量より、参照の条件

ルールの文章だけでは、例外をどう扱うか伝わらないことがあります。「この条件なら含める」「この場合は保留する」という判断例を、理由とともに残します。機密情報を広く渡すのではなく、必要な範囲で抽象化した例も使えます。

業務に詳しい人の確認が必要なのは、こうした境界です。AIが読める形式にするだけでなく、実務として正しいかを確かめる。データを扱う技術と、業務を理解する対話を一緒に進める理由がここにあります。

FIGURE 03業務の理解を、答えの確認へ

一般的にもっともらしい文章かどうかではなく、実際の定義に合っているか、例外を扱えているか、必要な根拠に戻れるかを見ます。分からない場合に保留できることも、業務では重要な能力です。

AI活用の準備は、結果として会社の知識を整理する仕事になります。誰かの頭の中にあった判断を共有できるようにする。その過程自体が、属人化を減らす土台になると考えています。

参照資料をきっかけに、オーシャンの考察・実践方針として整理しています。

TALK WITH OCEAN

まだ仕様や依頼内容がまとまっていなくても、まずは経営や現場で気になっていることからお聞かせください。

オーシャンの社内備忘録を、人とAIで整理・編集しています。クライアントを特定できる情報は掲載していません。説明用に再構成した図や画面は、その旨を記載しています。

公開：2026.09.28。記録の日付は題材となった実践・検討の時点です。