製造業のRAGで設備マニュアルを検索する前にやる文書整理
設備マニュアルをAIで検索可能にするRAG（Retrieval-Augmented Generation：検索拡張生成）の成否は、AIの選定ではなく「文書の棚卸し」で決まる。中小製造業のDX推進担当者・IT担当者・生産技術担当者に向けて、この記事では、ドキュメント棚卸し・チャンク設計・検索評価の3フェーズのロードマップ表と、今週できる最初の一歩を示す。
設備マニュアルをAIで検索可能にする——RAGは「文書の整理」から始まる
製造業のRAGでマニュアル検索がうまくいかない本当の理由
マニュアルが多すぎてRAGをうまく使えないと感じたとき、最初に疑うべきはAIの性能や費用ではない。検索される側の文書の粒度と命名がそろっていないことだ。
RAGとは、社内文書をベクトルデータベース（文章の意味を数値にして保存し、意味の近さで検索できるデータベース）に格納し、質問文と意味的に近い文書を取り出してAIが答えを生成する仕組みだ。「設備Aの緊急停止手順は？」と入力すると、関連するマニュアルの該当箇所を引き出して回答する。精度の高い検索を実現するには、「検索される側の文書」が適切な粒度と構造を持っている必要がある。
製造現場の文書で、RAGの精度を落としやすい状態の例は次のとおりだ。設備ごとにフォルダが分かれているが命名ルールがない。同じ設備の取扱説明書が複数バージョン存在し、最新版がどれか分からない。QC規格はExcel、図面はCADソフト、作業手順書はWordと、ファイル形式がバラバラ。これではRAGを乗せても、AIは「どの文書を参照すべきか」を正しく判断できない。
筆者が最初に勤めた従業員40名ほどの制御盤メーカーは、管理が紙とExcelで、設計仕様は個人管理、作業手順は個人任せだった。「文書がある」と「使える状態の文書がある」は、全く別の話だ。RAGに入力するのは後者でなければならない。
重要なのは、RAGを入れる前に「文書の棚卸し」をすることだ。この準備を省くと、検索評価の段階で回答のズレの原因が文書にあるのか設定にあるのかを切り分けられず、PoC（概念実証）から先に進めなくなる。
製造現場RAG構築3フェーズロードマップ
製造現場でRAGを実用化するには、次の3フェーズを順番に進める。
| フェーズ | 作業内容 | 目的 | 主な担当 |
|---|---|---|---|
| フェーズ1：ドキュメント棚卸し | 対象文書の選定・整理・構造化 | 「検索できる文書」の状態を作る | 現場 + IT |
| フェーズ2：チャンク設計 | 文書を適切な大きさに分割し索引化 | 検索精度を決める | IT担当 |
| フェーズ3：検索評価 | 質問と回答のズレを確認・修正 | 現場で使えるレベルにチューニング | 現場 + IT |
このロードマップは、自社のRAG構築計画を社内で説明する際に使える叩き台だ。各フェーズの詳細を以下に示す。
製造現場RAG構築の3フェーズ——ドキュメント棚卸しから始め、チャンク設計・検索評価へ進む
フェーズ1：ドキュメント棚卸しで「RAGに乗せる文書」を選ぶ
筆者の考えでは、フェーズ1がRAGの成否を最も左右する。
まず、社内にある技術文書を以下の4カテゴリに仕分け、優先度を確認する。
| カテゴリ | 代表的な文書 | RAG化の優先度 | 理由 |
|---|---|---|---|
| 設備・装置マニュアル | 操作手順書、保全マニュアル、トラブルシューティングガイド | 高 | 検索頻度が高く、現場の作業に直結する |
| 品質・規格文書 | QC規格、検査基準書、不適合事例集 | 高 | 一貫性が問われ、参照ミスが品質問題につながる |
| 設計・仕様文書 | 仕様検討書、図面、部品リスト | 中 | 図面はテキスト化に別途対応が必要な場合がある |
| 手順・記録 | 作業指示書、日報、改善記録 | 低 | 非構造化が多く、整理コストが高い |
優先度「高」の文書から着手する。対象を絞れば、どの文書を参照すべきかが明確になり、検索評価でズレの原因も追いやすい。最初から全文書を対象にしない。
選んだ文書は次の3点で整理する。
1. 最新版の確定：バージョン管理されていない文書は、現場担当者に「今実際に使っているもの」を特定してもらう。「最新っぽいもの」ではなく、現場が依拠している版を確定することが先決だ。
2. 命名ルールの統一：設備名_文書種別_版数_日付.pdf の形式を基準にする（例：A-Press_取扱説明書_v3_20260901.pdf）。命名ルールを揃えることで、後のメタデータ付与が格段に楽になる。
3. テキスト化：スキャンPDFはOCR（光学文字認識）処理でテキスト化する。図面の注記はテキスト別添ファイルで管理し、図面本体とセットで扱えるようにする。
この整理を終えた文書だけをRAGに入力する。「あるものを全部入れる」発想では機能しない。
フェーズ2・3：チャンク設計と検索評価のチェックポイント
**フェーズ2（チャンク設計）**では、文書を「チャンク（塊）」と呼ぶ単位に分割してベクトルデータベースへ格納する。1つのチャンクが1つの意味のまとまりになるように分けるのが基本だ（出典：Microsoft Azure Architecture Center「RAG solution design and evaluation guide」）。製造文書では、次の単位で分けるのを叩き台にする。
| 文書種別 | チャンク単位 | 注意点 |
|---|---|---|
| 操作手順書・マニュアル | 手順のステップ単位 | 警告・注記も同チャンク内に含める |
| QC規格 | 検査項目単位 | 合否判定基準と根拠を1セットにする |
| トラブルシューティング | 症状・原因・対処の3点セット | 3点が分かれると回答精度が落ちる |
各チャンクには「設備名」「文書種別」「バージョン」のメタデータ（文書の属性を表す付加情報）を付与する。このメタデータが検索時の絞り込みに効く。
**フェーズ3（検索評価）**では、実際の現場担当者に典型的な質問を投げ（目安は10〜20件）、回答の正確さを3点で確認する。
- 参照文書の正確性：正しい文書が引き出されているか
- 数値・手順の一致：回答に含まれる手順・数値が実際のマニュアルと一致しているか
- ハルシネーション（AIがもっともらしい誤答をすること）の確認：「わからない」と返すべき質問に対して、誤った自信で答えていないか
ズレが多い場合は、チャンク分割の単位とメタデータを見直す。フェーズ2に戻ることを恐れない。RAGは一度設計したら終わりではなく、現場の使い方に合わせてチューニングし続けるものだ。「AIが間違えた」ではなく「文書の入れ方が合っていなかった」という視点で改善を続ける。
あわせて、文書が改訂されたときに誰がRAGの索引を更新するか、誤った回答が出たときに誰が確認して直すかも決めておく。
まとめ
製造現場のRAG導入は、AIシステムの選定より前に「文書が使える状態かどうか」を問う作業から始まる。
最初の一歩は今週中にできる。設備マニュアルのフォルダを開き、同じ設備のマニュアルが何バージョン存在するかを数えてほしい。複数の版が混在していれば、棚卸しが必要な状態だ。最新版を確定し、命名ルールを決める。これが、RAGの前準備の最初の一歩になる。
技術のすごさより、運用設計の地味さを見る。製造現場のRAGは、その地味な棚卸し作業に成否が宿っている。
「これ、AIでできない？」
業務の流れに落とし込みます。
相談内容をもとに、
AIで支援できそうな工程と、
人が確認すべきポイントを整理します。
まずは、分かる範囲で構いません。