Media > AI活用ユースケース > 品質管理 > 取引先から届くセキュリティチェックシートに、過去の回答から下書きを作る

取引先から届くセキュリティチェックシートに、過去の回答から下書きを作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

取引先から届くチェックシートの設問を入力に、過去の回答と社内規程から根拠付きの回答案を作ります。担当者の作業は、設問ごとに過去のExcelを探すことから、出てきた案が今も正しいかを確かめることに変わります。

サマリー
利用ツール
Amazon Kendra/Azure AI/Azure OpenAI Service/ChatGPT/Claude/Gemini/Google Vertex AI/OpenSearch
対象業界
IT・SaaS/商社/製造/金融
対象部門
品質管理/情報システム
対象業務
情報検索/書類作成
主な課題
人手が足りない/属人化している/情報が見つからない
AIで行う処理
検索(RAG)
主な効果
対応スピード向上/属人化解消/工数削減
導入難易度
★★★☆☆
実装レベル
半自動化
費用感
RAG・個別開発(大)
人間の確認
条件付き
現在工数
60h/月
AI導入後
18h/月
想定削減
70%
年間削減
504h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 営業から「顧客からチェックシートが来た」と連絡が入る
  2. 担当者がファイルを開き、設問を上から読む
  3. 設問ごとに、似た設問がある過去の回答ファイルを探す(ファイル名と記憶が頼り)
  4. 見つかった回答を参考に、今回の設問に合わせて書き直す
  5. 過去の回答が見つからない設問は、社内規程を探して読む
  6. 規程にも書かれていない設問は、関係部門(開発、人事、法務)に照会する
  7. 全問を埋め、上長が確認する
  8. 営業経由で提出する
  9. 提出したファイルをSharePointに保存する
導入後(After)
  1. 営業がチェックシートを受付フォルダに置く
  2. 自動ファイルから設問を抜き出し、設問番号・設問文・回答形式(選択式/記述式)に分解する
  3. 自動設問ごとに、過去の回答と社内規程を意味で検索する
  4. 自動検索結果から回答案を作り、根拠(どの回答・どの規程の何条か)を添える
  5. 自動回答の鮮度を判定する(根拠となる規程の改定日、過去回答の日付)
  6. 自動根拠が見つからない設問を「要照会」として分け、照会先を推定する
  7. 自動設問を担当部門ごとに振り分けた一覧を作る
  8. 担当者が回答案を確認し、鮮度の落ちたものを直す
  9. 「要照会」の設問を関係部門に照会する
  10. 上長が確認し、提出する
  11. 自動提出した回答を回答台帳に登録し、次回の検索対象にする
各工程の詳しい説明を読む
  1. 営業から「顧客からチェックシートが来た」と連絡が入る
  2. 担当者がファイルを開き、設問を上から読む
  3. 設問ごとに、似た設問がある過去の回答ファイルを探す(ファイル名と記憶が頼り)
  4. 見つかった回答を参考に、今回の設問に合わせて書き直す
  5. 過去の回答が見つからない設問は、社内規程を探して読む
  6. 規程にも書かれていない設問は、関係部門(開発、人事、法務)に照会する
  7. 全問を埋め、上長が確認する
  8. 営業経由で提出する
  9. 提出したファイルをSharePointに保存する

問題は5つあります。

(a)同じ内容を違う言い方で聞かれる。 文字列の検索が効かず、記憶に頼ることになります。担当者が「前にどこかで答えた気がする」と感じながら、見つけられないまま書き直すことが頻繁に起きます。

(b)過去の回答が今も正しいか分からない。 規程は改定されます。2年前の回答をそのまま使うと、実態と違う回答になります。これが一番のリスクです。

(c)回答の根拠がたどれない。 過去のExcelには回答文だけが残っており、「どの規程の何条に基づく回答か」が書かれていません。取引先から追加の質問が来たときに答えられません。

(d)関係部門への照会に時間がかかる。 開発部門に聞く設問(暗号化方式、ログの保存期間)、人事に聞く設問(入退社時の手続き)、法務に聞く設問(契約上の責任範囲)が混在し、それぞれ返事を待ちます。

