社内ナレッジのAI連携｜何を読ませ、何を任せるかの運用設計

Q: ドキュメント単位の除外とグループ単位のAI利用制限は何が違いますか？

制御の粒度と、必要な契約が違います。DocBaseのno-aiタグはドキュメント単位でAIの参照対象から除外する標準機能で、追加費用なしで使えます。グループ単位のAI利用制限は特定グループのドキュメントをまとめてAI機能の対象外にする機能で、セキュリティパック（有料オプション）の契約が必要です。新しく作られるドキュメントも自動的に対象外にしたい場合は、後者が適しています。

最終更新日:2026年9月18日

MCP（Model Context Protocol）に対応したツールが増え、社内ナレッジとAIの接続そのものは短時間で終わるようになりました。その一方で、論点は「どう繋ぐか」から「繋いだ後どう運用するか」へ移りつつあります。繋いだのに精度が上がらない、情シスの承認で止まる、誰もナレッジを更新しなくなる。こうした課題は、接続の不具合ではなく運用設計の不足から生まれます。

この記事では、社内ナレッジのAI連携を「接続作業」ではなく「運用設計」として整理します。読み終えると、次の5つがわかります。

「AIが正しく引用できる状態」とは何ができている状態を指すのか
社内のドキュメントのうち、どれをAIに読ませ、どれを読ませないかを分ける判断基準
「人は読めるがAIには読ませない」を実現する具体的な設定方法
AIに任せていい仕事と、人の承認を残すべき仕事の線引き
運用が回らなくなる典型的な失敗と、その回避策

なお、接続の手順そのものはこの記事では扱いません。DocBaseとAIツールの接続方法はDocBase MCPサーバーの接続手順をヘルプで確認する、Claudeとの具体的な設定手順はClaude MCPとDocBaseを連携させる設定手順の記事を読むをご覧ください。

社内ナレッジのAI連携とは「AIが正しく引用できる状態」をつくること

社内ナレッジのAI連携とは、ChatGPTやClaudeなどのAIツールが、社内に蓄積されたドキュメントを必要なときに参照し、出典付きで引用しながら回答できる状態をつくることです。ファイルをその都度コピーして貼り付けるのではなく、AIが自律的に社内の情報源を検索・参照できる状態を指します。

これを実現する標準規格がMCP（Model Context Protocol）です。MCPはAIアプリと外部データソースをつなぐための共通仕様で、対応したツール同士であれば個別の開発を大きく減らして接続できます。技術的な仕組みや、ローカルMCPとリモートMCPの違いについてはローカルMCPとリモートMCPの違いを解説した記事を読むで詳しく解説しています。

ただし、接続が完了したことと、AI連携が機能していることは別の話です。ここを混同すると、次章以降で説明する失敗につながります。

「AIが正しく引用できる状態」の定義：4つの条件

結論から言うと、次の4つがすべて満たされて初めて「AIが正しく引用できる状態」と言えます。接続確認が取れただけでは、まだ1つ目しか満たしていません。

#	条件	確認方法
1	AIが社内ナレッジを検索・参照できる	AIに社内固有の用語を尋ね、社内ドキュメントを根拠に回答が返る
2	回答に出典が付き、引用元のドキュメントまでたどれる	回答内のタイトルやURLから、実際のドキュメントを開ける
3	閲覧権限が正しく反映されている	権限のないメンバーのアカウントで同じ質問をして、参照されないことを確認
4	AIに読ませたくない情報が参照対象から外れている	除外設定をしたドキュメントの内容を尋ね、回答に含まれないことを確認

「正しく」には2つの意味があります。出典をたどれること（条件2）と、引用してよい範囲だけを引用していること（条件3・4）です。多くの組織が1と2で満足して運用を始めてしまいますが、実務上のトラブルは3と4から発生します。特に4は注意が必要です。除外設定をしない限り、そのユーザーの閲覧権限内にある情報はAIの参照対象になり得ます。「読ませない」は、明示的に設定して初めて成立します。

接続しただけでは「連携できた」とは言えない理由

AIの回答品質は、繋いだかどうかではなく、繋いだ先に何があるかで決まります。整理されていないドキュメント、更新が止まったドキュメント、下書きのまま放置されたドキュメントが大量にある状態でAIを繋ぐと、AIはそれらを等しく「社内の情報」として扱います。

