使われていない資料が精度を下げる。ドライブ棚卸しを自動化する

「資料は多いほうがいい」。
社内のGoogleドライブをAIの参照先にするとき、最初はたいていそう考えます。
参照できる情報が多いほど、答えられる範囲も広がるように見えるからです。

ところが情報は本当に多いほうがいいのでしょうか？
更新が止まった資料が混ざると、精度はむしろ落ちます。
古い価格表、廃止された制度の説明、作りかけの企画書はどれも社内の正式な場所に置かれているので、AIから見れば有効な情報として扱われますし、古いほうを根拠に答えることもあります。

今回は、この棚卸しをどう回すかを整理していきます。
参照先そのものの設計は社内ナレッジをAIで活用する方法。ツール導入・RAG・手持ちのAIの選び方にまとめてあります。

情報が多いほど精度が上がるわけではない

なぜ多いと精度が落ちるのか、理由は3つあります。
ひとつが、同じ内容の複数の版が並ぶ点で、更新日で判断できる場合もあれば、コピーを作った日付が新しいだけの場合もあります。
次が、廃止された情報が有効なものとして扱われる点で、「旧制度」と書かれていない古い規程は、いま有効な規程と機械的には区別できません。
もうひとつが、下書きや検討中の案、途中で止まった企画といった作りかけのものが混ざる点で、確定していない内容が確定した情報として返ってきます。

なかでも作りかけのものが最も危険で、「検討中だった案」が「決まった話」として答えに出てくると、それを前提に業務が進んでしまいます。

情報が古くなる問題そのものは古い情報で答えるAIを作らない。社内ナレッジの更新体制のつくり方で扱っています。

棚卸しはフォルダ単位で、対象を絞ってから始める

棚卸しを始める前に、どこまで見るかを決めておかないと、全ファイルを見ようとしてまず終わりません。
優先度が高いのは、AIの参照先に含まれている範囲で、ここに古い資料があると直接精度に影響します。
次が参照先に含める予定の範囲で、整備の前段として洗い出します。
それ以外は容量や管理の観点で必要になったときで十分で、AI活用の文脈では優先度が下がります。

見る単位もフォルダに揃えます。
「このフォルダは3年更新されていない」という粒度で見ると、ファイル単位で見るより判断が速くなります。

抽出の条件は3つで足ります。
ひとつが最終更新日で、1年以上更新されていないものが第一の条件になります。
次がファイル名で、「下書き」「案」「作業中」「コピー」「_v」「(1)」など作業中を示す語が入っているかを見ますが、命名の癖は組織によって違うので、自社で使われている語を先に洗い出しておきます。
もうひとつが、同じフォルダに似た名前のファイルが複数あるかどうかで、版の並立を検出できます。

この3条件で抽出すると、たいてい想定より多く出てきて、最初の1回は数百件になることも珍しくないので、次に判断の基準が要ります。

判断は「残す」「アーカイブ」「【旧】明記」の3つで足りる

出てきたものは、3つの判断に振り分けます。
ひとつが「残す(正)」で、有効な情報でこれが正しい版だと言えるものには何もしません。
次が「アーカイブに移す」対応で、過去の記録として残す必要はあるが参照先には含めないものが対象になりますが、参照先から外れる点が重要なので削除しなくて構いません。
もうひとつが「廃止と明記する」対応で、過去の規程や価格表のように参照される可能性があり、かつ古いと分かるようにしたいものは、ファイル名の先頭に「【旧】」を付けるだけで足ります。

また、削除は選択肢に入れないほうがよいと思っています。
判断の負荷が上がりますし、削除への抵抗で棚卸しそのものが止まってしまうからです。
「参照先から外す」のが目的なら、移動と明記で十分です。

回す頻度は対象によって変え、参照先に含まれている範囲は精度に直結するので四半期に一度と頻度を上げます。
それ以外は年1回で足り、容量や管理の観点なので頻度は下げて構いません。

