過去の提案書から類似案件の骨子を検索して再利用する

処理の起点を決める

利用フェーズは営業担当の検索操作が起点です。

準備フェーズは、初回の一括取り込みと、その後の定期実行（週1回、新規追加分のみ）に分かれます。ファイル追加のたびにリアルタイムで取り込む必要はありません。

入力データを集める

準備フェーズで取り込むもの：

利用フェーズで受け取るもの： 案件の業種、顧客の課題（自由記述）、想定予算帯、提案する製品。

データの取得方法を決める

ファイルの取得： Microsoft Graph API で SharePoint のドキュメントライブラリを走査し、ファイルをダウンロードします。

テキスト抽出： ファイル形式ごとに処理が変わります。

• PowerPoint … スライドのテキストフレームとノート欄を抽出します。図形内の文字や画像化されたテキストは取れない場合があります
• Word … 本文と表を抽出します
• PDF … テキストPDFならそのまま、スキャンPDFはOCRが必要です

この工程が、この構成でもっとも手間がかかる部分です。 3,000ファイルの中に、テキストが取れないファイルが一定数含まれます。まず100ファイルで抽出を試し、何割が取れるかを測ってから全体に進めてください。

メタデータの突合： ファイル名や格納フォルダから顧客名を推定し、CRMの案件レコードと突き合わせます。ここは完全一致しません。突合できなかったファイルは、業種・受注失注が不明のまま取り込み、検索の絞り込み対象から外します。

AIへ渡す前に整形する

1. 分割 … 提案書1ファイルをまるごと1つのベクトルにすると、検索精度が出ません。スライド単位、または章単位に分けます。「課題整理」「提案内容」「体制」「費用」といった章ごとに分けると、章単位での流用がしやすくなります
2. 不要スライドの除外 … 表紙、目次、会社概要、免責事項は、どの提案書にも同じ内容が入っています。これを残すと、検索結果が会社概要スライドで埋まります
3. メタデータの付与 … 各断片に、業種・製品・金額帯・受注失注・作成日を付けます。これが後の絞り込みに効きます
4. 古い資料の扱い … 3年以上前の提案書は、製品仕様も価格も変わっています。除外するか、検索結果に「古い資料です」と表示します

AIに処理させる

2段階に分かれます。

第1段階（検索）： LLMではなく、検索エンジンの仕事です。案件条件をベクトル化し、キーワード検索と組み合わせたハイブリッド検索で上位を取ります。ハイブリッド検索は、意味の近さ（ベクトル）と語句の一致（キーワード）の両方を使って順位を付ける方式です。製品名や業界用語のように、表記が一致することが重要な語を取りこぼさないために使います。

第2段階（要約と骨子作成）： 取得した5件について、LLMに次をさせます。

• 各提案書が「どんな課題に対して、何を提案したか」を3行で要約する
• 5件に共通する見出し構成を抽出する
• 今回の案件条件に合わせた見出し案を作る
• 各見出しについて、どの過去提案のどの部分が流用できるかを示す

指示内容を固定する

あなたは提案書の作成を支援する担当者です。
以下は、今回の案件条件と、社内の過去提案から検索された5件の抜粋です。

【厳守事項】
- 提案書の本文を書かないでください。見出し構成と、流用元の指摘までです。
- 抜粋に書かれていない実績、事例、数値を作らないでください。
- 各見出しについて、流用元となる提案書のファイル名と該当箇所を必ず示してください。
  示せない見出しは提案しないでください。
- 失注した提案からの流用を提案する場合は、その旨を明記してください。
- 抜粋の内容が今回の案件条件と合わない場合は、
  「該当する過去提案が見つかりませんでした」と返してください。
  無理に関連づけないでください。

【今回の案件条件】
業種: {industry} / 課題: {issue} / 予算帯: {budget_range} / 提案製品: {product}

【検索された過去提案（5件）】
{retrieved_documents}

「示せない見出しは提案しないでください」が重要です。 これを書かないと、AIは一般的な提案書の型（「課題整理・解決策・体制・スケジュール・費用」）を返してきます。それは社内の資産を使っていないので、この構成の意味がありません。

出力形式を固定する

{
  "similar_proposals": [
    {
      "file_name": "",
      "file_url": "",
      "summary": "",
      "outcome": "受注 | 失注 | 不明",
      "created_at": "",
      "relevance_note": ""
    }
  ],
  "suggested_outline": [
    {
      "heading": "",
      "purpose": "",
      "source_file": "",
      "source_section": ""
    }
  ],
  "no_match": false
}

file_url を必ず返させ、画面から元ファイルを直接開けるようにします。AIの要約だけを読んで提案書を書かせないためです。 要約は「開くべきファイルを選ぶため」の情報であり、中身は人が確認します。

システムへ連携する

検索結果はTeamsアプリまたは社内Webアプリに表示します。CRMへの書き戻しはしません。この構成は、営業担当が資料を探すための道具です。

ただし、どの過去提案が何回参照されたかは記録します。よく参照される提案書は、社内の標準テンプレートに昇格させる候補になります。

人が確認する

全件、人が確認します。 AIが提示するのは候補であり、採用の判断は営業担当が行います。

特に次の2点は必ず人が見ます。

• 提示された過去提案が本当に類似案件か … ベクトル検索は「なんとなく似ている」ものを返します。業種が同じでも、課題がまったく違うことがあります
• 流用する内容が現在も有効か … 2年前の提案に書かれた製品仕様、価格、体制は、現在と違う可能性があります

例外に対処する

記録を残す

• 検索クエリ（案件条件）
• 返した5件のファイル名とスコア
• 営業担当が実際に開いたファイル

3つ目が重要です。返した5件のうち、実際に開かれたのが何件かが、検索精度の唯一の実測値になります。 1件も開かれない状態が続くなら、検索の作り方を見直します。