AI エージェントが回答の根拠にできるチャットボット ナレッジベースの作り方

チャットボット ナレッジベースとは、AI エージェントが返信する前に検索する承認済みコンテンツの集まりです。よくある質問への回答、商品・サービスの詳細、ポリシー、所在地、営業時間などが含まれます。お客様が何かを尋ねると、エージェントは最も関連性の高い箇所を取り出し、それをもとに回答を作成します。お客様が実際に尋ねる質問から作り始め、事実は 1 か所に分かりやすい言葉で書き、内容ごとに区切り、ビジネスに変更があるたびに更新しましょう。

期待外れに終わる AI エージェントの多くは、モデルの性能ではなく、参照できる情報に限界があります。返品ポリシーが 3 年前のスキャン PDF にしかなければ、エージェントはそれをそのまま引用するか、推測で答えるかのどちらかです。このガイドでは、何を載せるか、どう構成するか、検索の仕組み、そしてお客様とのやり取りが始まった後に内容を正確に保つ方法を解説します。

チャットボット ナレッジベースの役割

大規模言語モデルは世の中のことをよく知っていますが、御社のことは何も知りません。価格も、店舗も、日曜日に配送しているかどうかも分かりません。ナレッジベースは、そのギャップを埋めるものです。

標準的な手法は検索拡張生成（RAG）です。やさしく言うと、次のような流れです。

1. お客様が質問します。 WhatsApp、Instagram、または Web サイトのチャットから届きます。
2. システムがナレッジベースを検索します。 質問の文言そのものだけでなく、意味に最も近い箇所を探します。
3. エージェントがその箇所を受け取ります。 質問と指示文とあわせて渡されます。
4. エージェントが返信を作成します。 取り出した箇所に書かれていないことは言わないのが理想です。

そのため、自社のドキュメントで答えさせるためにモデルを「学習」させたりファインチューニングしたりする必要はありません。内容を変更すれば、次の回答もそれに合わせて変わります。

ナレッジベースに載せる内容

手元にあるドキュメントからではなく、お客様の質問から始めましょう。受信トレイ、メールサポート、電話のメモから直近数百件のやり取りを取り出し、トピックごとに分類します。多く出てくるトピックが、最初に作るセクションです。

コンテンツの種類	例	エージェントに必要な理由
FAQ	「海外へ発送できますか?」「予約を変更できますか?」	日常的な質問の大半をカバーできる
商品・サービス	名称、バリエーション、含まれるもの、向いている方	提案や比較ができるようになる
料金・手数料	料金表、送料、デポジット	誤った価格や古い価格を防ぐ
ポリシー	返品、キャンセル、保証、プライバシー	リスクが高く、正確さが必須の回答
所在地・営業時間	住所、営業時間、休業日	お客様が頻繁に尋ねる基本情報
手続き	予約方法、支払い方法、保証の請求方法	回答を次の行動につなげる
エスカレーションルール	エージェントが自分では絶対に答えてはいけないこと	引き継ぐべきタイミングを伝える

社内メモ、下書き、古いキャンペーン条件、個人情報を含むものは載せないでください。ナレッジベースは、エージェントがどのお客様にも引用する可能性があるものです。すべての行が公開情報であると考えましょう。

検索で見つかりやすい構成にするには

検索はファイル全体ではなく、テキストの断片を対象に行われます。量の多さよりも、書き方と区切り方のほうが重要です。

1 セクション 1 トピックで書く

「オンライン注文の返品」というタイトルの短い段落 5 つのセクションは、返品の記載が 31 ページ目にある 40 ページの利用規約よりも、はるかに検索で見つかりやすくなります。1 ページに複数のトピックがある場合は分割してください。

結論を先に書く

各セクションは直接的な回答から始め、そのあとに条件や例外を加えます。取り出される箇所には、背景だけでなく答えそのものが含まれているべきです。

不十分:  当社は 2009 年に創業し、創業以来お客様満足を大切にして
         まいりました。長年にわたり、返品の手続きは...

