製菓材料店88店舗と本社の情報格差、既存環境を活かした社内AIチャットボット

1万点を超える商品と、自社で開発した約8千件のレシピ。これだけの情報を扱いながら、その多くは本社側で作られ、部門ごとに分かれて管理されていました。店舗からは必要なものにすぐ手が届かず、新人の教育も日々の業務も情報共有が追いつかない状態が続き、結果として経験豊富なスタッフのところへ社内からの質問が集まっていきます。

編集部の見立てでは、この困りごとの本質は情報の不足ではなく、置き場が部門ごとに分かれていて店舗からたどり着く経路が用意されていなかったことにあります。経路がないぶんの空白を、商品にもレシピにも通じたベテランが人力の検索窓として埋めていた。そう捉えると、負荷の偏りは原因ではなく、情報構造の歪みが人に現れた症状だったと読めます。

すでに社内にあるMicrosoft 365の環境を土台にし、その上へ最小限のAzure OpenAI ServiceとRAGを載せた構成が、この取り組みの起点になっています。新しいSaaS契約や大掛かりなシステムの入れ替えを選ばなかったことで、検討の争点は「何を買うか」ではなく「どの情報をAIに読ませるか」へ移りました。費用を抑える判断に見えて、実際には社内で話を進めるうえでの合意のしやすさにも効いた設計ではないでしょうか。

もう一つの柱は、本部スタッフの役割を問い合わせ対応からナレッジの管理・更新へ振り替えた業務プロセスの組み替えです。RAGは参照先の文書が古ければ古い答えをそのまま返すため、質問に答える人を減らすだけでは仕組みが痩せていきます。回答役を情報整備役へ移したこの配置転換は、AIが使われるほど参照元も手入れされる循環を意図したものと考えられます。

導入後に現場が自走するための足場を、同時並行で敷いた点も見逃せません。Copilot Studioで内製できる体制を整え、全社的な研修とユースケース整理、プロンプトの用意、そしてアクセス権限とデータ取り扱いのルール策定までを一続きの作業として扱っています。この組み合わせがあったからこそ、問い合わせ対応の枠を越えてデータ分析や販促企画へと使い道が広がったのだと見ています。

夜間や休日を問わずAIが即座に応答する環境が整い、新人を含むスタッフが自分で疑問を解決できる場面が増えています。各店舗のベテランに集まっていた質問対応は大幅に効率化され、特定の個人へ負荷が偏る属人化の課題は解消されました。生まれた余裕は接客や店舗運営という本来の業務に向けられ、社内の情報共有が滑らかになったことが顧客に寄り添うサービスの質にもつながっていると評価されています。