MENU

生成AIでKCSを使う方法|プロンプト例と人が確認すべきポイント

KCS(Knowledge-Centered Service)は、問い合わせ対応の中で知識を検索・再利用・作成・改善し、日々の対応そのものをナレッジ育成につなげる考え方です。

生成AIは、この流れを効率化する補助役として使えます。たとえば、問い合わせ文から検索語候補を出す、既存ナレッジとの差分を要約する、対応内容から記事の下書きを作る、重複候補を探す、レビュー観点を出す、といった作業です。

ただし、AIに「正しいナレッジ」を自動で作らせるだけではKCSになりません。実際の問い合わせ内容、正式な手順、公開範囲、セキュリティ、個人情報、既存記事との関係、最終的な更新判断は人が確認する必要があります。

この記事では、生成AIをKCSの補助に使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、誤り・限界まで含めて解説します。

KCSの基本構造から確認したい場合は、KCSとは?を参照してください。人だけで進める基本手順は、KCSのやり方で確認できます。

目次

生成AIを使うと効果が出やすい場面

生成AIは、次のような作業で補助役として使いやすくなります。

  • 問い合わせ文から検索語候補を出す
  • 既存記事に近い論点を整理する
  • 既存ナレッジと今回ケースの差分を要約する
  • 問い合わせ対応中のメモから記事下書きを作る
  • タイトルや検索語を利用者目線へ言い換える
  • 重複記事候補を探すための比較観点を作る
  • 公開前レビューの質問を作る
  • 再利用後の改善点を要約する
  • 週次レビューで見るべき候補を整理する

一方で、次の判断はAIだけに任せない方が安全です。

  • 問い合わせの事実関係
  • 正式な解決手順
  • 管理者権限が必要な操作
  • セキュリティ・個人情報・契約情報
  • 記事の公開範囲
  • 既存記事を更新するか新規作成するか
  • 重複記事を統合・削除するか
  • 最終的なナレッジ公開判断

1. 問い合わせ文から検索語候補を作る

KCSでは、最初から新規記事を書くのではなく、まず既存ナレッジを検索して再利用できるか確認します。

プロンプト例

以下の問い合わせから、社内ナレッジ検索に使えそうな検索語候補を出してください。

問い合わせ: 「スマートフォンを機種変更してから、Microsoft 365へログインしようとすると認証アプリの確認が通らず、先に進めません。」

条件:

  • 利用者が実際に使いそうな言葉を含める
  • 製品名、症状、操作、状況の4観点で整理する
  • 解決方法は推測しない
  • 5〜8個程度に絞る

出力の使い方

AIは、

  • スマホ変更
  • 機種変更
  • Microsoft 365
  • MFA
  • 認証アプリ
  • ログインできない
  • 旧端末

などの候補を出せます。

人は、その語が実際の検索環境で使えるかを確認し、既存記事を検索します。

2. 既存記事を再利用できるか確認する質問を作る

AIに「この記事を使えるか判断して」と丸投げするのではなく、再利用判断に必要な確認項目を出させる使い方が安全です。

プロンプト例

既存ナレッジ記事の概要: 「MFA再登録の手順。認証アプリを新端末へ再登録する方法を説明。」

今回の問い合わせ: 「スマホ機種変更後、Microsoft 365へログインできない。旧端末の認証情報が残っている可能性がある。」

以下を整理してください。

  • 既存記事でそのまま対応できそうな点
  • 追加確認が必要な点
  • 既存記事へ追記すべき可能性がある点
  • 新規記事に分けるべきか判断するための質問

条件:

  • 最終判断は人が行う
  • 存在しない仕様は補わない

出力の使い方

AIは、MFA再登録自体は既存記事で対応できる一方、旧端末認証情報の解除条件が不足している可能性を指摘できます。

人は正式手順を確認し、既存記事の改善で足りるか、新規記事に分けるかを決めます。

3. 問い合わせ対応中のメモからナレッジ下書きを作る

KCSでは、対応後にまとめて記事を書くのではなく、対応中の情報をそのままナレッジへ育てる考え方が重要です。

プロンプト例

以下の対応メモを、再利用しやすいナレッジ記事の下書きへ整理してください。

対応メモ:

  • 症状:スマホ機種変更後にMicrosoft 365へログインできない
  • 確認:認証アプリは新端末へ移行済み
  • 追加条件:旧端末側の認証情報が残っていた
  • 対応:管理者側で旧認証情報を解除後、新端末でMFA再登録
  • 結果:ログイン成功

記事構成:

  • 症状
  • 対象条件
  • 確認手順
  • 解決手順
  • 解決確認
  • 注意点

条件:

  • 不明な操作は補わない
  • 管理者権限が必要な箇所を明示する
  • 個人情報は書かない

出力の使い方

AIは、メモを読みやすい記事構造へ変換できます。

ただし、管理画面の正式名称、解除操作、権限、例外条件は人が確認します。

4. 既存記事との差分だけを要約する

既存記事を毎回書き直すより、「今回のケースで何が新しく分かったか」を抽出するとKCSの改善につなげやすくなります。

プロンプト例

既存記事:

