自分の会社専用のAIを作るとはどういうことか｜「AI社員」の実態を分解する

「うちの会社専用のAIを作りたい」「AI社員を1人置きたい」。こうした言葉をよく見かけるようになりました。ただ、いざ検討を始めると、何をすることになるのかが見えません。専用のAIとは、いったい何を作ることなのでしょうか。

先に結論をお伝えします。「覚えさせる」には3つの層があり、中小企業が実際に手を届かせるのは下の2つです。いちばん上の層——AIそのものを作り替える方法——は、そもそも提供されていないことがあります。

そして、いちばん効くのはいちばん下の層です。ここを飛ばして上を目指すと、費用も時間も無駄になります。

「覚えさせる」には3つの層がある

まず言葉を分解します。「AIに覚えさせる」と一口に言っても、中身は3つに分かれます。

いちばん下は、毎回の指示です。依頼のたびに、前提・条件・書式を伝える。地味ですが、ここが9割です。

真ん中は、資料を渡すことです。社内規程や過去の事例を、その場で読ませます。専門用語では「RAG」と呼ばれる仕組みがこれにあたります。

いちばん上は、AIそのものを追加データで訓練し直すことです。「ファインチューニング」と呼ばれます。多くの方が「自社専用のAI」と聞いてイメージするのは、この層でしょう。

いわば、新しく入った人への教え方と同じ構造です。その都度口頭で伝えるのが下の層。マニュアルを渡して読んでもらうのが真ん中の層。そしていちばん上は、その人の性格そのものを変えようとするような話です。

いちばん上の層は、選べないことがある

ここで重要な事実があります。Anthropicの公式用語集には、こう書かれています。

The Claude API does not currently offer fine-tuning

「現時点でファインチューニングを提供していません」。いちばん上の層は、そもそも選択肢として存在しない場合があるということです。

これは1社についての記載であり、他社では提供している場合もあります。AI全般でできないという話ではありません。ただ、「自社専用に作り替える」という発想が、製品によっては入口で成立しないことは知っておく価値があります。

さらに同じ説明の中で、この手法について次のようにも書かれています。

it requires careful consideration of the fine-tuning data and the potential impact on the model’s performance and biases

訓練用データの吟味と、性能や偏りへの影響について慎重な検討が必要だ、という意味です。手軽な選択肢ではありません。

たとえるなら、既製品の機械を買って使うのと、機械そのものを設計し直すくらいの差があります。後者を選ぶ会社がないわけではありませんが、専任の担当者と継続的な検証が前提になります。言い換えれば、中小企業が最初に検討する層ではないということです。

資料を渡す層の落とし穴

真ん中の層——社内文書を参照させる仕組み——には、よくある誤解があります。「社内文書を全部つなげば賢くなる」というものです。

公式用語集は、この仕組みについてこう書いています。

the effectiveness of RAG depends on the quality and relevance of the external knowledge base and the knowledge that is retrieved at runtime

「効果は、参照する資料の質と関連性、そして実際に取り出された内容で決まる」という意味です。つなぐこと自体が効くのではありません。

中小企業でありがちなのは、古い版と新しい版の書類が混在した状態です。この状態でつなぐと、AIは古い版を根拠に、自信を持って答えます。これは、書棚に旧版と改訂版を並べたまま新人に「ここから調べて」と伝えるのと同じようなものです。本人に落ち度はありません。並べ方が悪いのです。

つなぐ前にやるべきは、どれが現行版かを決める作業です。この整理は、社内ナレッジの設計として社内の「あの人しか知らない」をAIでなくす｜社内ナレッジ検索の設計で扱っています。

毎回の指示だけで、どこまでできるか

いちばん下の層が9割だと申し上げました。具体的に何をするのか。自社の決まりごとを1枚にまとめ、依頼のたびに前提として渡すことです。

具体的には、次の3つを書きます。1つ目は呼び方と書式——社名の表記、日付の書き方、敬称の付け方。2つ目は避ける表現——社内で使わないと決めている言葉、断定を避ける場面。3つ目は迷ったときの基準——誰に確認するか、どこで手を止めるか。毎回口頭で言い直していることが、そのまま材料になります。

開発の分野では、この考え方がすでに仕組みになっています。Claude Codeの公式ドキュメントでは、指示を書いたファイルを置いておくとセッションを始めるたびに読み込まれる仕組みが説明されており、基準や決定事項、確認の観点を書いておく用途が案内されています。