その結果、次のようなことが起こります。3年前に廃止された経費精算のルールが現行ルールとして回答される。検討段階で終わった企画が、決定事項として引用される。同じ質問に対して、参照するドキュメントによって違う答えが返る。

これらは接続の不具合ではなく、読ませる対象を設計していないことによる問題です。だからこそ、繋ぐ作業より先に、次の章の判断が必要になります。

この記事で扱う範囲と扱わない範囲

論点が混ざりやすい領域なので、先に整理しておきます。

扱う	扱わない（別記事に譲る）
どのドキュメントをAIに読ませるかの判断基準	接続手順・設定方法
読ませない情報の設計方法	MCPの技術的な仕組み、ローカル／リモートの違い
AIに任せる仕事と人が承認する仕事の線引き	脆弱性・攻撃手法などのセキュリティリスク対策
運用が回らなくなる失敗と対策	個別のAIツールの使い方

セキュリティリスクと情シス向けの対策についてはMCPサーバーのセキュリティリスクと対策の記事を読むで詳しく解説しています。

繋ぐ前に決める：どのドキュメントをAIに読ませるかの判断基準

結論として、社内のドキュメントを全部AIに読ませるのは誤りです。読ませる範囲を絞ることが、回答精度を上げる最も効果的な手段になります。

これは直感に反するかもしれません。参照できる情報が多いほど賢く答えられるように思えるからです。しかし実際には、古いドキュメント・重複したドキュメント・検討段階のドキュメントが混ざるほど、AIはどれが現行の正解かを判断できなくなります。人間なら「これは古いな」と気づける手がかりが、AIには十分に伝わりません。

判断フロー：4つの分岐で仕分ける

社内のドキュメントは、次の4つの問いを順に当てることで仕分けられます。上から順に判定し、いずれかで「除外」に落ちたらそこで確定します。

分岐1：そのドキュメントに書かれた内容が外部に漏れたとき、実害があるか

実害があるものは、この時点で除外候補です。人事評価の下書き、係争中の案件に関するやり取り、個人情報を含むドキュメント、未公開のM&Aや価格改定の検討資料などが該当します。AIの回答は複数のドキュメントを要約して返すため、権限設計やAI除外設定が不十分だと、意図しないドキュメントが回答の根拠になるリスクがあります。

分岐2：内容が確定しているか、検討中か

検討中の議論は除外します。会議で出た案、ボツになった企画、複数案が併記されたままの資料は、AIが「決定事項」として扱う可能性があります。決まったことだけを別のドキュメントに切り出し、そちらを参照対象にするのが安全です。

分岐3：更新され続ける見込みがあるか

更新の予定がないドキュメントは、原則として参照対象から外すか、明示的に「アーカイブ」であることが分かる状態にします。誰も見なくなった過去のマニュアルが現行ルールとして引用されるのは、実務上もっとも多いトラブルです。

分岐4：他のドキュメントと内容が重複していないか

同じテーマのドキュメントが複数ある場合は、正となる1本を決めます。重複を残したままにすると、AIが質問のたびに違うドキュメントを引用し、回答が安定しません。正本を決めて他をアーカイブするか、正本へのリンクだけを残す形に整理します。

読ませるべきドキュメントの特徴

上記の4分岐を通過したドキュメント、つまり次の条件を満たすものが参照対象の中心になります。

確定した業務ルール：就業規則の運用ルール、経費精算の手順、承認フローなど、現行として運用されているもの
手順書・マニュアル：更新責任者が決まっており、実際に更新されているもの
公開済みの意思決定の記録：なぜその方針になったかの背景を含む、社内に共有済みの決定事項
FAQ・過去の問い合わせ対応：同じ質問が繰り返される領域の蓄積
用語集・組織固有の定義：社外のAIが絶対に知り得ない、その会社だけの言葉の意味

最後の項目は見落とされがちですが、効果が大きい部分です。AIは一般知識は持っていても、その会社で「案件」が何を指すのか、「A面」がどの工程を意味するのかは知りません。用語集を1本用意するだけで、回答の精度が目に見えて変わります。