(e)2名に依存している。 過去にどう答えたかを知っているのがこの2名だけで、繁忙期には提出が遅れます。提出の遅れが、そのまま受注の遅れになります。

  1. 営業がチェックシートを受付フォルダに置く
  2. 【自動】 ファイルから設問を抜き出し、設問番号・設問文・回答形式(選択式/記述式)に分解する
  3. 【自動】 設問ごとに、過去の回答と社内規程を意味で検索する
  4. 【自動】 検索結果から回答案を作り、根拠(どの回答・どの規程の何条か)を添える
  5. 【自動】 回答の鮮度を判定する(根拠となる規程の改定日、過去回答の日付)
  6. 【自動】 根拠が見つからない設問を「要照会」として分け、照会先を推定する
  7. 【自動】 設問を担当部門ごとに振り分けた一覧を作る
  8. 【人】 担当者が回答案を確認し、鮮度の落ちたものを直す
  9. 【人】 「要照会」の設問を関係部門に照会する
  10. 【人】 上長が確認し、提出する
  11. 【自動】 提出した回答を回答台帳に登録し、次回の検索対象にする

自動化されるのは「読み取る」「探す」「案を作る」「鮮度を見る」「振り分ける」の5つです。残るのは「この回答が今の実態と合っているかを判断する」で、これは担当者にしかできません。

02今回想定するシステム構成

構成図
取引先から届いたチェックシート(Excel / Word / PDF)
   │
   ▼ SharePoint の受付フォルダ
   │
   ▼
設問の抽出(設問番号 / 設問文 / 回答形式)
   │
   ▼
Azure AI Search(ハイブリッド検索+セマンティックランカー)
   │   ├─ インデックス1: 過去の回答台帳(設問文・回答・根拠・回答日)
   │   └─ インデックス2: 社内規程・手順書(章立て単位に分割)
   │
   ▼
LLM API ── 回答案の作成 + 根拠の明示 + 鮮度の判定
   │
   ▼
回答案の一覧(設問 / 案 / 根拠 / 鮮度 / 照会先)──【担当者が確認】
   │
   ├──▶ 要照会の設問を関係部門へ(Teams)
   │
   ▼
提出 ── 回答台帳へ登録(次回の検索対象になる)
役割想定する製品代替候補
検索基盤Azure AI SearchAmazon Kendra、OpenSearch、Google Vertex AI
埋め込みAzure OpenAI ServiceGoogle Vertex AI
生成AIClaude APIOpenAI API、Gemini API
保管SharePointBox、Google Drive
回答台帳SharePoint リストGoogle スプレッドシート

取引先審査への回答を支援するSaaS(Trust Center を作るもの、回答を共有するもの)が存在します。 まずそれを検討してください。自前で組む価値があるのは、回答の根拠を自社の規程体系と紐づけて管理したい場合と、セキュリティ以外の調査票(CSR、品質、BCP)も同じ仕組みで扱いたい場合です。

Azure AI Search を選んだのは、キーワード検索とベクトル検索を組み合わせたハイブリッド検索と、その結果を意味で並べ替えるセマンティックランカーが使えるためです。 設問の言い回しが会社ごとに違うこの業務では、キーワード検索だけでは当たらず、ベクトル検索だけでは「暗号化」と「復号」のような近い概念を取り違えます。 両方を組み合わせる必要があります。

03どうやって実装するのか

Step1

処理の起点を決める

SharePointの受付フォルダにファイルが置かれたことを起点にします。営業が受け取ったチェックシートをそこに置く運用にします。

受付の窓口を1つにすることが前提です。 営業が個別にメールで担当者に転送している状態だと、処理が始まりません。この運用の整理は、技術より先に必要です。

Step2

入力データを集める

データ中身取得元
チェックシート取引先の様式(Excel が最多、Word・PDF もある)SharePoint 受付フォルダ
回答台帳過去の設問文、回答、回答形式、根拠、回答日、提出先、有効期限過去のExcelから作る(新しく作る
社内規程情報セキュリティ基本方針、各種規程、運用手順書、ISMSの文書文書管理システム/SharePoint
規程の改定履歴各文書の版数と改定日文書管理システム
認証・監査の取得状況ISMS、プライバシーマーク、各種監査報告書の有効期限品質管理部
照会先の対応表設問の分野ごとの照会先部門と担当者情報システム部(新しく作る
提出履歴どの取引先に、いつ、どの版で回答したか回答台帳

