生成 AI は企業の知識管理をどのように改善できるのでしょうか?

生成 AI を使用すると、ナレッジ管理チームは知識の取得と維持のプロセスを自動化できます。この記事では、AI がどのように知識管理を改善できるかについて説明します。

多くの組織はタイムリーに知識を獲得するのに苦労していますが、生成 AI によってその取り組みを強化できます。

何十年もの間、ナレッジ マネジメント チームは長文のコンテンツを使用し、記事を長時間の編集および承認プロセスにかけてきました。しかし、このアプローチは現代の企業のニーズに対応するには遅すぎると、フォレスター・リサーチの主席アナリスト、ジュリー・モーア氏は述べた。組織が知識を収集、更新、共有する速度を向上させるために、多くの知識管理チームが生成 AI の実装を開始しています。

生成AIとは何ですか?

生成 AI は、トランスフォーマーなどの高度な機械学習モデルを使用して大量のデータから学習するタイプの AI です。開発者は、数兆個のパラメータ（書籍、記事、Web サイトからの情報のスニペット）を使用してこれらのモデルをトレーニングし、大規模言語モデル (LLM) を作成します。 LLM は、ChatGPT や Google Bard などの生成 AI ツールを強化し、自然言語プロンプトから高品質のテキスト、オーディオ、ビジュアル コンテンツを生成できます。

ジェネレーティブ AI がナレッジ マネジメントを改善する 4 つの方法

生成 AI は、知識労働者が情報を作成、検索、管理するのに役立ちます。

1. 記事を書く

従業員がナレッジベースの記事を書く時間が必ずしもあるわけではないため、組織は貴重な知識を収集する機会を逃してしまうことがよくあります。ただし、生成 AI ツールを使用すると、箇条書きやヘルプデスク チケットのデータなどの断片的な情報を完全な記事に変換できるため、執筆プロセスを高速化できます。

たとえば、IT サポート技術者がインシデントを解決した後、生成 AI はチケット上の技術者のメモに基づいてナレッジベースの記事を自動的に作成できると Mohr 氏は述べています。

この自動化により、カスタマー サービスやサポート エージェントなどの従業員は、顧客からの電話に応答したりチケットを解決したりしながら、組織のナレッジ ベースを構築できるようになります。このプロセスにより、より完全なナレッジ ベースが実現し、顧客とエージェントが将来的に問題をより迅速に解決できるようになります。

2. 検索機能の向上

ナレッジベースでは、ユーザーが質問に対する回答を簡単に見つけられるように、直感的な検索機能を提供する必要があります。モーア氏は、生成AIを搭載したチャットボットの高度な自然言語処理機能は、以前の世代のAIチャットボットよりも効果的に検索者の意図と適切な応答を一致させることができると述べた。

正確な結果を返すために非常に具体的なプロンプトを必要とした従来のチャットボットや検索機能とは異なり、生成 AI の LLM はさまざまな方法で書かれた質問を理解でき、口語表現やスペルの間違いに困ることはほとんどありません。

さらに、生成 AI ツールは、長い記事内の特定のセクション、段落、文から回答を抽出し、会話形式でユーザーに提示することができます。

「これは、ナレッジ記事を大量に表示して、『これが役に立つかもしれない回答です』と言うのではなく、それらを検索して、『ああ、これが質問の答えです…ああ、ところで、これがこの情報を見つけたリンクです』と言うのです」とモア氏は語った。

生成 AI は、組織が知識を収集して共有するのに役立ちます。

3. 知識のギャップと重複を特定する

大規模で包括的なナレッジベースであっても、重要な質問に対する答えが不足している場合があります。大量の情報を迅速に分析できる生成AIの能力は、組織がこうしたギャップを特定し、専門家（SME）が対処するのに役立つとモア氏は述べた。