読ませてはいけないドキュメントの特徴

逆に、参照対象から外すべきドキュメントは次のとおりです。

人事・評価に関する情報：評価シートの下書き、昇給の検討メモ、面談記録
個人情報を含むドキュメント：メンバーの連絡先一覧、健康情報、家庭の事情に関する記録
法務・係争に関する記録：進行中のトラブル対応、法律事務所とのやり取り
未確定の経営判断：価格改定、組織変更、資本政策など、社内でも限られた範囲でしか共有していない検討
検討途中の議論ログ：結論が出ていない会議メモ、複数案が並んだままの資料

これらを除外することは、単なるセキュリティ対策ではありません。「AIに聞けば何でも出てくる」状態を避けることで、メンバーが安心してナレッジを書き込める環境を保つという意味もあります。書いたものが意図しない形でAIの回答に出てくると懸念されると、記録そのものが減っていきます。

「読ませない」を設計する：ドキュメント単位とグループ単位の制限

前章で仕分けた「読ませないドキュメント」を、実際に参照対象から外す方法を説明します。ここで重要なのは、人の閲覧権限とAIの参照範囲は別の設計だという点です。

多くのAI連携の解説は「最小権限の原則」で止まります。つまり、人が見られる範囲だけをAIにも見せる、という考え方です。これは必要条件ですが十分ではありません。実務では「人は読めるが、AIには読ませたくない」ドキュメントが必ず出てきます。人事担当者は評価シートを読めますが、その内容がAIの回答に混ざるのは望ましくありません。

制御の設計は、粒度で考えると整理しやすくなります。チーム全体／グループ単位／ドキュメント単位の3階層です。以下では、この3階層をどう使い分けるかを、ナレッジ共有ツールDocBaseを例に具体的に説明します。

この章での用語について
DocBaseでは、ドキュメント1件を「メモ」と呼びます。以下、DocBaseの機能を説明する箇所では「メモ」表記を使います。

前提：DocBaseの標準機能と「セキュリティパック」の区別

具体的な設定方法に入る前に、DocBaseの提供形態を整理しておきます。DocBaseにはすべてのプランで使える標準機能に加えて、「セキュリティパック」という有料オプションがあります。 監査や統制の要件が厳しい組織向けに、シングルサインオン・IPアドレス制限・操作履歴の保存・2段階認証の必須化・アクセストークン管理・グループ単位のAI利用制限・AI操作履歴の記録などをまとめて提供するものです（DocBaseのセキュリティ機能の詳細を確認する）。

AI連携の制御機能も、この標準機能と有料オプションにまたがっています。どちらに含まれるかで必要な契約が変わるため、先に整理します。

制御方法	制御の粒度	提供区分
チーム全体のAI機能ON/OFF	チーム単位	標準機能（追加費用なし）
`no-ai` タグによるAI参照の除外	ドキュメント（メモ）単位	標準機能（追加費用なし）
AI利用履歴の確認	チーム単位	標準機能（追加費用なし）
グループ単位のAI利用制限（MCP経由の利用も対象）	グループ単位	セキュリティパック（有料オプション）が必要
操作履歴（DocBaseの公式呼称。一般に言う「監査ログ」に相当。CSVエクスポート・保持期間180日）	チーム単位	セキュリティパック（有料オプション）が必要

ドキュメント単位の除外だけで足りるのか、部署単位でまとめて制御したいのか。ここが契約判断の分かれ目になります。

ドキュメント単位の制御：`no-ai` タグの使いどころ

DocBaseでは、メモに no-ai タグを付けることで、そのメモをAIの取得・操作の対象から除外できます。追加費用のかからない標準機能です。このタグを付けたメモは、AIメモ要約などのDocBase内蔵のAI機能からも、MCP経由で接続した外部AIアプリからも参照されなくなります。

no-ai はシステムタグとして扱われ、機能制御に使われているため名前の変更や削除ができません。詳しい仕様はDocBaseのAIタグ機能の仕様を確認する、AI機能全体の制御方法はDocBase AIの利用制限の設定方法を確認するに記載されています。

実務でドキュメント単位の除外を使うべき典型例は次の3つです。

1. 人事・評価に関するドキュメント

評価の下書き、昇給検討のメモ、1on1の記録などです。これらは閲覧権限の設定だけでは不十分な場合があります。人事メンバーがAIに「今期の課題は」と尋ねたときに、評価の下書きが要約に混ざる可能性があるためです。

