ブログ
スタッフブログ
暗黙知をナレッジとして活用する方法 ―Notionと生成AIを活用する
2026-04-10
昨年のインフラDX大賞で、大日コンサルタントさんがRAG方式の生成AIを活用した社内ナレッジベースの取り組みで受賞されました。
これがとても面白い事例で、自分でも取り組んでみたいと思っています。
RAGとは、大規模言語モデル（LLM）に独自の知識データベースを組み合わせることで、一般的なLLMの知識を超えた回答を生成する技術です。
社内の非公開情報や蓄積された知見をナレッジとして参照させることができます。
暗黙知はなぜ使いにくいのか
そもそも暗黙知が活用しにくい理由は、言語化しにくく、人から人へ伝えることが難しいからです。
図面を見て「なんかおかしい」と感じるベテランの感覚や、現場で培ったコツのようなものは、マニュアルには残りません。
ただ、完全に言語化できなくても、その暗黙知が関わった事象や取組を散文的にでも数多く登録しておけば、AIがそのときの状況に応じてマッチした形で整理・取り出してくれるのではないか、と考えています。「完璧な言語化」ではなく「断片の蓄積」でいい、というのがポイントです。
社内の知見をDBに蓄積しておき、取り出すときにAIを活用すれば、暗黙知を使える形でシステム化できるのでは――大日コンサルタントさんの取り組みはまさにそれを実現したものでした。
ChatGPTだけでは難しい
私もRAG方式のナレッジベースを自社で作りたいと思い、まず検討したのがChatGPTのカスタムGPTです。
PDFなどを知識として追加することでRAGを実現できますが、ファイルを増やすごとに動作が重くなり、社内ナレッジベースとして運用するのはかなり無理があると感じました。
NotionとAIをつなぐ
そこで注目したのが、NotionやObsidianのようなデータベースシステムと生成AIを連携させる方法です。
オフラインで動くObsidianも候補でしたが、データ登録の柔軟性を考え、クラウド型のNotionを選びました（運用しながら見直すかもしれませんが）。
過去のナレッジをまとめて登録する時間は取れないので、今から入ってくる情報を生成AIとNotionで継続的に蓄積するという方針にしています。
現在やっていることを整理するとこんな感じです。
- 解決したことや思ったこと、外部からの情報など
- 生成AIが内容を整理・要約する
- Notionに自動登録してDB化される
シンプルですが、「情報が流れっぱなしにならず、蓄積される」という点が重要です。
国土交通省のメルマガなどもアップしていますが、これだけでも業界トレンドの把握がかなり楽になりました。
まだ試行錯誤の段階ですが、手応えは感じています。
今後、うまく活用できた事例が出てきたらまたご紹介していきます。
加納