たとえば、複数の顧客が CRM プロバイダーのセルフサービス ポータルを検索して、特定の問題を解決する方法を調べる場合があります。プロバイダーの生成 AI ツールは、企業のナレッジ記事をすべて迅速に分析して、その答えを見つけることができます。一致するものが見つからない場合は、トピックにタグを付け、最も適切な SME に警告することができます。

生成AIは組織が重複記事を特定するのにも役立つとモア氏は付け加えた。ナレッジ ベース内に重複した記事 (同じトピックまたは問題を扱う記事) があると、どのバージョンに最新の情報が含まれているかがわからないため、ユーザーが混乱する可能性があります。生成 AI は記事を分析し、重複した記事が異なる言葉遣いや書式を使用していても、同じ問題を扱っている記事を検出できます。

4. 自動化されたガバナンスプロセス

組織では多くの場合、ガバナンス チームがナレッジ記事を公開する前に手動でレビューし、個人を特定できる情報が含まれていないことを確認します。モア氏は、生成AIはこのプロセスを自動化し、高速化できると述べた。

「人間が確認するのではなく、AIツール自体が、社会保障番号の構造や電話番号の構造を持つものすべてを確認するエンジニアリングプロンプトを適用し、フラグを立てて『いいえ、誰かが確認するまで公開できません』と言います」とモア氏は語った。

自動ガバナンス チェックに合格した記事は手動のレビュー プロセスをスキップできるため、組織は知識をより迅速に提供できます。

AI の錯覚は知識管理において問題となるのでしょうか?

ChatGPTが2022年に一般公開された後、ユーザーは、このツールが質問に対して不正確な回答を返すことが多いことに気付きました。これはAI幻覚とも呼ばれます。これらの回答は信憑性があり、多くの詳細が含まれていますが、それを裏付ける事実的根拠はまだありません。

生成 AI の使用を計画している人にとって、幻覚の可能性は懸念事項ですが、問題が最も頻繁に発生するのは、ユーザーがツールに一般的な知識を書き込むように指示した場合です。たとえば、生成 AI を使用して幅広い栄養トピックに関するブログ記事を書いているビタミン会社のマーケティング担当者は、LLM が情報を取得する Web サイトにそれらのトピックに関する矛盾した情報や古い情報が含まれている可能性があるため、幻覚を経験する可能性があります。

ただし、ナレッジ マネジメントにおける生成 AI では、組織が独自の内部知識に基づいてツールをトレーニングする必要があるため、錯覚のリスクが軽減されます。

「社内の知識管理を行うという場合、大量の情報コーパスに対して事前トレーニング済みのモデルを使用し、データを使用してそのトレーニングを微調整します。…幻覚を見ているのであれば、それはおそらく知識が古くなっているからでしょう」とモア氏は語った。

不完全で古い知識を持つ組織は、コンテンツを充実させて更新するまで幻覚を経験する可能性があります。

ナレッジマネジメントチームは生成 AI をどのように実装すべきでしょうか?

ナレッジマネジメントに生成 AI を実装するには、組織がすでに使用しているベンダーが自社製品に生成 AI 機能を追加するのを待つしかないと Mohr 氏は言います。たとえば、多くの IT サービス管理、CRM、顧客サービス、エンタープライズ コンテンツ管理ベンダーは、組織がナレッジ管理を改善するために使用できる生成 AI 機能を追加し始めています。

組織は、長期的にはコストを節約するために独自の LLM を構築することもできますが、このアプローチでは、競争の激しい環境で高度なスキルを持つ従業員を維持する必要があります。

「給与を見てきましたが、生成AIについて少しでも知っている人なら、それが6桁ではないことは分かっています。2桁、3桁です。従業員を訓練し、維持するのは非常に困難になるでしょう」とモーア氏は語った。

独自の LLM を設立することを選択した組織は、従業員のトレーニングに多額の投資を行い、高い離職率に備える必要があります。ほとんどの組織にとって、既存のベンダーは生成 AI の最もシンプルな実装を提供します。