2. 未公開の意思決定に関するドキュメント

価格改定の検討、組織変更の案、取引先との条件交渉の記録などです。決定して社内に公開した時点で除外を解除する運用にすると、確定情報だけをAIが引用できる状態を維持できます。

3. 個人情報を含むドキュメント

連絡先一覧、緊急連絡網、健康や家庭の事情に関する記録などです。AIの回答は文脈をまたいで再構成されるため、元のドキュメントでは分散していた情報が1つの回答にまとまってしまうことがあります。

運用のコツは、ドキュメントを作る時点でタグを付けるルールにすることです。後から棚卸しで付けようとすると、対象の洗い出しに時間がかかり、実施されないまま終わります。テンプレート機能を使い、人事や法務のテンプレートにはあらかじめ no-ai を含めておくと、付け忘れを構造的に防げます。

グループ単位の制御（DocBaseではセキュリティパックが必要）

部署やプロジェクト単位でまとめて制御したい場合は、グループ単位のAI利用制限を使います。特定グループのメモをAI機能の対象外に設定できる機能で、DocBaseではセキュリティパック（有料オプション）の契約が必要です。

この制限は、DocBase内蔵のAI機能だけでなく、MCPで連携するClaudeやChatGPTなどの外部AIアプリにも同様に適用されます。また、ひとつでもAI利用が許可されていないグループに含まれていれば、そのメモ全体でAI機能が無効化される仕様です（DocBase AIの利用制限の設定方法を確認する）。

ドキュメント単位の除外との使い分けは次のとおりです。

状況	適した方法
対象が個別のドキュメントに限られる	`no-ai` タグ（標準機能）
部署全体のドキュメントをまとめて対象外にしたい	グループ単位のAI利用制限（セキュリティパック）
新しく作られるドキュメントも自動的に対象外にしたい	グループ単位のAI利用制限（セキュリティパック）

3つ目が実務上の分かれ目になります。人事グループのように「そのグループに入るものは基本すべて対象外」という運用をしたい場合、ドキュメント単位のタグ運用では付け忘れが必ず発生します。グループ単位で制御できれば、そのグループに作られたドキュメントは自動的に対象外になります。

前提：AIの参照範囲は接続したユーザーの権限に紐づく

「AIに繋いだら全社の情報が誰にでも見えてしまうのでは」という懸念は、多くの管理者が最初に持つものです。

DocBaseのMCPサーバーはOAuth 2.1に準拠しており、営業資料では、AIが引用できるのは接続したユーザー自身が閲覧できる範囲であると説明されています（※この点は公式ヘルプ上では明記されていないため、導入前に個別にご確認ください）。

ただし、この仕組みだけでリスクがなくなるわけではありません。後述のとおりCLIのアクセストークン認証では制限が適用されませんし、そもそも「本人が読める情報」であってもAIには読ませたくないドキュメントは存在します。権限の設計は出発点であって、ゴールではないと捉えてください。

記録の面では、標準機能のAI利用履歴により、DocBase内蔵のAI機能の利用と、MCP経由の外部AIアプリからのアクセスの両方を確認できます。加えてセキュリティパック（有料オプション）を契約している場合は、AI機能の操作履歴（操作日時・ユーザー・操作内容・対象メモ・IPアドレス等）をCSV形式でダウンロードでき、管理者が外部AIアプリ連携を一覧表示・無効化できます。

注意点：CLIの認証方式によって制限の効き方が変わる

見落とされやすい点なので明記します。DocBaseのCLI（@krayinc/docbase-cli）は2つの認証方式に対応しており、どちらを使うかでAI利用制限の適用範囲が変わります。

項目	OAuth認証	アクセストークン認証
グループ単位のAI利用制限	適用される	適用されない
`no-ai` タグによる制限	適用される	適用されない
主な用途	対話的な利用、AIコーディングツール	CI/CD、スクリプト

アクセストークン認証では、AI利用が制限されているグループのドキュメントや no-ai タグ付きのドキュメントにもアクセスできます。CI/CDから社内ナレッジを操作する運用を組む場合は、この違いを前提に設計してください。アクセストークンの発行を管理者が把握できるよう、セキュリティパックのアクセストークン管理機能で一覧・無効化できる体制にしておくことも検討に値します。

