Copilot Studio × SharePoint で社内ナレッジ検索AIを構築する【調査時間 15分→5分の実践記録】
はじめに：なぜ「調査ボット」が必要だったか
テクニカルサポートの現場において、最大の敵は 「情報の分断」 です。
- 膨大な公式Docs：常に更新され、検索性が低い
- 過去のインシデント履歴：解決策が埋もれている
- 散在する社内Wiki：誰の、どのメモが最新か不明
- 個人のローカルメモ：チームに共有されない
1つの複雑なトラブルを解決するのに、10枚のタブを切り替え、複数のソースを横断検索する。この 「調査コスト」 こそが、組織の生産性を蝕む最大の要因でした。
そこで私は、 「ここさえ聞けば、一次情報のありかがわかる」 というハブを作るべく、Copilot Studio で調査専用AI を構築しました。
注記: これは概念実証（PoC）ではありません。某テクニカルサポートの現場で、チームが毎日使っているボットの実運用記録です。
システム構成：Copilot Studio × SharePoint RAG
非常にシンプルかつ強力な RAG（Retrieval-Augmented Generation）を、Copilot Studio の標準機能だけで実装しています。
| コンポーネント | 役割 |
|---|---|
| Frontend | Microsoft 365 ポータル（左ペインに常駐） |
| Engine | Microsoft Copilot Studio（Generative AI） |
| Knowledge Source | 特定のSharePointサイト（正規化された過去ログ、最新マニュアル）、Microsoft Learn（管理者向け特定ディレクトリ配下） |
なぜ Copilot Studio を選んだか
- SharePoint連携の速さ：認証やインデックス作成を意識せず、URL指定だけでセキュアな Knowledge Source 化が可能
- エンタープライズ品質の認証：Microsoft Entra ID で完結し、社内機密の漏洩リスクを最小化
- 非開発者への継承性：プログラミング不要。現場リーダーでも迅速にアップデート可能
実運用の壁：AIを「使える道具」にするための調整
「URLを登録して終わり」――現実はそんなに甘くありません。
現場で使える精度に引き上げるために行った、2つの核心的なチューニングを共有します。
① "Garbage In, Garbage Out" の徹底排除
初期段階では過去のインシデントログをすべて読ませましたが、回答精度は絶望的でした。
「古い情報」「誤ったままクローズされたログ」「文脈のないメモ」がAIを混乱させたのです。
対策： AI専用の「ゴールデン・フォルダ」をSharePointに作成。検証済みのドキュメント（Final版）のみを厳選して格納。
教訓： AIの精度は、AIの性能よりも、読ませるデータの「清潔さ」で決まる。
② 「要約」を禁じ、「根拠」を強要する
初期のAIは綺麗にまとめようとする「優等生」でした。しかし、サポート現場が欲しいのは要約ではなく、 「どのDocsのどこに書いてあるか」 というエビデンスです。
対策： システムプロンプトを以下のように調整。
- 「回答には必ず、参照元ドキュメントのURLを含めること」
- 「不確かな場合は無理に答えず、検索を継続するためのキーワードを提示すること」
Temperature（創造性）を最小限に抑え、事実に忠実な出力を徹底しました。
実装テクニック：Generative Answers の設定値
Copilot Studio の「会話生成（Generative Answers）」機能を最大化させるための、当現場のベストプラクティスです。
| 項目 | 設定 |
|---|---|
| データソースのフィルタリング |
microsoft.com 全体ではなく、https://learn.microsoft.com/ja-jp/microsoft-365/admin/ のようにターゲットを絞り込む |
| モデレーションのレベル | 回答率を優先するため「中（Medium）」に設定。その代わり、人間が必ずダブルチェックを行う運用ルールをセット |
導入後の成果
運用開始から3ヶ月。以下の成果を確認しています。
| 指標 | Before | After |
|---|---|---|
| 一次回答までの調査時間 | 平均 15分 | 平均 5分 |
| 新人教育コスト | 「どこを調べればいいか」を毎回説明 | ボットに聞けば済む |
| ナレッジの自浄作用 | 更新頻度が低い | 「AIが答えられない＝ドキュメント不備」の共通認識が生まれ、更新頻度が向上 |
まとめ：AIは「魔法」ではなく「検索アシスタント」である
Copilot Studio での実装は、技術的には数時間で可能です。
しかし、それを実務で「使える」レベルに昇華させるのは、 現場の泥臭いデータ整備 と 運用のロジック です。
今後は Power Automate を介して「回答できなかった質問」を自動抽出し、ナレッジの穴を埋め続ける自律的なサイクルを構築する予定です。
【無料配布】M365業務改善の第一歩
「属人化診断チェックリスト」付きの教科書（第1章）を無料配布中。
登録後、AI業務活用プロンプト5選もお届けします。
- 業務手順書の自動生成プロンプト
- 議事録の構造化プロンプト
- FAQ記事の自動生成プロンプト
- その他、実務で検証済みのテンプレート