はじめに
はじめまして!これが Qiita への初投稿になります。
まず簡単な自己紹介から。仕事はコールセンターの管理業務をしており、エンジニア経験はありませんが、ホビープログラマー歴20年の素人です。
ですので、Qiitaで需要があるのかわかりませんが、非エンジニアの方でもわかりやすい記事となるようにしたいと思っています。
最近では、家庭のこまごまとしたことの管理を Claude Code に丸投げしています。おそらく同じことをやっている人は多いと思いますが、ざっくり以下の仕組みで動かしています。
- 記録: 家族が資料を渡したり、思いついたことを話したりすると、Claude が wiki に整理して、あとから調べられるようにしてくれます。元になっているのは、Andrej Karpathy さんが紹介していた「LLM Wiki」という考え方です
- タスクやプロジェクト: 外部ツールのコネクタと連携して、Claude に管理してもらっています
使い込むうちに、これを職場のメンバーに共有すれば、生産性の底上げになるのではと思い立ち、職場向けに作り直したのが S.C.O.P.E.(スコープ) です。名前は、この仕組みにやってほしいことの頭文字から付けました(本当は AI が考えてくれました)。
- Search(探す)
- Cross-check(突き合わせる)
- Organize(整理する)
- Prove(根拠を示す)
- Explain(説明する)
いま、職場のグループのメンバー49人のうち20人まで共有が進んだところです。作ってみると、設計どおりにいかないことがいくつもありました。
この記事は、その試行錯誤の記録です。同じようなことを考えている方の参考になればうれしいです。
まずは全体図
「Gitって何?」な非エンジニア向けに作った資料からの流用ですのでご了承ください。
何のことはない、GitHubを使ったWikiのバージョン管理の仕組みです。

現場の困りごと
私の仕事はコールセンターの管理業務で、自分でも電話を架ける、いわゆるプレイングマネージャーです(エンジニアではありません)。日々、オペレーターの対応の効率を上げる方法を探していますが、オペレーターが応対中に調べる情報がいろいろなツールや場所に散らばっていて、対応時間が長くなる原因の一つになっています。
- 製品のマニュアル
- ヘルプ・FAQ
- 開発への調査依頼・要望書
- コール履歴
- 部門やチームで決めたローカルなルール
- 会社から社員への通達
それぞれ置き場所も検索の仕方も違うので、調べるのがうまい人とそうでない人で、大きな差が出ます。
検索が苦手な人は、必要な情報にたどり着けず、SV(スーパーバイザー)に聞くことになります。それ自体は悪いことではありません。ただ、自分で調べきる力が弱い人ほど SV に聞く回数が増え、SV の時間がそこに取られて、本来の仕事であるコールの監視がおろそかになる。こういう連鎖が起きていました。
調べる情報がいろいろなツールや場所に散らばっている状況は、家庭とそっくりでした。そこで、家で溜めた知見を仕事に持ち込めないかと考えました。ふつうは仕事から家庭へ、の順になることが多い気がしますが……。
作ったもの
まず、散らばった情報を、AI に話しかけるだけで調べられる仕組み を設計しました。コールセンターはエンジニアでないメンバーがほとんどなので、IT の用語を知らなくても、ふだんの言葉で話しかけるだけで調べられることがとても大事です。これは、場所やツールごとの検索スクリプトを Python で書いておき、S.C.O.P.E. に実行させることで解決しました。
次に、取り込んだ資料や wiki にした内容を、ほかのメンバーと共有できること も大事です。資料を渡せば S.C.O.P.E. が wiki に整理して取り込み、原本はみんなが見られる場所に保存して、必要なときに参照します。wiki の共有には GitHub を使い、原本は S.C.O.P.E. がアクセスできる共有フォルダに置いています。Git と GitHub は Git コマンドと GitHub CLI を通して S.C.O.P.E. が操作するので、ユーザーは commit・push・PR・merge を意識しなくて済みます。
なぜ wiki をみんなで共有するのか
会社では、ありがたいことに Claude の Enterprise プランが全社員に行き渡っています。ただ、月ごとにトークンの上限があり、資料の取り込みをしていると、いつの間にか上限に達して、翌月まで使えなくなってしまいます。
もし一人ひとりが自分の LLM Wiki を持つと、同じマニュアルを全員がそれぞれ自分のトークンを使って取り込むことになります。これはとてももったいないです。
そこで、wiki は GitHub で一つにまとめて共有することにしました。誰かが一度取り込めば、その結果を全員が使える ようにするためです。取り込みにかかるトークンは一人分で済み、ほかの人は自分の上限を質問に回せます。
実はいちばん役に立っていること:検索
作ってみて、いちばんうまくいっているのは、結局のところ 検索 です。
LLM Wikiあまり関係ないやんという突っ込みが聞こえた気がしましたが気にしないことにします……。
現場でよく使われている「コール履歴の検索」と「開発への調査依頼・要望の検索」を S.C.O.P.E. からできるように、Python のスクリプトを組み、その使い方や検索のフローを CLAUDE.md にまとめておきました。オペレーターが質問すると、S.C.O.P.E. が CLAUDE.md を読み、決められた手順でこの2つを調べて答えます。
Claude 標準のブラウザ操作を使わないのは、単純にトークンの消費量を抑えるためです。
使ってみて分かったのは、検索の仕方が、人よりも Claude のほうがずっとうまい ということでした。