DocBaseがおすすめ｜AI連携を前提に設計されたナレッジ共有ツール

ここまで説明した「読ませる／読ませない」の設計は、ツール側が対応していなければ実現できません。DocBaseは、MCPサーバー（OAuth 2.1準拠）、no-ai タグによるドキュメント単位の除外、グループ単位のAI利用制限、AI利用履歴の記録までを備えており、AIに繋いだ後の運用設計を、標準機能とセキュリティパックを組み合わせて段階的に実装できます。AIへの入力データがAI学習に利用されない点も、公式FAQで明記されています。

料金はユーザー単価制ではなくチーム単位の定額制です。10人までのベーシックプランが月額4,950円（税込）、100人までのビジネス100プランが月額23,100円（税込）で、参加する人数が増えるほど1人あたりの負担は下がります。30日間の無料トライアルがあり、クレジットカードの登録は不要です。トライアル終了後に自動で課金されることもありません。

DocBaseの30日間無料トライアルを始める（クレジットカード不要）

DocBaseの料金プランを確認する／ナレッジ共有ツールDocBaseの機能一覧を見る

AIに任せていい仕事、人の承認を残す仕事

結論を先に述べます。判断の結果に責任が伴う仕事は、人の承認を残してください。 この考え方は「ヒューマンインザループ（HITL）」と呼ばれます。AIは情報収集・整理・要約を担当し、その情報をもとに何かを決める、または社外に出す仕事は人が承認することが実務に合致します。

この線引きは、AIの性能の問題ではありません。責任の所在を明確にするための設計です。AIの回答が間違っていたとき、「AIがそう言った」では説明になりません。回答の責任は、引用元のドキュメントと、そのドキュメントの管理者と、最終更新日に結びつけておく必要があります。

業務単位の線引き表

多くの解説記事では、この線引きが「読み取りは安全、書き込みは承認が必要」というAPI操作の単位で語られます。しかし現場で必要なのは、業務単位での線引きです。

業務	任せ方	理由
過去の類似案件を探す	AIに任せてよい	結果を人が確認してから使うため、誤りが直接的な損失にならない
議事録を要約する	AIに任せてよい	元の議事録が残っており、検証が容易
社内用語や定型手順の質問に答える	AIに任せてよい（重要な手順は引用元の確認を前提にする）	出典が示されれば、聞いた側が正誤を確認できる
ナレッジの下書きを作る	AIに任せてよい（公開は人が承認）	空白のページを埋める負担が減る一方、公開責任は人が持つ
規程やルールの解釈を回答する	人が承認する	解釈の誤りが労務トラブルや契約違反につながる
顧客への回答文面を作る	人が承認する	社外に出た時点で会社の見解になる
既存ナレッジを更新・上書きする	人が承認する	誤った更新が以降のすべての回答に波及する
見積・請求など金額に関わる判断	人が承認する	誤りが直接的な損失になる
人事評価や採用判断に関わる整理	人が承認する（またはAI対象外）	公平性の説明責任が生じる

この表をそのまま社内ガイドラインに転記できる形にしておくと、メンバーごとの判断のばらつきがなくなります。

承認を「軽く」はするが「外さない」

線引きの原則は、人間の承認を軽くはするが、外しはしないことです。承認を残すというと運用が重くなるように聞こえますが、実際にはAIの使い方次第で承認コストは下げられます。

効果的な方法は次の3つです。

差分を提示させる：ナレッジの更新提案は、変更前後の差分と変更理由をセットで出させます。全文を読み直す必要がなくなります。
出典を必ず添えさせる：どのドキュメントのどの箇所を根拠にしたかを示させれば、承認者は該当箇所だけを確認すれば済みます。
優先度を付けさせる：更新提案が大量に出る場合、影響範囲の大きいものから並べさせます。

AI連携が進むと、律速点は「情報をつくること」から「承認・検証すること」へ移ります。承認の帯域を広げる工夫そのものが、運用設計の一部だと考えてください。

どこから引用できるのか：対応クライアントとCLI

社内ナレッジをどこから引用できるようにするかは、メンバーの働き方に合わせて決めます。DocBaseのMCPサーバーはリモート対応（OAuth 2.1準拠）のため、対応する外部AIアプリから接続できます。

