ここまでで、部品は揃った。土台・門番・文書・コード・メール・会議・Web・ API ── 道具は立った。だが、その上を流れる 情報そのもの は、まだ散らばっている。共有フォルダの底に沈んだファイル、紙とスキャン PDF、そして最も重いもの ── 誰かの頭の中にしかない属人知。
AI を載せる前に、やることがある。載せるに値する情報を、作ることだ。
整備こそ本体、AI は最後の一手
順序を間違えてはいけない。RAG も、自前の AI も、整った情報の上にしか立たない。散らばった・書かれていない情報に、いくら賢いモデルを載せても、出てくるのはゴミだ(garbage in, garbage out)。
だから本章は、AI の前に置く。やることは三つ ── 紙を読む(OCR)、散らばりを揃える(分類・構造化)、頭の中を書き出す(属人知の成文化)。
そして、この整備には、二つの性質がある。
- 人にしかできない判断だ。何を残し、何を捨て、どう構造化するか ── これは業務を知る人間の判断で、AI に丸投げできない(3-03)。AI は下書きを助けるが、決めるのは人だ。
- no-regret 投資だ。情報を構造化すれば、AI を一切載せなくても回収できる。属人化が解け、引き継ぎが楽になり、業務が健全になる。AI は、その上に最後に載る一手にすぎない。
賢いモデルより、整った情報のほうが効く。整備こそ本体。AI は、最後の一手だ。
紙を読む ── OCR
最初の関門は、これまで機械が読めなかった情報だ。紙、スキャン、画像 PDF、手書き。
- 定型・活字なら、Tesseract などの OSS OCR でテキスト化できる。
- レイアウトが複雑な帳票・図表混じりは、オープンウェイトのビジョンモデル (2-11 で立てるローカル AI)に読ませ、Markdown に起こす。
# 例: スキャン PDF をテキスト層つきに(OSS OCR)
ocrmypdf --language jpn input.pdf output.pdf # 検索可能な PDF + テキスト
出力は、Markdown とプレーンテキストに寄せる。専用フォーマットに閉じ込めない ── 後で誰でも・どの AI でも読めるように(2-04 の標準形式の原則)。
散らばりを揃える ── 分類と構造化
次に、散らばったファイルを 揃える。
- 置き場を一つに ── 2-05 で取り戻した、ファイルのままの文書置き場に集める。
- メタデータを付ける ── 種類・部門・日付・版を、ファイル名か xattr(2-05)で持つ。
- 構造を Markdown で ── 見出し・箇条書き・表で、機械にも人にも読める形に整える。AI に下書きさせ、人が直す。
ここで AI は強力な助手になる。「この 200 ファイルを種類ごとに分類し、要約を付けて」── 分類も要約も、ローカルのモデル(2-11)で回せる。だが、分類の軸を決めるのは人だ。業務にとって何が「同じ種類」かは、業務を知る者にしか分からない。
頭の中を書き出す ── 属人知の成文化
最も重く、最も価値があるのが、書かれていない知だ。長年の担当者の頭の中にある、仕様の曖昧な部分、例外処理、なぜそうなっているかの理由。これが消えると、システムは「動くが、誰も分からない」状態になる(3-04 の人的依存)。
やり方は、2-09 で基幹ロジックに使ったのと同じだ ── 現場にヒアリングし、 AI に下書きさせ、現場が確認する。
- 担当者に聞く・録る → AI が文字起こしと構造化の下書き
- 下書きを担当者が読み、誤りを直す(ここが検証 ── 人にしかできない)
- 確定したものを、Markdown で文書置き場に置く
属人知が 書かれた瞬間、それは引き継げる資産になる。AI を載せるかどうかと無関係に、ここで会社は強くなる。
そして、AI を載せる
整った情報が揃って、はじめて次章だ。書かれた・構造化された文書を、2-02 の pgvector に埋め込み、RAG に載せる(2-11)。
整備を飛ばして RAG を組むと、出典は曖昧で、答えは当てにならない。整備を済ませてあれば、自社の実データに基づいて、出典つきで答える AI が、素直に立つ。
RAG の質は、モデルの賢さではなく、載せた情報の整い方で決まる。
まとめ
AI の前に、情報を整える。
- OCR ── 紙・スキャンを、Tesseract やビジョンモデルで Markdown に
- 分類・構造化 ── 置き場を一つに、メタデータと Markdown で揃える(軸は人が決める)
- 属人知の成文化 ── ヒアリング → AI 下書き → 現場が確認(2-09 と同じ)
- AI は最後の一手 ── 整えた情報を pgvector に載せ、RAG は次章で(2-11)
整備は、AI を載せなくても回収できる ── 属人化が解け、引き継ぎが楽になる。 整備こそ本体。賢いモデルより、整った情報が効く。
次章では、この整えた情報の上に、自前の AI を据える。