業務でも同じことができます。特別な道具は要りません。よく使う依頼文の先頭に、決まりごとの1枚を貼り付けるだけでも効果があります。

指示の書き方そのものを社内で揃えたい場合は、研修で教えるプロンプトの型が参考になります。

全社への広げ方は全社員のAIリテラシーを底上げする設計で扱っています。

「覚えている」と「覚えさせた」は違う

もうひとつ、混同されやすい点があります。会話の途中でAIが前の話を覚えているように見えるのは、「覚えた」のとは違います。

会話が続いている間、それまでのやり取りは毎回まとめて渡し直されています。覚えているのではなく、毎回読み返しているだけです。だから、別の担当者が新しく開いた会話には引き継がれません。

ちょうど、机の上に広げた資料のようなものです。作業中は目の前にありますが、片付ければその場からは消えます。書棚に納めたわけではないのです。

⚠️ ただし注意点があります。会話をまたいで覚えておく機能を備えた製品もあり、個人向けのプランでは既定で有効になっている場合があります。その場合、会話を削除しても、そこから作られた記録が残ることがあります。ここで重要なのは、それが「使う人のアカウントに紐づくもの」だという点です。社内の全員が同じ前提で働くための仕組みではありません。その人自身の手帳に写しが残るようなもので、会社の書棚に入るわけではないのです。

だからこそ、下の層——毎回の指示を1枚にまとめておくこと——が効きます。会話を閉じても残る場所に置いておくという発想です。イメージとしては、机の上ではなく壁に貼っておくことに相当します。

新しく入った人への引き継ぎにAIを使う設計は、新入社員オンボーディング向け｜AIで社内FAQと立ち上がり支援を設計するで扱っています。

まとめ｜「AI社員」は作るものではなく、渡すもの

整理します。「自社専用のAI」には3つの層があり、いちばん上は提供されていない場合があります。真ん中は資料の質で効果が決まります。そしていちばん下——毎回の指示——が9割です。

冒頭の「AI社員」という言葉に戻ります。この言葉が指しているのは、特別に作られた何かではありません。私たちが実務で大事だと考えているのは、「作る」という言葉から離れることです。自社専用のAIとは、自社の前提を、毎回きちんと渡している状態のことです。新しい社員を雇うのではなく、既にいる相手に自社のやり方を伝えている、と考えるほうが実態に近いはずです。

この言い換えができると、着手のハードルが一気に下がります。開発も、大きな投資も要りません。今日から、決まりごとを1枚書き出すところから始められます。そして多くの場合、それで足ります。

自社で何を1枚にまとめるべきか迷われている場合は、無料相談でも承っています。

よくある質問

自社のデータでAIそのものを作り替えることはできますか？

提供されていない場合があります。Anthropicの公式用語集には、追加データでモデルを再訓練することについて「The Claude API does not currently offer fine-tuning」と書かれています。現時点でその機能を提供していない、という意味です。他社では提供している場合もあるため、AI全般でできないという話ではありませんが、少なくとも入口の時点で選べないことがあります。また同じ説明の中で、この手法にはデータの吟味と、性能や偏りへの影響の検討が必要だとも書かれています。手軽な選択肢ではありません。中小企業が実際に手を届かせるのは、毎回の指示と資料の渡し方という下の2層です（2026年8月29日時点の公開情報）。

社内文書をつなげば、AIは賢くなりますか？

つなぐだけでは賢くなりません。Anthropicの公式用語集は、外部の資料を参照させる仕組みについて「the effectiveness of RAG depends on the quality and relevance of the external knowledge base and the knowledge that is retrieved at runtime」と説明しています。効果は、渡す資料の質と関連性、そして実際に取り出された内容で決まる、という意味です。古い版と新しい版が混在した文書群をそのままつなげば、AIは古い版を根拠に答えることがあります。つなぐ前に、どれが現行版かを決める作業のほうが重要です（2026年8月29日時点の公開情報）。

まず何から始めればいいですか？

自社の決まりごとを1枚の文書にまとめ、依頼のたびにそれを前提として渡すことから始めてください。呼び方、書式、使ってよい表現と避ける表現、判断に迷ったときの基準。こうした前提を毎回伝え直している場合、それを1枚にまとめておくだけで結果が安定します。Claude Codeの公式ドキュメントでは、指示を書いたファイルを置いておくと毎回読み込まれる仕組みが説明されており、コーディングの基準や設計上の決定、レビューの観点を書いておく用途が案内されています。考え方は業務にも当てはまります。この段階で足りないと感じたときに、初めて資料を参照させる仕組みを検討してください（2026年8月29日時点の公開情報）。

参考にした情報

• Anthropic 公式ドキュメント｜Glossary（Fine-tuning・RAG の説明）
• Anthropic 公式ドキュメント｜Claude Code Overview（指示ファイルの仕組み）

本記事は2026年8月29日時点で公開されている情報にもとづいています。各社の提供機能は変更される場合があるため、導入判断の前に公式ドキュメントで最新の記載をご確認ください。