対応する外部AIアプリ

DocBaseのMCPサーバーに接続できる主な外部AIアプリは次のとおりです。

クライアント	主な利用者層
Claude	全職種。ブラウザ・デスクトップアプリから利用
Claude Code	エンジニア。ターミナルから利用
ChatGPT	全職種。すでに社内で利用している場合は始めやすい
Visual Studio Code	エンジニア。エディタ内から社内ドキュメントを参照
Cursor	エンジニア。コード作成時に社内の実装方針を参照
Devin	エンジニア。自律的な開発タスクの文脈として利用
Dify	社内向けAIアプリを構築する情シス・開発チーム
Gemini CLI	エンジニア。ターミナルから利用

どこから始めるかは、既存の契約と社内の管理方針に合うクライアントを優先してください。すでに全社で契約しているツールがあれば、権限・利用履歴・AI利用制限の確認をそのツールで先に済ませられます。そのうえで、エンジニアチームにCursorやVisual Studio Codeを広げる順序が現実的です。ChatGPTとの接続手順はChatGPTでMCPサーバーを設定する手順の記事を読むで解説しています。

CLI（`@krayinc/docbase-cli`）という選択肢

対話的な利用だけでなく、コマンドラインからナレッジを操作したい場合はCLIが使えます。npmパッケージ（@krayinc/docbase-cli）として提供され、ドキュメントの作成・検索・更新、コメント、グループ管理、添付ファイル操作などに対応しています。

CLIの効果的な利用方法は次のような場面です。

CI/CDからのドキュメント更新案の作成：リリースのたびに仕様書の更新案を作成し、担当者が確認してから反映する（自動で上書きせず、人の承認を残す設計にします）
AIコーディングツールとの併用：Claude Codeから社内の実装方針を参照しながら開発する
定型的な棚卸し作業：更新が止まっているドキュメントを一括で抽出する

Claude Codeについては、プラグインマーケットプレイスから導入できます。MCPサーバーとCLIのどちらを使うかは、対話的に使いたいか（MCPサーバー）、スクリプトから自動実行したいか（CLI）で選び分けてください。

前述のとおり、CLIのアクセストークン認証ではAI利用制限が適用されない点に注意が必要です。

補足：MCP対応はDocBase固有の機能ではありません

公平を期すために記しておきます。MCPは業界標準の規格であり、NotionもConfluenceもMCPサーバーを提供しています。ISO/IEC 27001認証についても、これら3社はいずれも取得済みです。

したがってツール選定の論点は「MCPに対応しているか」ではなく、繋いだ後に何を制御できるかに移ります。ドキュメント単位でAI参照を除外できるか、グループ単位で制御できるか、AI経由のアクセスが履歴に残るか。この記事で扱ってきた運用設計の観点が、そのまま選定基準になります。

よくある失敗5つと対策

社内ナレッジのAI連携でつまずくパターンは、ある程度決まっています。ここでは、セキュリティ事故ではなく運用面で起きる失敗を5つ挙げます。

失敗1：全部繋いで、かえって精度が落ちる

最も多い失敗です。「せっかく繋ぐのだから全社の情報を対象にしよう」と考え、下書きも検討中のドキュメントも過去のアーカイブもすべて参照対象にした結果、AIがどれを正解とすべきか判断できなくなります。

対策：最初は範囲を絞ります。まず1つの部署、あるいは「よく聞かれる質問トップ20」に関連するドキュメントだけを対象にして、回答品質を確認してから広げてください。狭く始めて広げるほうが、広く始めて絞るより確実に速く進みます。

失敗2：古いドキュメントを現行ルールとして引用してくる

3年前に廃止された手順が、いまも有効なルールとして回答に出てくるパターンです。人間なら更新日を見て気づきますが、AIはドキュメントの新旧を明示的に伝えない限り区別しません。

対策：更新が止まったドキュメントはアーカイブするか、no-ai タグで参照対象から外します。加えて、現行ルールを1本の正本にまとめ、旧版はその正本へのリンクだけを残す形にすると、重複による揺れも同時に解消できます。