回答台帳の作り方が、この構成の成否を決めます。 過去400件のExcelをそのまま検索対象にしないでください。1行1設問に分解し、次の列を持たせます。

設問文退職者のアカウントは速やかに削除されますか
回答形式はい/いいえ/該当なし
回答はい
補足退職日当日に無効化し、30日後に削除しています
根拠文書情報セキュリティ運用手順書 第4章3節
根拠の版数第6版(2026-04-01改定)
回答日2026-05-12
提出先(社名は保持するが検索結果には出さない)
有効期限2027-04-01(根拠文書の次回改定予定)

「根拠文書」と「版数」と「有効期限」の3列がないと、この構成は機能しません。 回答だけを検索できても、それが今も正しいかが分からなければ、結局規程を読み直すことになります。

Step3

データの取得方法を決める

設問の抽出: 様式ごとに扱いが違います。

形式抽出の方法注意
Excelシートごとに、設問番号・設問文・回答欄の列を特定する列の位置が様式ごとに違う。 取引先ごとの様式を覚えさせるか、見出し行から推定する
Word表と箇条書きから設問を拾う設問番号が振られていないことがある
PDFテキスト層があればそのまま。なければOCR回答欄の位置が特定しづらい

Excelがもっとも多く、かつ扱いが面倒です。 設問が複数シートに分かれている、設問番号が階層になっている(3.2.1)、回答欄が結合セルになっている、といった事情があります。取引先の上位20社の様式に対応すれば、件数の大半が収まります。

検索の準備: 回答台帳と社内規程をインデックスに登録します。

  • 回答台帳は1設問1件で登録します
  • 社内規程は章立ての単位に分割します。文書まるごと1件にすると、検索で当たっても該当箇所が分かりません

分割した各件について、埋め込み(ベクトル)を作ります。Azure AI Search には、インデックスを作る際に自動でベクトル化する仕組みがあります。

検索の実行: ハイブリッド検索を使います。キーワード検索(BM25)とベクトル検索を並行して実行し、それぞれの上位を統合した結果を、セマンティックランカーで並べ替えます。セマンティックランカーは、統合された結果の上位50件までを意味に基づいて再採点します。

Step4

AIへ渡す前に整形する

  1. 設問の正規化 … 設問番号、設問文、回答形式(選択式/記述式/添付要求)に分解します。回答形式の判定が重要です。 「はい/いいえ」で答える設問と、300字で説明する設問では、回答案の作り方が違います
  2. 設問の分野分類 … アクセス管理、暗号化、ログ、委託先管理、物理セキュリティ、教育、事業継続、個人情報、といった分野に振り分けます。照会先の判定に使います
  3. 重複設問の検出 … 1つのチェックシートの中で、同じことを違う言い方で聞いている設問があります。まとめて扱えるようにします
  4. 添付要求の抽出 … 「ISMS認証書の写しを添付してください」のように、文書の提出を求める設問を分けます。回答文ではなく、文書の準備が必要です
  5. 規程の改定日の突合 … 回答台帳の各行について、根拠文書の現在の版数と照らし、改定されていれば印を付けます
Step5

AIに処理させる

検索は検索基盤に任せます。 LLMに全文を読ませて探させるのではなく、ハイブリッド検索とセマンティックランキングで候補を絞ってからLLMに渡します。LLMが受け取る入力を絞らないと、精度が落ち、費用もかかります。

LLMにさせること:

処理内容
設問の意図の解釈設問文が何を聞いているかを、分野と具体的な論点に分ける
回答案の作成検索で得た過去回答と規程から、今回の設問に合わせた回答文を作る
根拠の明示どの過去回答・どの規程の何章に基づく回答かを示す
鮮度の指摘根拠文書が改定されている、過去回答が古い、認証の有効期限が近い、といった点を挙げる
要照会の判定根拠が見つからない設問を分け、照会先の候補を示す
回答の食い違いの指摘同じチェックシート内で、矛盾する回答になっていないかを見る

