Google Workspaceで生成AIの精度を高めるには?社内データ管理が成果を左右する理由

「Geminiを使って資料を作ったら、古い料金が入っていた」
「社内規程を質問したのに、部署によって回答が違った」

生成AIを業務に取り入れると、作業の速さとともに、こうした課題も見えてきます。原因を探る際に確認したいのが、AIが参照した社内情報です。

Google Workspaceは、メールや文書、ファイル共有といった日常業務の中でAIを使える環境を備えています。しかし、使い始めやすいことと、正しい成果物が安定して得られることは別の課題です。

本記事では、Workspaceで生成AIを活用しやすい理由を整理し、回答や資料の品質を支えるデータ管理の実践方法を解説します。

なぜGoogle Workspaceは生成AIを業務に取り入れやすいのか

普段の仕事の画面からAIを使える

Googleの公式案内によると、2025年1月からWorkspaceのBusiness・Enterpriseエディションに新たなAI機能が組み込まれました。利用できる機能はエディションによって異なりますが、GmailやドキュメントなどでGeminiの支援を受けられます。knowledge.workspace.google.com

たとえば、メールの下書きを整える、文書の要点をまとめる、といった作業を普段の業務画面から始められます。別のツールに移動し、資料を貼り直す手間が減れば、日々の小さな仕事にも取り入れやすくなります。

これは利用を後押しする仕組みについての整理です。すべての企業で活用が進んでいることや、一定の時間削減が得られることを示すものではありません。

社内資料を回答の根拠として指定できる

Workspaceの対応機能では、Driveのファイルなどをソースとして指定し、要約や比較に使えます。Google Workspace ラーニング センター

一般知識だけで答えさせる場合に比べ、自社の資料を踏まえた回答を求めやすくなる点が特徴です。情報を根拠に結び付けて回答させることを「グラウンディング」と呼びます。

ただし、ファイルを保存すれば社内のすべての情報が自動的に読み込まれるわけではありません。使用する機能、ソース設定、アクセス権などを確認する必要があります。特定の資料だけで作業したい場合は、プロンプトに条件を書くことに加え、画面上で参照先も確認しましょう。

社内データの状態が、成果物にどう影響するのか

実務では、次の四つの段階に分けると問題を見つけやすくなります。

段階確認すること不備がある場合の例
情報を用意する正式な情報が存在し、更新されているか変更後の条件が記録されていない
参照先を選ぶ必要な資料を選べているか旧版や別部署の資料を参照する
内容をまとめる条件や例外を正しく扱っているか要約時に適用条件を落とす
成果物を確認する数値や根拠を人が確認したか誤った内容をそのまま送信する

たとえば、会社の正式な料金表が更新されていなければ、AIがその表を忠実に要約しても、現在の顧客案内としては誤りになります。反対に、正しい資料を用意しても、生成時に条件が抜ける場合があります。

つまり、精度はデータ管理だけで決まるわけではありません。モデルの能力、依頼の仕方、参照範囲、確認工程も関係します。そのうえでデータ管理は、組織が継続的に改善できる重要な土台です。

精度を下げる四つのデータ管理の問題

正式版と旧版の区別がつかない

同じ内容の資料に「最終版」「最終版2」「修正版」が並んでいると、どれを使うべきか判断しにくくなります。

対策は、正式版の保存先と管理責任者を決めることです。文書には承認状態、適用開始日、対象業務を明記し、旧版には失効したことを示します。

ファイルの更新日が新しくても、施行前の草案である可能性があります。「新しいファイル」と「現在有効な正式資料」を区別する必要があります。

条件や例外が別の場所に分かれている

手順書には原則だけが書かれ、例外は担当者のメールに残っている。こうした状態では、手順書だけから作った回答に重要な条件が入らないことがあります。

文書には「対象者」「適用条件」「例外」「承認者」を見出しとして設けます。別資料に説明がある場合は、参照先も記載しましょう。

見出しや命名ルールを整える目的は、人とAIが情報の意味を確認しやすくすることです。特定のファイル名を付ければ、AIが必ず正しく選ぶという保証はありません。

数値の意味や集計範囲がそろっていない

スプレッドシートの「売上」が、税込か税抜か、受注額か計上額かによって、分析結果は変わります。対象期間や単位が不明な表も、解釈のずれを生みます。

列名、単位、対象期間、集計条件を明記し、一つの表で複数の定義が混ざらないようにします。生成された説明は、元の数値や集計式と照合します。

必要な資料への権限が不足している、または広すぎる

GeminiによるWorkspaceデータの参照は、利用者のアクセス権や管理設定などに制約されます。Google Workspace ラーニング センター

必要な資料を参照できなければ、回答に必要な情報が欠ける可能性があります。一方、もともとの共有範囲が広すぎれば、業務上不要な情報も参照可能な状態になります。

AIの導入は、既存の共有設定を見直す機会でもあります。職務に必要な範囲でアクセスできるようにし、部署異動や退職の際にも権限を更新しましょう。

「データを学習に使わない」と「誤共有を防ぐ」は分けて考える

対象となるWorkspaceのサービスについて、Googleは、許可なく顧客のコンテンツを生成AIモデルのトレーニングに使用しないことなどを説明しています。適用範囲は利用するアカウントやサービス条件の確認が必要です。knowledge.workspace.google.com