失敗3：繋いだ後、誰もナレッジを更新しなくなる

「AIが答えてくれるから、もうドキュメントを整備しなくていい」という誤解が広がると、半年後には回答精度が落ち始めます。AIが答えているのは、人が書いたドキュメントの内容だからです。

対策：ナレッジごとに更新責任者を決めます。そのうえで、AIには下書きの作成を任せ、公開の判断は人が持つ運用にします。書く負担は減らしつつ、書く主体は現場に残すという設計です。

失敗4：権限設計を後回しにして、情シスで止まる

接続してから「これでは全社の情報が見えてしまうのでは」と指摘され、展開が止まるパターンです。近年、情シス・セキュリティ担当者向けにMCPのリスクとガバナンスを解説する記事が増えており、企業導入では権限管理と記録の設計が論点になりやすくなっています。

対策：接続する前に、次の3点を情シスに説明できる状態にしておきます。第一に、AIの参照範囲が接続したユーザー自身の閲覧権限に紐づくこと。第二に、ドキュメント単位とグループ単位の制限で、人が読める情報のうちAIには読ませない範囲を指定できること。第三に、標準機能のAI利用履歴でAI利用の記録を確認でき、セキュリティパック（有料オプション）を契約すれば操作履歴と外部AIアプリ連携管理まで使えること。この3点を先に共有しておくと、後戻りが発生しません。

失敗5：「AIが言っていた」で責任の所在が消える

AIの回答をもとに判断した結果が間違っていたとき、誰の責任なのかが曖昧になるパターンです。放置すると、重要な判断にAIを使えなくなります。

対策：回答の責任をAIではなく、引用元のドキュメント・その管理者・最終更新日に結びつけます。AIの回答には必ず出典を示させ、重要な判断の前には引用元のドキュメントを人が確認するルールにしてください。前章の業務単位の線引き表が、そのままこのルールの土台になります。

運用が回っているかを測る指標

AI連携は導入して終わりではないため、機能しているかを継続的に確認する必要があります。次の4つを月次で見ておくと、劣化に早く気づけます。

指標	見方
AI経由での参照回数	使われていなければ、そもそも接続が浸透していない
出典を示せた回答の割合	低ければ、参照対象のドキュメントが不足している
更新責任者が決まっているドキュメントの割合	低ければ、時間の経過とともに精度が落ちる
「答えが見つからなかった」質問の内容	ナレッジの空白を教えてくれる、最も価値の高いシグナル

特に4つ目が重要です。AIが答えられなかった質問は、そのまま「次に書くべきナレッジ」のリストになります。需要が確認できた領域からドキュメントを作れば、読まれないドキュメントの量産を避けられます。

他社が社内ナレッジの整備と活用をどう進めているかは、DocBaseの導入事例を見るで確認できます。

よくある質問（FAQ）

社内ナレッジのAI連携とは何ですか？

社内ナレッジのAI連携とは、ChatGPTやClaudeなどのAIツールが、社内に蓄積されたドキュメントを必要なときに参照し、出典付きで引用しながら回答できる状態をつくることです。MCP（Model Context Protocol）という標準規格を使って、AIアプリとナレッジ共有ツールを接続することで実現します。ファイルをその都度コピーして貼り付ける運用とは異なり、AIが自律的に社内の情報源を検索できる点が特徴です。

AIに社内の情報を読ませると、他のメンバーに見えてしまいませんか？

AIの参照範囲は、接続したユーザー自身の閲覧権限に紐づきます。DocBaseのMCPサーバーはOAuth 2.1に準拠しており、営業資料では、経理グループに所属していないメンバーがAI経由で経理のドキュメントを引用することはできないと説明されています（※この点は公式ヘルプ上では明記されていないため、導入前に個別にご確認ください）。加えて、本人が閲覧できるドキュメントのうち特定のものをAIの参照対象から外したい場合は、no-ai タグ（標準機能）で個別に除外できます。

社内のドキュメントは全部AIに読ませたほうがいいですか？

いいえ、絞ったほうが回答精度は上がります。古いドキュメント・検討段階のドキュメント・重複したドキュメントが混ざると、AIはどれが現行の正解かを判断できなくなり、誤った回答が増えます。確定した業務ルール、更新され続けている手順書、公開済みの意思決定の記録、用語集を中心に対象を決め、人事情報や未確定の検討事項は除外してください。