「根拠が見つからない設問に、それらしい回答を作らせない」ことが、この構成でもっとも重要です。

セキュリティチェックシートの設問は、「はい」と答えれば通りやすいという性質があります。LLMに自由に書かせると、「はい、適切に管理しています」という無難な回答が並びます。それが実態と違えば、取引先への虚偽の説明になります。 契約上の表明保証に関わることもあります。

根拠のない設問は、空欄のまま「要照会」に回す設計にしてください。

Step6

指示内容を固定する

あなたは、取引先から届いた調査票への回答を支援する担当者です。
検索で得られた過去の回答と社内規程だけを根拠に、回答案を作ってください。

【厳守事項】
- 検索結果に根拠がない設問には、回答を作らないでください。
  answer を null にし、status を "needs_inquiry" として、
  inquiry_to に照会先の候補を入れてください。
  「適切に管理しています」のような、根拠のない一般的な回答を書かないでください。
- すべての回答に、根拠を evidence として必ず記載してください。
  過去回答なら回答台帳のID、規程なら文書名と章節を書いてください。
  根拠を書けない回答は出さないでください。
- 過去の回答をそのまま使ってよいかを判断しないでください。
  根拠文書の版数と、過去回答の日付を freshness に転記するだけにしてください。
  「問題ありません」と書かないでください。
- 自社が実施していない対策について、「実施予定」「検討中」と書かないでください。
  予定の有無はあなたには分かりません。needs_inquiry にしてください。
- 選択式の設問では、選択肢の文言をそのまま使ってください。
  選択肢にない答え方をしないでください。
- 文書の添付を求める設問は、回答文を作らず、
  status を "document_required" として、必要な文書名を挙げてください。
- 同じ調査票の中で矛盾する回答になっている場合は、
  inconsistencies に設問番号の組を入れてください。

【今回の設問】
設問番号: {question_no} / 回答形式: {answer_type}
設問文: {question_text}
選択肢: {options}

【検索で見つかった過去の回答(上位5件)】
{past_answers}

【検索で見つかった社内規程(上位5件)】
{policy_excerpts}

【根拠文書の現在の版数】
{document_versions}

【認証・監査の取得状況と有効期限】
{certifications}

「根拠のない一般的な回答を書かない」の1行が、この構成の安全装置です。 これを書かないと、120問のうち100問が「はい、適切に管理しています」で埋まります。そして担当者は、そのうちどれが根拠に基づくものかを見分けられません。

「過去の回答をそのまま使ってよいかを判断しない」も外せません。 鮮度の判断は、規程の改定内容を読んで行うものです。LLMに「問題ありません」と書かせると、確認が省かれます。

Step7

出力形式を固定する

{
  "questionnaire_id": "",
  "answers": [
    {
      "question_no": "",
      "question_text": "",
      "answer_type": "choice | free_text | document",
      "status": "drafted | needs_inquiry | document_required",
      "answer": "",
      "supplement": "",
      "evidence": [
        {
          "type": "past_answer | policy",
          "reference": "",
          "version": "",
          "excerpt": ""
        }
      ],
      "freshness": {
        "policy_revised_after_last_answer": false,
        "last_answered_date": "",
        "current_document_version": "",
        "certification_expiry": ""
      },
      "inquiry_to": "",
      "confidence": "high | medium | low"
    }
  ],
  "inconsistencies": [],
  "documents_to_attach": [],
  "summary": {
    "total_questions": 0,
    "drafted": 0,
    "needs_inquiry": 0,
    "document_required": 0,
    "stale_evidence": 0
  }
}

freshness.policy_revised_after_last_answer が true の回答が、この構成でもっとも注意すべきものです。 過去に回答したあとで根拠の規程が改定されている、という意味です。回答文は出ますが、そのまま使ってはいけません。

summary の数字を最初に見ることで、担当者は作業量を見積もれます。「120問中、90問が案あり、20問が要照会、10問が文書添付」と分かれば、要照会の20問を先に関係部門へ投げてから、90問の確認に入れます。

なお、Claude API には出力をJSONスキーマに沿わせる構造化出力の機能があります(2026-09-15時点ではベータ機能として提供)。設問ごとに同じ形で返させる必要があるため、利用できると安全です。

