「AIに社内のことを聞いても、うちのやり方では答えてくれない」——生成AIを一度試してみた会社から、よく聞く不満です。この壁を越えるための仕組みが、RAG（検索拡張生成）です。この記事では、RAGとは何か、なぜ答えの精度が上がるのか、建設会社ではどの場面で効くのかを、専門用語をできるだけ避けて整理します。実際に社内文書をAIに引かせている建設各社の取り組みと、公的な調査の数字もあわせて紹介します。
RAG（検索拡張生成）とは
RAG（検索拡張生成）とは、AIが答えを作る前に自社の資料を検索し、見つかった内容をもとに回答させる仕組みのことです。読みは「ラグ」。英語のRetrieval-Augmented Generation の頭文字で、Retrieval（検索）によってAugmented（補強された）Generation（生成）、と区切って読むと意味がつかみやすくなります。
たとえるなら、記憶だけを頼りに答える先生と、手元の資料を確かめてから答える先生の違いです。前者は一般常識には強くても、その会社独自の決まりごとは知りません。後者は「うちの施工要領書の何ページにこう書いてある」と根拠を示しながら答えられます。RAGがやっているのは、この「答える前に資料を確かめさせる」という段取りづくりです。
なぜRAGが必要なのか
ChatGPTなどの土台になっているLLM（大規模言語モデル）は、インターネット上の膨大な文章を学んでいます。しかし学んでいるのは公開された情報だけで、御社の見積書や安全基準、過去の不具合報告は一行も入っていません。だから社内の話を聞くと、もっともらしい作り話をしてしまう。これがハルシネーションと呼ばれる現象です。
- 社内固有の情報を知らない：自社の単価表、施工標準、取引先ごとの約束事は学習に含まれていない
- 最新の情報に弱い：学習した時点までの知識で止まるため、今年改訂した基準には追いつけない
- 根拠を示せない：どこに書いてあった話なのかを示せず、正しいかどうか人が確かめられない
- 空白を埋めてしまう：知らないと言う代わりに、それらしい数字や条文をつくってしまうことがある
解決策としてもう一つ挙がるのが、自社データでAIそのものを学習させ直す「ファインチューニング」です。ただしこちらは費用と専門人材が必要で、基準を改訂するたびに学習をやり直さなければなりません。RAGなら、参照させるフォルダの中身を差し替えるだけで、翌日から新しい基準で答えるようになります。中小企業がまず検討するならRAG、と言われるのはこの手軽さが理由です。
RAGの仕組みを4つの動きで見る
難しい理屈は抜きにして、RAGは大きく4つの動きでできています。ベテランが後輩の質問を受けて、書庫から該当する資料を引き、それを見ながら説明してやる流れとほとんど同じです。
1質問を受け取る
「高所作業車を使う日の朝礼で、必ず伝える注意点は？」といった問いを、ふだんの言葉のまま受け取ります。キーワードを工夫して入力する必要はありません。
2関係する資料を探す
あらかじめ読み込ませた社内文書の中から、質問に関係しそうな箇所だけを抜き出します。言葉が一字一句一致していなくても、意味の近さで探せるのがこの検索の特徴です。
3資料と質問をまとめて渡す
抜き出した資料の本文と、元の質問を一緒にしてAIへ渡します。AIから見れば「この資料の範囲で答えてください」と条件を付けられた状態になります。
4根拠つきで答える
渡された資料に沿って文章を組み立て、どの資料の何ページを見たかを添えて返します。人はその出どころをたどって、正しいかどうかを確かめられます。
「関係する資料を探す」段階では、文書をあらかじめ数百字ほどの塊に切り分け、文章の意味を数値に置き換えて似ているものを探す方法がよく使われます。この下ごしらえの丁寧さが、そのまま答えの質になります。なお、AIへの指示文であるプロンプトの工夫だけでは社内情報の不足は埋まりません。書いていないものは、どう頼んでも出てこないためです。
建設業でのRAGの使い方
建設業は、紙とPDFに知恵が溜まりやすい仕事です。施工要領書、安全基準、過去の不具合報告、社内の様式集。どれも「どこかにあるはずだが、探すのが面倒で聞いてしまう」類の資料ばかりです。RAGが効くのは、まさにこの「探して答える」の部分です。
- 安全管理：自社の災害防止基準や過去の事故事例を引かせ、朝礼やパトロール前に当日の注意点を確認する
- 施工の技術相談：施工要領書や技術標準をもとに、「この納まりで気をつける点は」に自社ルールで答えさせる
- 見積・積算：過去の実績や単価の考え方を参照させ、似た条件の案件を探す手間を省く
- 社内問い合わせ：経費精算の手順やソフトの使い方など、総務・情報担当に集まる同じ質問を先に受け止める
- 書類作成：所定の様式と過去の記載例を参照させ、提出書類のたたき台をつくる
- 新人の教育：先輩に聞きづらい基本を、社内の正式な資料に沿って何度でも答えさせる
共通しているのは「答えは社内資料の中にあるのに、探す時間と聞く手間がかかっている」仕事だという点です。逆に、資料そのものが存在しない領域——たとえばベテランの頭の中にしかない判断——には、RAGは効きません。まず紙やPDFになっているものから手をつけるのが順序です。
建設会社ではどう使われているか
RAGは研究段階の話ではなく、建設業でも各社が公表する取り組みが出ています。いずれも「自社の資料を参照させて答える」という同じ考え方に立っています。
戸田建設は、社内に蓄積してきた知見や情報資産をAIと連携させ、必要な情報を根拠付きで引き出せる環境として、内製の生成AI基盤を全社展開したと公表しています。連携先には施工関連の技術資料、過去の災害事例、公共案件の技術提案資料が挙げられており、汎用のAIサービスでは対応が難しい建設業固有の知見を扱う狙いだとされています（出典: 戸田建設 新着情報）。