より良い: オンライン注文は、商品の到着後 14 日以内であれば返品できます。
         未使用で、元の梱包のままの商品に限ります。
         セール品は交換のみ可能で、返金はできません。

事実は 1 か所にだけ書く

送料が 4 つのドキュメントに載っていて、3 つしか更新しなかった場合、エージェントが古い情報を取り出す可能性があります。事実ごとに情報源を 1 つに絞り、重複は削除してください。

お客様が使う言葉を使う

お客様が書くのは「返金手続き」ではなく「お金を返してほしい」です。実際のチャットで見かける言い回しを質問タイトルとして追加すると、意味検索で照合できる手がかりが増えます。

表と箇条書きはシンプルに

シンプルな料金表や箇条書きは、分割されても内容が保たれやすい形式です。セルを結合した複雑なスプレッドシートやスキャン画像は、うまく扱えないことがよくあります。迷ったときは、短い文に書き直してください。

チャンク分割をやさしく解説

意味で検索できるようにする前に、コンテンツはチャンクに切り分けられ、各チャンクは埋め込み（エンベディング）と呼ばれる数値のリストに変換されて、ベクトルデータベースに保存されます。回答時には、質問も同じ方法で変換され、最も近いチャンクが返されます。

結果を左右する設定は 2 つあります。

• チャンクサイズ。 小さなチャンクは精度が高い反面、文脈が失われることがあります（「14 日以内」とあるのに何の 14 日か分からない、など）。大きなチャンクは文脈を保てますが、無関係なテキストが混ざり、回答が混乱する場合があります。
• オーバーラップ。 隣り合うチャンクの間で少しテキストを重ねると、重要な文が途中で分断される可能性が減ります。

初日からこれらを調整する必要はほとんどありません。構成のよいコンテンツであれば、適切な初期設定で十分に機能します。テストで、エージェントが正しいドキュメントを取り出しているのに間違った箇所を使っていると分かったときに、見直してください。

目的別にナレッジを分ける

ドキュメントを 1 つにまとめて積み上げると、増えるほど回答の質が下がります。営業用アシスタントに社内のシフト手順は不要ですし、サポート担当のエージェントが下書きの料金表を引用してはいけません。カスタマーサポート、営業、社内運用などの領域ごとにコンテンツを分け、各エージェントには必要な領域だけを割り当ててください。

これはリスクの低減にもなります。エージェントが取り出せない内容は、漏えいしようがありません。AI システムに渡してよいデータとそうでないデータについては、AI チャットボットのプライバシー チェックリストもご覧ください。

固定的なナレッジとリアルタイムのデータを組み合わせる

ナレッジベースに置くのは、ポリシー、商品説明、営業時間など、変化の緩やかな内容です。注文状況、在庫数、お客様の次回の予約などを置く場所ではありません。これらは、質問を受けた時点でツール呼び出し（関数呼び出し）や連携を通じて、自社のシステムから取得すべきです。

目安として、1 日に何度も変わる事実はリアルタイムで取得し、年に数回しか変わらない事実はナレッジベースに置きます。

ナレッジベースを最新に保つ

公開時点で正しかったナレッジベースも、すぐに実態とずれていきます。メンテナンスを日常の業務に組み込みましょう。

1. セクションごとに担当者を決めます。 たとえば、営業時間と所在地は運営部門、価格は経理部門が担当します。
2. 変更があったら更新します。 ポリシーや価格が変わったら、その日のうちにナレッジベースを更新し、再インデックスします。
3. 未回答の質問を毎週確認します。 エージェントが答えられなかった質問はそれぞれ、内容の不足、表現の問題、または人が対応すべきケースのいずれかです。
4. 月次で点検します。 主要なセクションを読み、古い内容を削除し、季節情報（休業日の営業時間、キャンペーン条件）が期限切れになっているかを確認します。
5. 引き継ぎ状況を見ます。 同じトピックが繰り返し担当者に回る場合は、内容を追加するか、常に担当者が対応すると決めます。ルールについては、AI から有人対応への引き継ぎのガイドで解説しています。