Step8

システムへ連携する

つなぐ先内容
SharePointチェックシートの受付と保管
Azure AI Search回答台帳と社内規程の検索
文書管理システム(読み取り)規程の現在の版数と改定日を取得する
Teams要照会の設問を、分野ごとに関係部門へ投げる
回答台帳(書き込み)提出した回答を登録する(提出後のみ
Excel / Word取引先の様式に回答を書き戻す

回答台帳への登録は、提出後に行ってください。 案の段階で登録すると、確定していない回答が次回の検索で出てきます。誤った回答が自己増殖します。

取引先の様式への書き戻しは、機械的に行うと崩れます。 結合セル、入力規則、書式が設定されたExcelに値を入れると、様式が壊れることがあります。上位20社の様式については個別に対応し、それ以外は一覧を出して人が転記する運用のほうが確実です。

Step9

人が確認する

全設問を担当者が確認します。自動提出はしません。

確認の重さを分けます。

区分条件確認の内容
重点確認freshness.policy_revised_after_last_answer が true規程の改定内容を読み、回答が今の実態と合うかを確かめる
重点確認confidence: low根拠が弱い。規程を直接読む
重点確認certification_expiry が6か月以内認証の更新状況を確認する
通常確認status: drafted かつ鮮度に問題なし根拠と回答文をざっと見る
照会status: needs_inquiry関係部門に投げる
準備status: document_required文書を用意する。有効期限を確認する

上長の確認も必ず入れてください。 取引先への回答は、自社の対策状況の表明です。誤った回答は、契約上の問題になり得ます。

Step10

例外に対処する

起きること対応
根拠が見つからない設問回答を作らず needs_inquiry にする。それらしい回答を作らせない
根拠の規程が改定されている回答案は出すが、policy_revised_after_last_answer を立てて重点確認に回す
自社が実施していない対策を聞かれた「実施していない」と正直に答える。「実施予定」と書かせない(予定の有無は担当者が判断する)
選択肢にない答えになる選択肢の中から選ばせ、補足欄に事情を書く。選択肢を勝手に作らない
同じ調査票内で矛盾する回答inconsistencies に挙げ、人が整合させる
設問が自社の事業に該当しない「該当なし」の選択肢があればそれを選ぶ。なければ needs_inquiry にする
Excelの様式が特殊で設問が抽出できない抽出できた分だけ処理し、残りを人が手で入れる。抽出できなかった設問を明示する
添付を求められた文書の有効期限が切れているdocument_required に有効期限を添えて挙げる
過去の回答が取引先ごとに違っている両方を提示し、なぜ違うかを人が確認する。自動でどちらかを選ばない
提出期限が近いneeds_inquiry の設問を先に出す。照会の待ち時間が律速になる
取引先の社名が回答台帳から漏れる検索結果に提出先を出さない設計にする(後述)
Step11

記録を残す

  • 受領したチェックシートの原本
  • 抽出した設問と、抽出できなかった設問
  • 回答案と、その根拠・鮮度の判定
  • 担当者が修正した回答と、修正前後
  • 関係部門への照会と、その回答
  • 上長の確認記録
  • 提出した最終版と提出日
  • 回答台帳への登録内容

「担当者が修正した回答と、修正前後」が資産になります。 「この設問は毎回書き直している」が見えれば、回答台帳の記述を直すべき箇所が分かります。 修正が減っていくことが、この構成が育っている証拠です。

回答台帳に提出先の社名を持つ場合、検索結果には出さない設計にしてください。 「A社にはこう答えた」という情報が、他社への回答を作るときに画面に出る必要はありません。取引先との秘密保持の観点からも、分けておくのが安全です。

04実装レベルの3段階

最小構成:過去回答を1行1設問に分解し、生成AIに渡して回答案を作る / 回答案
半自動化:回答台帳と規程を検索基盤に載せ、設問の抽出から回答案・根拠・鮮度判定までを自動化する / 抽出・検索・案・鮮度
本格構成:上記+要照会の設問の自動振り分け+矛盾の検出+様式への書き戻し+回答台帳への自動登録 / 判断と照会以外のすべて

