本文へスキップ
なのはAI教室

ナレッジベース

この記事は約6分で読めます

ざっくり言うと

ナレッジベース（Knowledge Base）とは、必要な知識を整理して保存し、人やシステムが探して使えるようにした情報の基盤です。よくある質問への答え、作業の手順書、社内の規程、製品資料などが代表例です。

たとえば、お客さまから毎回聞かれる質問とその答え、作業の段取りを書いたメモ、見積もりの決まりごと。こうした資料を1か所に集めて、あとから探せるようにしたものがナレッジベースです。

ナレッジベースは、AIのために生まれた言葉ではありません。もともとは、人が読むFAQや社内文書の仕組みを指してきました。

生成AIが広まってからは、同じ資料を回答の参考として使う場面が増えています。

イメージ

ファイルをまとめただけの場所と、AIが検索して回答に使う仕組みは、同じものではありません。

ナレッジベースは資料そのものの置き場です。RAGは、その置き場から資料を探して、回答を補う方法を指します。

正確には

IBMは、ナレッジマネジメントを、組織内の情報を特定・整理・保存・共有するプロセスだと説明しています。そしてナレッジベースを、情報を1か所にまとめ、すばやく取り出せるようにする場所と位置づけています。

ナレッジベースの形は1つではありません。

形例
人が読むものFAQサイト、社内Wiki、サポート記事
システムが検索するもの文書検索、製品情報、問い合わせ履歴
AIが参照するものプロジェクトへ追加した資料、RAGの検索対象

きちんと表の形に整えたデータベースだけが、ナレッジベースというわけではありません。検索できる文書のかたまりまで含めて、ナレッジベースと呼ぶ製品もあります。言葉の指す範囲は、製品ごとに確認が必要です。

モデルが学んだ知識との違い

AIが最初から身につけている知識と、あとから渡す資料は別ものです。並べてみると違いがはっきりします。

観点モデルの学習データナレッジベース
役割モデルの中身（パラメータ）を学習させる材料利用時に参照する知識の置き場
更新方法再学習や追加学習が必要文書やデータを追加・修正・削除する
含む情報一般情報など幅広いデータ組織・案件・利用者に固有の情報も扱える
反映の仕方モデル内部の数値に反映される検索結果や会話の文脈として渡される

AIが資料を使って答えるまで

RAGを使う構成では、おおむね次の順に進みます。

  1. 文書やデータを取り込み、検索できる形にする
  2. 質問に関係する情報を検索する
  3. 見つかった資料を、質問と一緒にモデルへ渡す
  4. モデルがその内容をもとに回答を作る

この途中で、埋め込みやベクトル検索が使われることがあります。ただし、キーワード検索やデータベース検索で探す構成もあります。ナレッジベースを使えば必ずベクトル検索になる、というわけではありません。

使う場面

よく使うサービスとの関係

サービス公式に案内されている資料・知識の扱い
ChatGPT Projectsファイル、チャット、プロジェクトソース、指示をプロジェクト内にまとめる
Claude Projects文書、テキスト、コードなどをプロジェクトのknowledge baseへ追加する
Gemini Notebook利用者が追加したソースに基づいて回答し、確認用の引用を示す
Microsoft 365 CopilotMicrosoft Graphを通じ、利用者に閲覧権限のある組織データを回答の根拠（グラウンディング）に使う

どれも外の情報をAIに与える点では似ています。ただし、保存の方法、検索の方法、対象になるデータ、権限、利用プランは同一ではありません。

どれも同じRAGだと決めつけず、使う製品の公式説明を確認してください。

Googleは2026年7月に、NotebookLMをGemini Notebookへ改称すると発表しました。名称の変更は段階的に反映されるため、移行中は画面やヘルプに旧称のNotebookLMが残る場合があります。

入れた資料を使える状態に保つ

資料の数が多くても、古い情報や食い違う情報が混ざれば、回答の質は下がります。

大事なのは3つです。正しい資料を入れること、見つけられる形にすること、更新を続けることです。

注意点

関連用語

  • RAG（検索拡張生成） — 質問に合う資料を探し、その内容と一緒にAIへ渡して答えさせる方法です
  • 埋め込み（Embedding） — 文章の意味を数値の並びに置き換えて、似たものを探せるようにする技術です
  • ベクトル検索 — 言葉がぴったり一致しなくても、意味の近い資料を探せる検索のしかたです

やってみよう

よくある質問

Q. ナレッジベースとは何ですか?
A. 必要な知識を整理して保存し、人やシステムが探して使えるようにした情報の置き場です。よくある質問への答え、作業の手順書、社内の規程、製品資料などが代表例です。
Q. ナレッジベースとRAGは何が違いますか?
A. ナレッジベースは資料そのものの置き場、RAGはその置き場から質問に合う資料を探し、回答の材料としてAIへ渡す方法です。資料室と、資料を探して届ける段取りの違いだと考えてください。
Q. 自分の資料を読ませれば、AIの答えは正しくなりますか?
A. 正しさが保証されるわけではありません。検索漏れ、古い資料、読み違い、引用と結論の食い違いが起こり得ます。大事な数字・日付・規程は、元の資料と照らし合わせてください。
Q. 顧客情報や社内の資料を追加してもいいですか?
A. 追加する前に、組織のルール、利用プランでのデータの扱い、保存先、アクセス権限の4つを確かめてください。権限が要る資料は、どこまで見えるかを試してから運用に乗せます。

公開: 更新: ✓ 公式情報と照合:

参考ソース

判断クイズ

社内資料をAIに読ませる前に、確かめることが分かりますか？

3問です。答えるとその場で解説が出ます。全問終えたら、「回答を記録する」で学習の記録に残せます。

問1. 「社内のファイルをフォルダにまとめたので、これでRAGですね」と言われました
問2. 古い料金表を新しいファイルに差し替えました。すぐにAIへ聞いてみますか？
問3. 顧客名簿を、いつも使っているAIのプロジェクトへ追加しようとしています

全問に答えると、回答を記録できます。

残るのは「答えたかどうか」だけで、正解数は保存されません。この端末の中だけに残り、別の端末には引き継がれません。

この教科書は無料で全文公開しています。仕事で使えるところまで進みたい方は、実習と資料がそろった生徒プランをどうぞ。

生徒プランを見る(14日間無料)

あわせて読みたい