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。

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。

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）

「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。

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。

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。

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。

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

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

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。

「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。