この説明とは別に、社内で誰が何を閲覧できるか、生成した文章を誰に送るかは管理する必要があります。

たとえば、権限のある担当者が機密資料をもとに文章を作り、その文章を広く共有する場合、元資料へのアクセス権だけでは共有先の適切さを判断できません。

利用アカウント、参照資料、成果物の共有先を一連の業務として確認することが大切です。

まず一つの業務から、参照情報と確認方法を整える

最初から全社のファイルを整理し切る必要はありません。問い合わせ回答や定型資料の作成など、対象を一つ選んで始めます。以下は本記事で提案する進め方です。

正式資料と担当者を決める

その業務で使う資料を少数に絞り、管理責任者と適用開始日を確認します。業務用資料は共有ドライブなど、組織で継続して管理できる保存先を検討します。

旧版は必要な保存義務や履歴管理を確認したうえで保管し、通常の参照資料とは区別します。

同じ質問で、改善前後を比べる

実際によくある質問を10〜20件程度選び、正しい回答と根拠を担当者が用意します。通常の質問だけでなく、例外がある質問や、資料だけでは答えられない質問も含めます。

同じアカウント、参照資料、依頼文で試し、資料を整えた後に再確認します。実行日や利用条件を記録すれば、機能や設定の変化も追いやすくなります。

回答を採用する基準を決める

文章が自然かどうかに加え、次の点を確認します。

  • 正式かつ有効な資料を根拠にしているか
  • 数値、対象者、適用日、例外条件が正しいか
  • 根拠にないことを断定していないか
  • 情報が不足する場合に確認を求められるか

AIに「不明点は推測せず、確認事項として分ける」と依頼することも有効な運用上の工夫です。ただし、指示に従っているかは人が確認します。

利用回数に加えて、確認を含めた仕事の成果を測る

AIの利用回数が増えても、修正や確認に時間がかかれば、業務全体の負担は減りません。

評価する際は、作成から確認完了までの時間、修正の回数、旧版を根拠にした件数、重要条件の欠落などを記録します。

たとえば、下書き作成が短縮されても確認時間が増えた場合は、引用箇所を示させる、対象資料を絞る、資料の記載を直す、といった改善を試します。誤りの原因が資料、参照先、生成、確認のどこにあるかを分けると、対策を選びやすくなります。

AIを使い続けるために、情報を更新する仕事も設計する

Google Workspaceは、普段の仕事に生成AIを取り入れやすい環境です。その利点を成果につなげるには、参照する情報と確認の仕組みを整える必要があります。

Googleも、ソースが表示されていても誤りが生じ得ることを案内しています。根拠の提示を出発点に、重要な内容は実際の資料と照合しましょう。Google Workspace ラーニング センター

まずは一つの業務で、正式資料、更新責任者、確認基準を決める。利用後に見つかった問題を資料と運用に戻して直す。この循環が、継続的な品質改善につながります。

生成AIの活用を進める際には、「何を作らせるか」とあわせて、「何を根拠にし、誰が確かめるか」を決めることが重要です。

コメント

この記事へのコメントはありません。

新着の記事
注目記事
お知らせ
  1. RAGの更新・削除を同期する仕組み|同期遅延・差分更新・権限失効の対策

  2. 会議AIの自動実行はどこまで?信頼度・リスク別の承認ルールと障害回復設計

  3. 二重入力をなくすデータ連携設計|SSoTと同期ルールの決め方

  4. AI会議自動化の効果をどう測る?タスク完了率とROIの設計方法

  5. 規程改訂の更新漏れを防ぐ|影響業務と申請書・FAQ・研修資料の連動設計

  1. AI生成アプリの脆弱性はなぜ生まれる?構造的原因と実務での対策

  2. 生成AIを統合した人事評価システムの設計と運用:公平性・法的リスク・ガバナンスを両立する実務ポイント

  3. 自治体AXを進める3層モデルとは?生成AI活用を定着させる実践設計

  4. Rank MathのカスタムSchemaでエラーを防ぐ方法|構造化データ運用を安定させる設計手順

  5. 自治体の住民対応AIはどう変わる?チャットボットからガバメントAIへ進む行政DX

  1. 【プレスリリース】企業におけるAI活用推進・人材育成に向けた取り組みを開始

  2. 看板製作業のDX・生成AI活用に向けた専門家派遣支援を行いました

  3. 地方自治体に向けて、ペーパーレス化と庁内情報整理に関する提案を行いました

  4. 【募集開始】AI実務活用研修の受講受付を開始しました

  5. 第2回JAIC無料AIセミナーを開催しました―AIを「使う」から「仕事を任せる」へ

関連記事