半自動化で効果の大半が出ます。 150分が60分程度になります。検索の60分がほぼ消えるためです。本格構成にすると45分程度ですが、本格構成の価値は時間より「要照会が早く関係部門に届くこと」と「台帳が自動で育つこと」にあります。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
2 名
月間件数
24 件
1件あたり現在時間
150 分
1件あたり導入後時間
45 分
現在  24件 × 150分 ÷ 60 = 60 時間/月
導入後 24件 × 45分 ÷ 60 = 18 時間/月
月間削減時間
42h
削減率
70%
年間削減時間
504h
年間金額換算(時間単価4,000円)
202万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 取引先から届く調査票・チェックシートが月10件以上あり、1件あたりの設問が50問以上ある企業。過去の回答が電子データで2年分以上残っていること。回答の根拠となる社内規程や手順書が文書化されていること。
向いていない
  1. 調査票が年に数件しか来ない場合。回答の根拠となる規程が整備されておらず、毎回その場で決めている場合。設問がすべて自由記述で、選択式の設問がほとんどない場合(過去回答の再利用が効きにくい)。

07最小構成で試す方法

  1. 過去のチェックシート10件から、設問と回答を1行1設問に分解してスプレッドシートにする(1,000〜1,200行程度になります)
  2. 各行に、根拠となる規程名と章節を手で入れる(分かるものだけでよい
  3. 直近に届いたチェックシート1件を用意する
  4. 生成AIに、分解した過去回答と社内規程の主要部分を渡し、今回の設問に対する回答案を作らせる
  5. 担当者が実際に作った回答と比べる

見るのは次の4点です。

見る点判断
過去に答えたことのある設問を、言い回しが違っても拾えたか拾えれば検索の価値がある
根拠のない設問に、それらしい回答を作っていないか作っていたら、プロンプトを強める。ここが最重要
根拠として挙げた規程の章節が正しいか誤っていれば、規程の分割の仕方を見直す
鮮度の情報(版数・回答日)が出ているか出ていなければ、台帳の列が足りない

1のステップ(1行1設問への分解)が、この試行でもっとも時間のかかる作業です。 10件でも半日かかります。しかしこれが回答台帳の原型であり、この構成の本体です。 AIの設定より先に、ここに時間をかけてください。

根拠の列は、分かるものだけで構いません。 空欄が多くても、検索の効き目は確かめられます。空欄の設問が needs_inquiry に回ることを確認できれば、設計としては正しく動いています。

08実装時につまずきやすいポイント

問題対策
根拠のない設問に、それらしい回答が作られるプロンプトで明確に禁止する。evidence が空の回答を機械的に落とす。最重要
過去の回答が古いまま使われる根拠文書の版数と回答日を必ず出す。改定後のものを重点確認に回す
文字列検索では過去回答が当たらないハイブリッド検索とセマンティックランカーを使う。キーワード検索だけにしない
ベクトル検索だけにして、近い概念を取り違えるハイブリッドにする。「暗号化」と「復号」、「削除」と「無効化」は意味が近いが答えが違う
規程を文書まるごと登録する章立ての単位に分割する。該当箇所が示せないと根拠にならない
Excelの様式が崩れる上位20社の様式に個別対応する。それ以外は一覧を出して人が転記する
「実施予定」と書かれるプロンプトで禁止する。予定の有無は担当者が判断する
選択肢にない答えが作られる選択肢を渡し、その中から選ばせる
提出前の案が回答台帳に登録される登録は提出後に限る
回答台帳に取引先の社名が残り、検索結果に出る提出先は台帳に持つが、検索対象・表示対象から外す
要照会の設問が期限直前まで放置されるneeds_inquiry を最初に関係部門へ投げる運用にする

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 自社の情報セキュリティ対策の内容、システム構成、規程、取引先の社名。「自社のセキュリティ対策の全容」は、攻撃者にとってもっとも価値のある情報です。

