PROJECT

プロジェクトのテーマ ― 散在する会話を「検索できる組織の知識」へ

会議の議事録、Slackでのやり取り、商談メモ――日々生まれる重要な意思決定や知見は、それぞれ別の場所に流れていき、後から「あの話、どこで決まったんだっけ」と探せなくなっていました。せっかくの知識が会話の中に埋もれ、組織の資産として活用できていなかったのです。

本プロジェクトのテーマは、こうした散在する議事録・チャットを1つのナレッジ基盤に集約し、出典つきで横断検索できるRAG（検索拡張生成）の仕組みを構築することです。「探せば必ず根拠とともに見つかる」状態をつくり、流れて消えていた会話を組織の知識へと変えました。

クライアントの課題

意思決定や知見が会話の中に埋もれていた

議事録は会議ツール、議論はSlack、というように情報がツールごとに分断され、横断して探す手段がありませんでした。「いつ・誰が・何を決めたか」を後から辿るのが難しく、同じ議論の繰り返しや、過去の経緯を知らないままの判断が起きていました。

知識が属人化し、確認の問い合わせが集中していた

経緯や仕様を知っているのは一部のメンバーだけで、その人に質問が集中。本人が不在だと話が進まず、新しいメンバーのキャッチアップにも時間がかかっていました。知識が個人に紐づき、組織で共有されていない状態でした。

提供したソリューション

会議やチャットの内容を自動で取り込み、ベクトル検索で横断的に引ける基盤を構築。AIが根拠（出典）を示しながら回答し、外部AIからも安全に参照できるようにしました。

議事録・チャットを自動で取り込み、ベクトル化

議事録ツールからは Webhook（HMAC検証）で、Slackからは OAuth 連携で会話を自動取り込み。本文をチャンクに分割し、PostgreSQL の pgvector でベクトル化して蓄積します。新しい会議やスレッドが発生するたびに、知識が自動的にナレッジDBへ積み上がっていきます。

出典つきで答えるRAGハイブリッド検索

検索は、ベクトル検索（意味の近さ）とキーワード検索を組み合わせたハイブリッド検索を採用。質問に対してAIが関連箇所を探し出し、必ず根拠となる議事録・発言へのリンク（出典）を添えて回答します。「AIがそれっぽく答えるだけ」ではなく、元の会話まで遡って確認できるため、安心して業務判断に使えます。

会話をまたいで束ねる「バーチャルスレッド」とワークフロー配信

関連する会議・チャットを横断して1つの文脈として束ねる「バーチャルスレッド」により、テーマ単位で経緯を追えるようにしました。さらに、決定事項やアクションを定義したワークフローに沿って関係者へ自動配信。知識を「探す」だけでなく「必要な人に届く」ところまで仕組み化しています。

構築したシステム

バックエンドは NestJS/TypeScript、データは PostgreSQL＋pgvector、非同期処理は Redis/BullMQ、認証は Supabase（JWKS）で構成。加えて OAuth2.1 で保護したMCPサーバー（ask_knowledge／search_minutes）を実装し、Claudeなど手元のAIから組織のナレッジに安全に問い合わせられるようにしました。

プロジェクトの成果

知識の一元化と即時の検索性

ツールごとに分断していた議事録・チャットが1つの基盤に集約され、必要な情報を出典つきで即座に引けるようになりました。流れて消えていた会話が、検索できる組織の資産に変わりました。

脱・属人化と問い合わせの削減

「あの人に聞かないと分からない」状態が解消され、特定メンバーへの問い合わせ集中が緩和。新メンバーも自力で過去の経緯をたどれるようになり、キャッチアップが速くなりました。

AIに安心して任せられる根拠性

回答に必ず出典が付くことで、AIの回答を裏付きで確認できるようになりました。MCP連携により、普段使うAIからそのまま社内ナレッジを活用でき、AI活用の土台が整いました。