  • 新端末へ認証アプリを登録する
  • MFA再登録を行う

今回の対応で新しく分かったこと:

  • 旧端末の認証情報が残るケースがある
  • 本人だけでは解除できず、管理者確認が必要な場合がある
  • 旧端末への通知有無も確認ポイントになる

既存記事へ追記すべき差分だけを、

  • 適用条件
  • 手順追加
  • 注意点
  • 検索語

に分けて整理してください。

出力の使い方

AIは差分を短く整理できるため、「既存記事を改善する」判断に使いやすくなります。

5. タイトルと検索語を利用者目線へ直す

担当者目線のタイトルは、検索されにくいことがあります。

悪い例

MFA認証情報再構成手順

プロンプト例

以下の社内ナレッジタイトルを、利用者が症状から検索しやすい表現へ変える候補を5つ出してください。

元タイトル:MFA認証情報再構成手順

想定問い合わせ:スマホを機種変更した後、Microsoft 365へログインできない

条件:

  • 症状と状況が分かる
  • 専門用語だけにしない
  • 煽り表現は使わない

出力の使い方

たとえば、

スマホ機種変更後にMicrosoft 365へログインできない場合のMFA再登録

のような候補が作れます。

最終タイトルは、社内の命名規則や検索実績を見て決めます。

6. 重複記事候補の比較観点を作る

KCSでは、似た問い合わせごとに記事を増やし続けると検索性が落ちます。

プロンプト例

以下の2記事が重複している可能性があります。

記事A:スマホ機種変更後のMFA再登録 記事B:認証アプリ変更時のMicrosoft 365ログイン復旧

統合可否を判断するための比較観点を整理してください。

条件:

  • 対象条件
  • 症状
  • 原因
  • 解決手順
  • 権限
  • 例外
  • 検索語

を含める

  • 統合するかどうかは決めない

出力の使い方

AIは比較軸を作れますが、統合判断は利用実績と内容を人が見て決めます。

7. 公開前レビュー質問を作る

プロンプト例

以下のナレッジ記事を公開前にレビューします。

記事概要: スマホ機種変更後のMicrosoft 365ログイン不具合について、旧認証情報の確認とMFA再登録を説明。

レビュー質問を作ってください。

条件:

  • 事実
  • 適用条件
  • 手順
  • 権限
  • セキュリティ
  • 個人情報
  • 解決確認
  • 検索性
  • 既存記事との重複

を含める

出力の使い方

AIをレビュー担当者の代わりにするのではなく、確認漏れを減らす質問作成に使います。

8. 再利用後の改善点を要約する

同じ記事が再利用されたとき、利用結果を改善へ戻すとKCSらしい運用になります。

プロンプト例

以下は同じナレッジ記事を3回使った結果です。

1回目:そのまま解決 2回目:「機種変更」で検索したが見つけにくかった 3回目:旧端末への通知が残る条件の説明が不足

改善候補を、

  • 検索語
  • タイトル
  • 適用条件
  • 本文
  • 注意点

に分けて整理してください。

出力の使い方

AIは、検索語へ「機種変更」を追加する、旧端末通知条件を注意点へ追記する、といった改善候補を整理できます。

人は実際の利用結果を見て、必要な変更だけ採用します。

9. 週次レビューの候補を整理する

KCSでは記事数だけを成果にすると、重複や低利用記事が増えやすくなります。

プロンプト例

週次レビュー用に、以下の指標から確認優先候補を整理してください。

  • 再利用回数
  • 検索失敗件数
  • 同じ問い合わせから新規記事が複数作られている件数
  • 更新回数
  • 解決に寄与した回数
  • 長期間使われていない記事

条件:

  • 「記事数が多い=良い」と評価しない
  • 改善、統合、検索語見直しの観点で候補を分ける

出力の使い方

AIは週次レビューの優先順位候補を出せます。

ただし、実際に統合・非公開・削除するかは人が判断します。

通し例|社内ヘルプデスクで生成AIをKCSの補助に使う

社内ヘルプデスクで、

スマートフォンを機種変更したら、Microsoft 365へログインできなくなった

という問い合わせが来たとします。

1. AIで検索語候補を作る

担当者は問い合わせ文をAIへ渡し、

  • スマホ変更
  • 機種変更
  • MFA
  • 認証アプリ
  • Microsoft 365
  • ログインできない

という検索語候補を得ました。

2. 既存ナレッジを検索する

担当者は候補語で検索し、「MFA再登録」の既存記事を見つけました。

ここで新規記事は作らず、まず既存記事を使いました。

3. 既存記事だけでは解決しない条件を発見する

手順どおり再登録を試しても進まず、確認すると旧端末側の認証情報が残っていました。

担当者は、

  • 旧端末認証情報の有無
  • 管理者解除が必要か
  • 解除後の再登録
  • 旧端末への通知状態

を確認しました。

4. AIで既存記事との差分を整理する

対応メモと既存記事概要をAIへ渡し、差分だけを整理させました。

AIは、

  • 適用条件へ「旧端末認証情報が残る場合」を追加
  • 管理者側確認を手順へ追加
  • 旧端末通知を注意点へ追加
  • 検索語へ「機種変更」「旧端末」を追加

