ChatGPTとClaudeをNotionでつなぐ、顧客のwiki構築を支援した話
複数の生成AIを併用しながら、複数の作業者で13回にわたる長期の講義資料シリーズを作る。そんなプロジェクトを支援した経験を、このハブ記事で1つの物語としてまとめます。
プロジェクトの全体像
2026年7月から8月にかけて、ソレイユ総研のもとで、13回にわたる長期の講義シリーズの資料作成を支援しました。ChatGPTとClaudeを併用しながら、複数の作業者が同じ情報源を横断的に使って資料を作る、という体制です。
このプロジェクトの中で直面した課題と、それぞれにどう向き合ったかを、5本のスポーク記事に分けて紹介してきました。
1. なぜNotionを情報のハブに選んだのか
最初にぶつかったのは、複数の生成AIを使うと、同じ内容を毎回コピペし直す非効率が生まれるという問題でした。「セッションの記憶が消える」という表面的な問題の奥に、「LLM間の情報格差」という本質的な課題があると気づき、情報格納のハブにNotionを選んだ理由を解説しています。
2. 「使われる」データベースをどう設計したか
情報を集める場所を決めただけでは終わりません。検索しないとたどり着けないデータベースは、いずれ使われなくなります。入口の緩さと蓄積後の厳密さを両立させる3段階のデータベース設計と、検索せずにたどり着ける可視化の工夫を紹介しています。
3. 運用の中で実際にハマった5つの課題
設計を固めた後も、運用を続ける中で技術的な課題が次々と見つかりました。精度は正しいのに情報が消える蒸留の落とし穴、Driveを読めないAIによる検証不能、用語の訳語ブレなど、5つの課題とその対策をまとめています。
4. 全員が上級者ではないチームでの設計
このプロジェクトのチームは、講師の方と、情報管理や補助業務を担当するスタッフの方という構成で、全員がシステムを直接操作できる上級者ではありませんでした。有機的に変わり続ける層と、構造化された層を分離するという設計判断を紹介しています。
5. Gemini前提の設計から方針転換した経緯
当初はお客様の要望どおりGeminiを前提に設計を進めましたが、技術的な壁にぶつかりました。要望の裏にある本質的なニーズを捉え直し、Notion wikiへの方針転換をどう提案し、何が最終的な決め手になったかをまとめています。
お客様からいただいた感想
プロジェクトが一段落した後、ソレイユ総研から率直な感想をいただきました。
資料作成にかかる工数は、体感でかなりの量が削減されたそうです。加えて、以前はあいまいだった作業のプロセスが明確になったこと、資料の整合性や品質の維持と改善を横断的かつ即時的に行えることが、人の個人やチームでは再現しづらいレベルだと評価いただきました。
あたま特に印象に残っているのは、お客様ご自身が「今までのやり方は、AI活用と呼べるものではなかった」と振り返られたことです。仕組みを整えることが、道具の使い方そのものへの理解を深めるきっかけにもなったのだと感じました。
まとめ
複数の生成AIを併用するプロジェクトは、情報格差という表面的には見えにくい課題から始まり、データベース設計、運用中の技術的な落とし穴、チーム構成への配慮、当初の要望からの方針転換まで、いくつもの判断が積み重なって成立していました。どの判断も単独ではなく、1つのプロジェクトの中で同時に絡み合って進んでいたことが、あらためて振り返ってみて見えてきます。
同じような課題を抱えている方の参考になれば幸いです。この事例のようなナレッジ活用の設計や構築支援について相談したい方は、生成AI活用・ナレッジ構築コンサルティングのページもご覧ください。
関連記事
コメント