どの企業の事例か
今回紹介するのは、多くの企業で利用されているビジネスコミュニケーションプラットフォーム「Slack」を提供するSlack Technologies社の事例です。Slackは、日々蓄積される膨大な会話やファイルといった社内ナレッジを有効活用し、従業員の生産性を向上させるため、プラットフォームネイティブの生成AI機能「Slack AI」を開発・導入しました。
解決したかった課題
Slackでは、会話が増えるほど未読の把握や過去の情報検索に時間がかかります。Slackは、この課題に対して会話の要約と自然言語による検索をSlack AIの初期機能として提供しました。
AIをどう使ったか
Slackは、プラットフォーム内に蓄積された会話やファイルなどの顧客データを安全に活用し、文脈に応じた回答を生成するネイティブAI機能を複数導入しました。 具体的には、チャンネルやスレッドの会話を自動で要約する機能、自然言語で質問するだけで関連情報を探し出す検索機能などです。 これらは大規模言語モデル（LLM）を活用し、検索拡張生成（RAG）の技術を用いることで、社内のナレッジに基づいた回答を生成し、ハルシネーション（もっともらしい嘘の回答）を抑制しています。
予想アーキテクチャ
以下は公開情報と一般的な構成から推定した予想アーキテクチャです。実際の内部構成を断定するものではありません。
- ▸確認済み: Slack AIは、利用者が閲覧権限を持つ会話を対象に要約と検索を行います。
- ▸確認済み: 関連情報を検索して推論時の文脈としてLLMへ渡すRAGを使い、顧客データをLLMの学習には使いません。
- ▸確認済み: LLMはSlackが管理するクラウド基盤内で動作し、既存のアクセス制御とセキュリティ要件を引き継ぎます。
- ▸推定: 個別のモデル選定、評価手順、運用監視の詳細は公開情報だけでは確定できません。
導入効果と見るべきポイント
- ▸Slackの公開資料では、Slack AI利用者の90%が、非利用者より高い生産性を報告したとされています。これは自己申告の調査結果であり、全利用者の効果を保証するものではありません。
- ▸要約と検索を普段のSlack画面で使えるため、別のツールへ移動せず情報を確認できます。
- ▸生成結果は原文と照合し、重要な判断は人が行う必要があります。
日本企業が参考にできること
多くの日本企業でも、社内チャットや文書管理システムに膨大な情報が蓄積されています。Slackの事例は、これらの「埋もれた資産」を生成AIで掘り起こし、業務効率化につなげる具体的なヒントとなります。特に、従業員が日常的に使うツールにAIを組み込むことで、導入効果を最大化するというアプローチは非常に参考になるでしょう。まずは、特定の部署で頻繁に発生する情報検索や、定例会議の議事録要約といった具体的な課題にAIを適用してみることが、成功への第一歩と言えます。