自社のことを聞けば答える、
専用のAIチャットボットをつくる

ゼロスタートでは、NDAを結んで要件を伺い、簡易デモを0円で作ります。合わなければ、デモの段階で費用なしに終了できます。デモのあとの開発は準委任（月額）で、単価は時間あたりで公開しています。デザイナーは1時間あたり4,000〜5,500円、エンジニアは1時間あたり5,000〜8,000円、PMは1時間あたり10,000円、AIエンジニアは1時間あたり8,000円〜。いずれも税別です。小さな範囲なら100万円から始められます。PoCから本番運用まで（おおむね3〜4か月）の目安は300万〜400万円（税別）です。金額と期間は、対象業務と連携範囲が決まった時点で都度お見積もりします。クラウドやAPIの利用料は別途です。

検索対象にしたい資料と、答えさせたい質問の例を3〜5個いただければ始められます。資料は整理前のままで大丈夫です。正式版や最新版がどれか決まっていない状態でも、そのままお預かりします。こちらで候補を挙げ、御社の担当者に確認しながら決めます。要件書は不要です。社内では、資料を読み取るための権限と、業務を説明していただく時間をご用意ください。

置き場所は、Google Drive、Box、SharePoint、共有フォルダ、業務システムのどれでも構いません。APIやエクスポートでファイルを取り出せることが条件です。実際に取り出せるか、どの形式が読めるかは、0円のデモの段階で現物を見て確認します。取り出しにくい置き場所も、この時点で分かります。

データのお預かりは、NDAを結んだあとです。回答に使うモデルは、入力を学習に使わない契約のAPIか、こちらで用意したサーバー上で動かすモデルから選べます。Beekleは自社の検索システムを自前のサーバーで運用しているので、外部のSaaSに資料を預けない構成も作れます。閲覧権限は検索結果にも反映し、権限のない人の質問には該当資料が出ない状態にします。

決め手は、量より質問の種類です。1つの資料を開けば答えが出る質問しかないなら、量が多くても全文検索とフォルダの整理で足ります。複数の資料を突き合わせないと答えが出ない質問や、特定の人しか答えられない質問が毎日出ているなら、資料が少なくても導入の対象です。どちらに当たるかは、デモの段階で判断できます。

次の4つを確認できたら、本番の範囲と費用を決めます。実際の業務の質問で、正答・誤答・答えられなかったものを数えられること。回答と一緒に根拠の箇所が出ること。閲覧権限と文書の版を分けて扱えること。資料が更新されたら、検索用のデータも更新されること。確認できなければ、範囲を狭めるか、見送る判断をします。

対象にする文書の種類と量、正式版と閲覧権限の整理状況、答えさせたい質問の種類の幅、つなぐ既存システムの数で増減します。有料の開発は準委任契約で、請求は月額が基本です。作業量が少ない案件は、作業した時間に単価を掛ける時間精算です。範囲を狭めれば費用は下がり、扱う資料の種類と連携先が増えるほど上がります。見積もりは、デモで分かったデータの状態をもとに出します。

改善できます。最初に、答えが外れる原因を4つに分けて調べます。質問から条件が抜けている、資料が正しく取り込まれていない、探し方が質問に合っていない、回答の作り方に問題がある、の4つです。資料の取り込み方や探し方の調整で答えられるようになる質問は、その調整で直します。複数の資料を突き合わせる質問で失敗していると測って分かった場合は、資料どうしを照合する仕組みを足します。

答えさせたい質問を見て、こちらで決めます。通常のRAGは、社内文書から質問に近い部分を探してAIへ渡す作りです。1つのマニュアルやFAQに答えが書かれている質問なら、通常のRAGで答えられます。GraphRAGは、複数の資料を開いて突き合わせないと答えが出ない質問に向いています。「この製品に合う部品と、その適用条件と、廃番時の後継品」のような質問です。こうした質問への回答精度を通常のRAGで確保できない場合に、GraphRAGを検討します。どちらにするかは、御社の業務の質問で測ってから確定します。

対応できます。先に決めるのは、どのシステムを元データにするかと、更新が反映されるまでに許せる遅れです。検索用のデータは、変更の通知か定期実行のうち合う方法で、元データに合わせて更新します。追加・更新・削除の反映漏れや古くなった情報は、元データとの差分から検知します。変更の内容によっては差分の更新では足りず、検索用のデータの作り直しが必要です。

RAGは、AIが答える前に自社の資料を検索し、その内容を根拠に回答を作る仕組みです。自社専用のAIや社内GPTと呼ばれるものは、この仕組みで自社の資料と知識を持たせたAIのことです。汎用のAIチャットは御社の製品も規程も過去の対応も知らないので、RAGで社内の資料をつなぎます。つないだ資料は、AIモデルを新しいものに替えてもそのまま使えます。このページのサービスの範囲は、資料を調べて答え、文書の下書きを作るところまでです。報告書の作成やシステムへの登録まで頼む場合は、社内AI・社内GPT構築としてAIエージェントを組み合わせます。

チャットボットは利用者が質問する窓口で、RAGは必要な資料を検索して回答の根拠に使う仕組みです。Beekleでは両方を一つのサービスとして開発し、社内文書検索、部品・仕様の確認、社内外の問い合わせ対応など、用途に合わせて設計します。回答後の入力・更新・送信まで進めたい場合は、AIエージェントも組み合わせます。

導入時に設計した評価用のテストで原因を特定します。資料を追加するたび、AIへの指示文やモデル、検索方法を変えるたびに実行しているテストです。このテストで、どの変更で落ちたかを突き止めて直します。

できます。誤答の例ごとに、原因が次の4つのどれに当たるかを特定した一覧をお渡しします。質問から条件が抜けている、資料が正しく取り込まれていない、探し方が質問に合っていない、回答の作り方に問題がある、の4つです。この一覧は、改善の予算や投資継続の説明に使えます。

できます。今の仕組みで何が足りなかったかを実際の質問と誤答の例から整理し、使い続けられる部分は残す提案をします。