東洋建設は、厚生労働省の労働災害データを収めた危険予知ツールにRAGを適用し、自社で定めた災害防止基準や社内の災害事例もあわせて参照させる仕組みを導入したと発表しています。従来は社内ポータルを別に検索する必要があり、文字情報だけでは欲しい情報を見つけづらかった点が課題だったといい、現在は職員の業務用スマートフォンから、調整会議や朝礼、パトロール時に確認する使い方が紹介されています（出典: 東洋建設 技術ニュース）。
竹中工務店の「デジタル棟梁」も、社内ルール・技術標準類・ノウハウ集を検索対象にしたRAGとして構築が進められてきたものです。熟練者のノウハウ継承と人手不足への備えを目的に掲げている点は、規模を問わず参考になる考え方でしょう（出典: IT Leaders）。
一方で、中小企業の足元はまだ手探りです。商工中金の調査では、会社主導でAIを導入している企業と、個人で登録したAIの社内業務での活用を推奨している企業を合わせた「AI積極活用層」は31.1%。使っていない、あるいは個人の判断に任せているという回答が6割を超えています。ただし積極活用層のうち、何らかのプラスの評価をしている企業は7割を超えており、踏み出した会社は手応えを感じている構図が読み取れます（出典: 商工中金）。
総務省の令和7年版 情報通信白書によると、生成AIを活用している日本企業は2024年度で49.7%と、前年度の42.7%から伸びてはいるものの、導入の懸念として最も多く挙がったのは「効果的な活用方法がわからない」でした（出典: 総務省 情報通信白書）。何に使うか決まらないという悩みに対して、「社内資料を探す手間を減らす」というRAGの用途は、成果が見えやすい入口になりやすい部分です。
メリットと注意点
見落としやすいのが権限の問題です。社内資料をまとめて読み込ませると、本来は限られた人しか見られない人事情報や原価情報まで、誰でも引き出せる状態になりかねません。参照範囲を部署や役職で分ける設計は最初から必要です。あわせて、入力した内容が学習に使われない契約かどうかも確認しておきましょう。詳しくは情報漏洩対策の項も参考にしてください。
小さく始めるには、どこから手をつけるか
全社の文書をいきなり全部読み込ませる進め方は、たいてい失敗します。資料の整理だけで半年が過ぎ、精度も出ないためです。手応えを得やすいのは、質問が集中している一領域に絞る進め方です。
1よく聞かれる質問を書き出す
総務や現場のベテランに集まってくる質問を、一か月ぶん書き留めます。同じ問いが繰り返し出てくる領域が、そのまま最初の対象になります。
2参照させる資料を一領域だけ選ぶ
たとえば安全基準に絞り、最新版だけを集めます。改訂前の版や下書きは必ず外してください。ここでの選別が、後の精度をほぼ決めます。
3根拠の表示を必須にして試す
どの資料のどこを見たかを必ず添えさせ、数週間ふだんの業務で使ってみます。外した答えが出たときは、AIを責めるより資料の側を見直すのが近道です。
4効果を測ってから広げる
問い合わせがどれだけ減ったか、探す時間がどれだけ短くなったかを記録します。数字が出た領域から順に、施工要領書や様式集へ広げていきます。
AI番頭では、この「どの資料から読み込ませるか」の見極めと、続けられる運用づくりまでを一緒に組み立てています。自社のどの業務が向いているかの整理はサービス内容をご覧いただくか、無料診断・お問い合わせからお気軽にご相談ください。
よくある質問
Q. RAGとファインチューニングは、どちらを選べばいいですか？
A. 社内の事実を正しく答えさせたいならRAGです。単価表や基準のように中身が更新されていく情報は、資料を差し替えるだけで済むRAGのほうが運用が続きます。ファインチューニングは、文章の書き方や独特の言い回しをAIに覚えさせたいときに向く手法で、目的が違います。まずはRAGで試し、それでも足りない部分が見えてから検討する順序が現実的です。
Q. 紙の書類しかない資料でも使えますか？
A. そのままでは検索できないため、文字データに変換する工程が必要です。スキャンした画像から文字を読み取る技術を使えば取り込めますが、手書きの読み取りは精度が落ちることもあります。台帳や手順書のように何度も参照されるものから優先して電子化し、参照頻度の低い資料は後回しにするのが現実的な進め方です。
Q. 思ったような答えが返ってきません。原因はどこにありますか？
A. 多くの場合、AIの側ではなく資料の側に原因があります。改訂前の版が混じっている、一つのファイルが長すぎて必要な箇所が拾われない、図や表の中に情報が閉じていて文章として読めない、といったものです。まずは「AIがどの資料を見て答えたか」を確認してください。見ている資料が的外れなら検索の設定を、資料は正しいのに答えが違うなら渡し方を見直す、という切り分けができます。
Q. 費用はどのくらいかかりますか？
A. 既存のクラウドサービスにRAG機能が付いている形なら、月額数千円から一人あたりで試せるものもあります。自社専用に構築する場合は、資料の整理と設定を含めて数十万円以上と幅が出ます。金額の絶対額よりも、問い合わせ対応や資料探しに費やしていた時間を人件費に換算して比べると判断しやすくなります。まずは無料枠や試用期間で効果を測ってから規模を決めてください。
Q. 安全や法令に関する内容をRAGに答えさせても大丈夫ですか？
A. 社内基準の確認や気づきのきっかけとしては役立ちますが、可否の判断そのものを委ねるのは避けてください。法令の要件や資格の要否といった論点は、示された出典と原文を突き合わせ、必要に応じて所管の行政機関や専門家に確認するのが原則です。AIの回答は下調べ、最終判断は人、という線引きを社内で決めておくと安心です。