ドキュメント単位の除外とグループ単位のAI利用制限は何が違いますか？

制御の粒度と、必要な契約が違います。DocBaseの no-ai タグはドキュメント単位でAIの参照対象から除外する標準機能で、追加費用なしで使えます。グループ単位のAI利用制限は特定グループのドキュメントをまとめてAI機能の対象外にする機能で、セキュリティパック（有料オプション）の契約が必要です。新しく作られるドキュメントも自動的に対象外にしたい場合は、後者が適しています。

AIに入力したデータはAIの学習に使われますか？

使われません。DocBaseでは、AIへの入力データがAI学習に利用されないことを公式FAQおよび製品ページで明記しています。なお、これはDocBase側の扱いについての説明です。接続先のAIアプリ（ChatGPTやClaudeなど）でデータがどう扱われるかは、各サービスの設定内容と契約プランによって異なるため、別途ご確認ください。また、ISO/IEC 27001（ISMS）認証の取得とAI学習利用の可否は別の論点であるため、ツールを比較する際はそれぞれ個別に確認することをおすすめします。

どのAIツールから社内ナレッジを引用できますか？

DocBaseのMCPサーバーには、Claude、Claude Code、ChatGPT、Visual Studio Code、Cursor、Devin、Dify、Gemini CLIなどの外部AIアプリから接続できます。加えて、CLI（@krayinc/docbase-cli）を使えばターミナルやCI/CDパイプラインからも操作できます。導入時は、すでに社内で契約・管理しているツールから始めるのが現実的です。

導入前に情シスへ何を説明すればよいですか？

次の3点を先に共有しておくと、後戻りが起きにくくなります。第一に、AIの参照範囲が接続したユーザー自身の閲覧権限に紐づくこと。第二に、ドキュメント単位とグループ単位のAI利用制限により、人が読める情報のうちAIには読ませない範囲を指定できること。第三に、標準機能のAI利用履歴でAI利用の記録を確認でき、セキュリティパック（有料オプション）を契約すれば操作履歴と外部AIアプリ連携管理まで使えること。導入前の疑問点はDocBase導入前のよくある質問を確認するにもまとまっています。

ヒューマンインザループとは何ですか？

AIや機械学習の仕組みに、人間の判断・確認・承認を意図的に組み込んでおく設計の考え方です。英語のHuman-in-the-Loop（HITL）の訳で、処理の流れ（ループ）の中に人間が残っている状態を指します。社内ナレッジのAI連携では、情報を探す・整理する・要約するといった作業はAIに任せ、規程の解釈や社外へ出す文面のように誤りが損失や説明責任につながる判断は人が承認する、という線引きがこれにあたります。完全自動化に比べて手間は残りますが、誤りの影響が大きい業務ほど、承認を残すこと自体が運用設計の一部になります。

まとめ：繋ぐ前に、読ませる範囲を決める

社内ナレッジのAI連携でつまずく原因のほとんどは、接続作業ではなく運用設計の不足にあります。この記事の要点を整理します。

「AIが正しく引用できる状態」とは、参照できることに加えて、出典がたどれ、権限が反映され、読ませたくない情報が外れている状態を指します
全部読ませるのは誤りです。確定・更新継続・重複なしの3条件で対象を絞ると精度が上がります
「人は読めるがAIには読ませない」は、チーム全体・グループ単位・ドキュメント単位の3階層で設計します
情報を集める・整理する仕事はAIに任せ、判断と社外向けの成果物は人が承認します
人間の承認は軽くしても、外してはいけません

まず着手するなら、よく聞かれる質問トップ20に関連するドキュメントだけを対象に、小さく始めることをおすすめします。

AI連携を前提にナレッジ運用を始めるなら

DocBaseは、MCPサーバー（OAuth 2.1準拠）による外部AIアプリとの連携、no-ai タグによるドキュメント単位のAI除外、グループ単位のAI利用制限（セキュリティパック）、AI利用履歴の記録までを備えたナレッジ共有ツールです。この記事で説明した運用設計を、標準機能とセキュリティパックを組み合わせて段階的に設定に落とし込めます。

料金はユーザー単価制ではなくチーム単位の定額制です。30日間の無料トライアルが利用でき、クレジットカードの登録も不要です。トライアル終了後に自動で課金されることはありません。