| 検索が苦手な人 | S.C.O.P.E.(Claude) | |
|---|---|---|
| キーワード | ほぼ1通りの組み合わせで調べて終わる | 少なくとも2〜3通りの組み合わせで同時に調べる |
| 調べる先 | コール履歴は見ても、開発への調査依頼は見ないことがある | コール履歴と開発への調査依頼の両方を調べる |
AI が特別に賢いというより、「言い方を変えて何度か調べる」「コール履歴と開発への調査依頼の両方を見る」という調べ方の型を、毎回きちんと守る ことが、答えにたどり着く力につながっているように思います。逆に言えば、人間も型を作って守らせることで検索力の底上げができるということだと思います。
今まで検索が苦手だった人も、S.C.O.P.E. を使えば、検索のうまい人と変わらないくらい自分で調べきれるようになるはずです(まだ変わったという実感はありませんが、ここから変わっていくことを期待しています)。
つまずき1:原本をどこに置くか
wiki のもとになる資料(PDF など)の「原本」をどこに置くかで、2回やり直しました。
- Git LFS(大きなファイルを Git で扱う仕組み): 技術的には使えるかもしれませんでしたが、容量の問題で見送りました
- SharePoint を OneDrive で各自の PC に同期: 最初の設計ではこれを採用しました。ところが実際に使うと、OneDrive の同期が途中で異常終了してしまいます。調べていくと、社内の監視ツールか何かに止められているらしいことが分かりました。情シスに調べてもらうことも考えましたが、次の案のほうが安定しそうだったので見送りました
- 共有フォルダ: 昔から社内でファイルを共有するのに使っている場所です。置き場所をここに変えたところ、安定しました
設計のときは「同期すれば、どの PC からもふつうのファイルとして読み書きできる」と考えていました。手元で試したときはそれで動いていましたが、会社の PC には家の PC にはない監視ツールが入っていたり、同期に時間がかかって S.C.O.P.E. が原本を見つけられなかったりしました。設計書の上では正しくても、実際の環境で動くかどうかは別の話です。結局、いちばん地味な選択肢が、いちばん安定していました。
つまずき2:権限を「確実に止める」つもりが
メンバーには「閲覧」「編集」「管理」の3つの権限レベルを付け、ルールの変更などは管理者しかできないように、確実に止める つもりで設計していました。AI に「やらないでね」とお願いするだけでは、制限にならないからです。
その要になるのが、GitHub のブランチ保護(承認がないと変更を取り込めない設定)でした。ところが、使っている GitHub は Free プランで、private リポジトリにはブランチ保護を強制できませんでした。GitHub Pro などの有料プランならブランチ保護も使えますが、社内で導入の承認をもらうのに時間がかかるため、見送りました。
代わりに、各 PC の環境変数に権限レベルを書いて、S.C.O.P.E. がそれを見て操作を断るようにしました。ただ、これは本人が自分で書き換えられるので、厳密には制限になっていません。
いろいろ検討した末の妥協案ですが、エンジニアでない人が多いコールセンターで、環境変数を書き換えてまで自分の PR をマージする人は少ないだろう、と見込んでいます。万が一それが起きたら、GitHub のコミットの記録を見て元に戻します。
完全には防げなくても、GitHub で何が起きたかが分かり、いつでも戻せるなら、運用としては回ります。
つまずき3:公式の RAG との関係
実は社内には、公式の RAG システム(質問に関係する資料を探して、AI が答える仕組み)があります。公式の RAG もマニュアルや FAQ を参照するので、S.C.O.P.E. は一見それと競合しているように見えます。上層部の理解を得にくいかもしれない、というのが今の悩みです。
ただ、実際には必ずしも競合しているわけではなく、2つは得意なことが違います。
| 公式の RAG | S.C.O.P.E. | |
|---|---|---|
| 答え方 | 関連度の高い上位の何件かを読んで答える | 言い方を変えて何度も調べ、複数の場所を突き合わせる |
| 得意 | 「知っている」質問に素早く答える | 漏れなく調べる、版の新旧を確かめる |
| 苦手 | 情報源をまたぐ網羅的な質問で漏れが出やすい | 調べるのに時間がかかる |
つまり、すぐ答える RAG と、正確に調べる S.C.O.P.E. という役割分担ができます。
さらに、S.C.O.P.E. で調べてまとめた内容を、公式の RAG が参照しているナレッジシステムに記事として出せるよう、スキルを作りました。コピーして貼れば、そのまま新しい記事として投稿できます。S.C.O.P.E. で丁寧に調べた結果が公式のナレッジに流れ込み、RAG の答えも良くなる。競合ではなく、S.C.O.P.E. が公式のナレッジを育てる側に回る 関係を目指しています。
今とこれから
- wiki は GitHub で共有しています
- グループの49人のうち、20人まで共有が進みました
- 残りの人へ広げながら、公式の RAG との役割分担を説明していきます
おわりに
作ってみて感じたのは、最初の設計どおりにはなかなか回らない ということです。原本の置き場所も権限も、設計で決めたやり方のままでは動きませんでした。それでも「何のために」を見失わずに柔軟に対応すれば、別のやり方で落ち着きます。
いちばん手応えがあったのは、派手な機能ではなく、「調べ方の型を毎回守る」という地味なところでした。人によって差が出やすい仕事ほど、AI に任せる意味があるのかもしれません。
全員に広げたあとのことは、また書きたいと思います。