公開前にナレッジベースをテストする方法

実際の質問を 30 〜 50 件と、それぞれの期待する回答を用意してテストセットを作ります。次のような質問を含めてください。

• よくある質問。 誤字や短いメッセージも含め、お客様が書く通りの表現にします。
• 例外的なケース。 ポリシーに例外がある場合です。
• カバーされていない質問。 エージェントが推測せず、分からないと答えることを確認します。
• 他言語での質問。 海外のお客様に対応する場合に含めます。

テスト: 「一度履いた靴を返品できますか」
期待する回答: 返品は未使用品に限ることを説明し、例外については
              チームにおつなぎすることを案内する。
不合格の条件: 返金に同意する、または異なる期限を作り出す。

次の 2 点は別々に確認します。システムが正しい箇所を取り出せたか、そしてエージェントがそれを正しく使えたかです。正しい箇所から間違った回答が出た場合はプロンプトの問題です。間違った箇所から間違った回答が出た場合は、コンテンツまたはチャンク分割の問題です。テストセットと指標について詳しくは、公開前の AI エージェントのテストのガイドをご覧ください。

ナレッジベースでよくある失敗

• お客様に必要な内容ではなく、持っているドキュメントをすべてアップロードしてしまう。
• 価格や配送の約束をエージェントの指示文に書いてしまい、誰も更新を覚えていない。
• 古い版のポリシーを新しい版の隣に残している。
• スキャン画像や複雑なスプレッドシートを、読み取れる内容として扱っている。
• 関連する情報が見つからないときの代替動作がなく、ハルシネーションを招く。

MonoChat で AI ナレッジベースを構築する方法

MonoChat では、必要なコントロールの度合いに応じて、エージェントの知識を作る方法を 2 つ用意しています。

かんたんに始める：MonoChat Start

MonoChat Start は、御社の Web サイトを読み取り、ナレッジベースを自動で作成します。ビジネス プロフィール、商品・サービス、所在地、ポリシー、そしてお客様が実際に尋ねる約 40 の質問です。Web サイトがない、または読み取れる内容が少ない場合は、代わりに 5 つの質問に答えるだけで始められます。

アシスタントが話してよい内容はすべて、質問、商品・サービス、所在地、ポリシーの 4 つのタブにまとまっています。どの項目も編集、オン／オフの切り替え、エクスポートができます。アシスタントは、そこに書かれていない価格、配送日数、保証を述べることはありません。Web サイトではなく、業種に関する一般知識から作成した回答は、承認するまでオフの状態で、「要確認」バッジが付いて届きます。

答えがないときは、その場で作り話をしません。依頼を「受け付けた伝言」に書き留め、担当者から折り返す旨をお客様に伝えます。また、レポートには答えられなかった質問が一覧で表示されるため、毎週の更新リストとして使えます。WhatsApp、Instagram、Telegram、または Web サイトのチャットで応答します。

細かく制御する：AI ナレッジベースと RAG

大規模なコンテンツには、AI ナレッジベースで PDF、Excel ファイル、テキスト、Web ページをアップロードできます。一括アップロード、メタデータ、タグにも対応しています。コンテンツは、カスタマーサポート、営業、社内手順などのスコープに整理でき、スコープごとにアクセス制御を設定し、利用させたいエージェントやフローに割り当てられます。

MonoChat はすぐに使える初期設定でコンテンツをチャンク化して埋め込みを行い、必要に応じて埋め込みモデル、チャンクサイズ、オーバーラップ、前処理ルールを選べます。ベクトルは MonoChat の組み込みベクトルデータベース、または VectorDB 連携を通じてお客様ご自身のデータベースに保存されます。内容が変わったら、スコープを更新して再インデックスするだけで、フローを作り直さなくてもアシスタントは新しい版から情報を取得します。

ドキュメントとリアルタイムのデータを組み合わせる場合は、RAG オーケストレーションでクエリの書き換え、検索、リランキング、ツール呼び出し、引用、最終的な回答といったステップをつなげられます。また、AI 関数ツールにより、注文状況や CRM レコードなどを同じ回答の中で取得できます。

無料の Basic プラン（エージェント 1 つ、チャネル 1 つ）なら app.monochat.ai からすぐに始められます。プランの比較は料金ページをご覧ください。

出典

• Meta for Developers: WhatsApp Business Platform overview
• WhatsApp Business Messaging Policy