という候補を出しました。

5. 人が正式手順を確認する

ここで、AIが提案した内容をそのまま記事へ反映しません。

担当者は管理者向けの正式手順を確認し、権限が必要な操作、確認順序、利用者へ案内してよい範囲を確定しました。

6. 既存記事を改善する

新規記事を作らず、既存のMFA再登録記事へ不足条件を追記しました。

さらに検索語へ、

  • スマホ変更
  • 機種変更
  • 旧端末
  • 認証アプリ

を追加しました。

7. 翌週、別担当者が再利用する

別担当者が似た問い合わせを受け、「機種変更」で検索して同じ記事を見つけ、そのまま解決できました。

8. 週次レビューへ戻す

週次レビューでは、

  • 再利用されたか
  • 検索語で見つかったか
  • 追加条件が必要か
  • 類似記事が増えていないか

を確認しました。

この例でAIが担ったのは、検索語候補、再利用判断の質問、差分要約、下書き、検索性改善、レビュー観点の整理です。

一方、人が担ったのは、事実確認、正式手順、管理者権限、公開範囲、既存記事を更新する判断、最終公開です。

そのまま使える型が必要なら、KCSテンプレートを使うと、問い合わせ、検索、解決内容、記事本文、再利用・改善記録まで同じ型で整理しやすくなります。

具体的な適用過程を追いたい場合は、KCSの具体例が参考になります。よくある失敗を先に避けたい場合は、KCSで失敗しやすいポイントも参照してください。

KCSを他の知識共有手法と使い分けたい場合は、SECIモデルとKCSの違い、AARとKCSの違い、DIKWモデルとKCSの違い、SECIモデル・AAR・KCSの使い分けも確認できます。

人が必ず確認すべきポイント

事実関係

AIは問い合わせの背景や実際の環境を知りません。症状、端末、アカウント状態、実施済み操作は人が確認します。

正式手順

AIがもっともらしい操作を補うことがあります。管理画面、権限、設定変更は正式手順と照合します。

公開範囲

社内限定、管理者限定、利用者公開など、情報ごとに扱える範囲が異なります。

個人情報・機密情報

問い合わせ原文には氏名、メールアドレス、端末情報、契約情報などが含まれることがあります。AIへ入力する前に情報管理ルールを確認します。

更新と新規作成の判断

似た記事がある場合、AIは新規案を作るのが得意です。しかしKCSでは、既存記事の再利用・改善で足りるなら新規作成を増やさない判断も重要です。

重複整理

統合や削除は、利用状況、参照先、権限、履歴を人が確認してから行います。

生成AIの誤りと限界

存在しない手順を補うことがある

製品や社内設定を推測し、実際には存在しない操作を提案することがあります。

問い合わせごとに新規記事を作りたがることがある

文章生成が得意なため、既存記事改善より新規記事案を作りやすい傾向があります。

重要な適用条件を落とすことがある

正常系だけ整理し、権限、例外、旧端末状態などの条件が抜けることがあります。

重複を表面的な文章類似だけで判断することがある

タイトルが似ていても対象条件が違う場合があります。逆に、表現が違っても実質同じ記事の場合があります。

利用実績を知らない

どの記事が実際に検索・再利用されているかは、入力しない限り分かりません。

機密情報の扱いに注意する

問い合わせ内容、顧客情報、社内構成、障害情報などは、自社の情報管理ルールに従います。

生成AIに任せすぎないためのチェックリスト

  • 問い合わせ前に既存ナレッジを検索したか
  • AIの検索語候補を実際の検索環境で試したか
  • 既存記事を再利用できない理由を確認したか
  • AIが作った手順を正式手順と照合したか
  • 管理者権限が必要な操作を明記したか
  • 個人情報・機密情報を不用意に入力していないか
  • 新規作成より既存記事改善で足りないか確認したか
  • タイトルと検索語が利用者目線か
  • 重複記事候補を人が確認したか
  • 公開範囲を確認したか
  • 再利用後の改善点を記事へ戻したか
  • 記事数だけを成果にしていないか
  • 統合・削除をAIだけで決めていないか

まとめ

生成AIは、KCSを効率よく実践するための補助役として使えます。

特に役立つのは、検索語候補、既存記事との差分要約、ナレッジ下書き、利用者目線のタイトル改善、重複比較観点、レビュー質問、再利用後の改善候補、週次レビューの優先候補づくりです。

一方で、事実関係、正式手順、権限、セキュリティ、公開範囲、既存記事を更新するか新規作成するか、統合・削除、最終公開判断は人が担う必要があります。

生成AIにナレッジを完成させてもらうのではなく、「検索を助ける」「差分を見つける」「下書きを作る」「レビュー質問を増やす」ために使うことで、KCSの検索・再利用・改善のサイクルを効率よく回しやすくなります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次