  1. 回答台帳の機密度 … 回答台帳には、自社がどの対策を実施し、どれを実施していないかが集約されます。これは社内でも限られた範囲でのみ閲覧できるべき情報です。 検索基盤に載せる以上、アクセス制御を必ず設定してください。Azure AI Search には、インデックス作成時の権限メタデータを引き継ぐ仕組みや、クエリ時のフィルタによるセキュリティトリミング、プライベートエンドポイントによるネットワーク分離が用意されています
  2. 外部AIへの入力可否 … 自社のセキュリティ対策の詳細をLLMに送ることになります。自社の情報管理規程で、この種の情報の外部送信が許されるかを必ず確認してください。 許されない場合は、テナント内で処理が完結する構成を選びます
  3. 取引先の社名 … 回答台帳に提出先を持つ場合、取引先との秘密保持契約の範囲を確認してください。検索と表示の対象から外す設計にします
  4. 学習利用 … 入力を学習に使わないことが契約で保証されるサービスを選びます。この用途では必須条件です
  5. 回答の正確性 … 取引先への回答は、自社の対策状況の表明です。事実と異なる回答は、契約上の表明保証違反や、取引先の監査での指摘につながります。 根拠のない回答を出さない設計と、上長の確認を必ず入れてください
  6. アクセス権限 … 回答台帳と検索の利用を、情報システム部門と品質管理部門に限定します
  7. 自動実行してよい範囲 … 回答案の作成までです。提出、関係部門への照会、回答内容の確定は、必ず人が行います

誤りが起きた場合のリスクは、事実と異なる回答の提出です。取引先の監査で実態との相違が発覚すると、契約の見直しや取引の停止につながることがあります。 根拠を残し、後から「なぜこう回答したか」を説明できる状態にしてください。

10まず何から始めるか

1〜2週目:過去の回答を1行1設問に分解する

過去のチェックシート20件を、1行1設問の形に分解します。設問文、回答形式、回答、補足の4列だけでよいので、まず全部を1枚のシートに集めます。 1,500〜2,500行になります。

この作業の途中で、同じ設問に違う回答をしている箇所が見つかります。 それ自体が、この業務の実態を示しています。

3週目:根拠を紐づける

各行に、根拠となる規程名と章節を入れます。分かるものだけで構いません。 空欄の割合が、そのまま「根拠が整理されていない領域」を示します。空欄が多い分野が、優先して規程を整備すべき領域です。

4週目:検索が当たるかを試す

直近のチェックシート1件について、分解した過去回答を生成AIに渡し、回答案を作らせます。言い回しの違う設問を拾えるかと、根拠のない設問に回答を作っていないかを確かめます。

2か月目:検索基盤に載せる

回答台帳と社内規程を Azure AI Search に登録します。規程は章立ての単位に分割します。ハイブリッド検索とセマンティックランカーを有効にし、過去の設問30問で検索の精度を測ります。

3か月目以降: 設問の抽出(上位20社の様式)と、要照会の自動振り分けを追加します。並行して、担当者の修正ログから回答台帳の記述を直していきます。修正が減っていくことが、育っている指標です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-09-15/最終更新:2026-09-15
確認した内容情報源確認日
Azure AI Search が RAG 向けに、分割(チャンキング)、ベクトル化、ハイブリッド検索、セマンティックランキングを提供すること。文書レベルのセキュリティトリミング、クエリ時のフィルタによるアクセス制御、プライベートエンドポイントによるネットワーク分離が使えることMicrosoft Learn: RAG and generative AI - Azure AI Search2026-09-15
ハイブリッド検索が、全文検索(BM25)とベクトル検索(HNSW / eKNN)の結果を RRF アルゴリズムで統合し、フィルタ・ファセット・並べ替え・セマンティックランキングと併用できることMicrosoft Learn: Hybrid search overview2026-09-15
セマンティックランカーが、BM25 または RRF による初期結果を、Bing 由来の多言語の深層学習モデルで再採点する仕組みであることMicrosoft Learn: Semantic ranking overview2026-09-15
Claude API に、出力をJSONスキーマに沿わせる構造化出力の機能があること(2026-09-15時点ではベータ機能)Claude Platform Docs: Structured outputs2026-09-15

取引先の調査票の様式、要求される回答の粒度、添付を求められる文書は、取引先ごとに異なります。この部分は利用環境に応じた個別確認が必要です。 自社のセキュリティ対策の内容を外部サービスに送ることの可否は、自社の情報管理規程によります。回答内容が契約上の表明保証に当たるかについては、法務部門に確認してください。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-0092)についてのご相談はこちらから。

AI活用について相談する
目次