全件を見るのではなく、抽出されたものだけを見る形にします。
全件確認は続きませんし、1回の棚卸しにかける時間を30分と決めるのも有効です。

抽出とリスト化は自動化し、判断は人に委ねる

手作業だと続かないので、抽出のほうは自動化します。
月1回、3条件でファイルの一覧を作り、フォルダごとに集計して、更新が止まっているフォルダの一覧を出します。

次に担当ごとに振り分けますが、全社の一覧を1人に送っても処理されないので、フォルダの管理者ごとに分けて配るのが要点です。
判断の入力欄も付けて、「残す・アーカイブ・廃止と明記」を選ぶだけの形にし、理由の記入は求めません。
こうした定期処理を何で作るかの判断はAIによる業務自動化の全体像。手段の選び方とコスト設計にまとめてあります。

判断を選ぶだけの形にできるかどうかで、実施率が決まります。
自由記述を求めると、書く手間のほうで止まってしまうからです。

前回の判断も覚えておきます。
「残す」と判断されたものが翌月も抽出されると同じ判断を毎月させてしまうので、一度残すと決めたものは一定期間は抽出から外します。

ここで線を引いておきたいのですが、移動や削除までは自動化しないほうがよいと思います。
理由は2つあります。
ひとつは、条件に当てはまっても有効な資料が残っている点で、1年更新されていない規程は単に変更がなかっただけかもしれません。

もうひとつは、自動で動いたものは原因を追いにくい点で、「ファイルが消えた」という問い合わせが来たときに何が起きたのか分からなくなります。
だから抽出と通知までを自動化して、判断と実行は人が持つという線を守ります。
例外として、ファイル名に「(1)」が付いた重複コピーの検出のような機械的なものは自動化してよいですが、これも検出までで移動は人が実行します。

効果は4つの数字で見えるし、つまずきも同じだけ数えられる

効果を見る指標は4つ置きます。
ひとつが、参照先に含まれる資料の最終更新日の分布で、1年以上前のものが何割かを見て、ここが下がっていれば棚卸しが効いています。
次が誤った回答の報告件数で、「古い情報で答えている」という指摘が減っているかを見ます。
3つ目が抽出件数の推移で、毎月の抽出件数が減っていれば新しく古くなるものが減っている、つまり運用そのものが改善しています。

最後が判断の入力率で、配ったリストのうち判断が入力された割合が低ければ、配り方か形式に問題があります。
なかでも抽出件数の推移が、施策として続いているかを最もよく表します。
初回は数百件でも、半年後に月10件程度で落ち着けば、定常運用に入ったと言えます。

つまずきやすいのは5つです。
全ファイルを対象にすること、削除を判断の選択肢に入れること、全社の一覧を1人に送ること、判断に理由の記入を求めること、移動や削除まで自動化することです。
どれも、参照先の範囲から始めて、移動と明記に絞って、管理者ごとに分けて、選ぶだけにして、通知までに留めれば起きません。

棚卸しの自動化は、体制づくりとセットで進む

ここまで書いてきたとおり、この施策の本体は抽出と配布を自動で回すことで、手作業でやると初回はできても2回目が来ません。
必要な作りは、それほど大きくないと思います。
条件でファイルを抽出して、管理者ごとに振り分けて、判断欄を付けて配る。
表計算とスクリプトで組める範囲です。

ただ、実際に着手すると詰まるのが、フォルダの管理者が決まっていない点で、振り分ける先がなければ配れません。
ここは技術の問題ではなく、誰が何を持つかという体制の話に戻ります。

私たちが提供しているAI推進の伴走支援では、こうした仕組みの実装と、その前段の体制の整理を並行して進めています。
棚卸しが必要なのは分かっているが回らない、という場合は、進め方の参考になるかもしれません。

棚卸しは、抽出と配布の自動化から始まる

資料は多いほど良いわけではなく、版の並立・廃止された情報・作りかけのものが混ざると精度が落ちます。
なかでも作りかけのものが確定情報として返るのが危険です。

対象はAIの参照先に含まれている範囲から始め、フォルダ単位で見ます。
抽出条件は更新日・ファイル名・似た名前の並立の3つ、判断は残す・アーカイブ・【旧】明記の3つに絞り、削除は選択肢に入れません。

自動化するのは抽出と配布までで、移動と削除は人が実行します。
配るときはフォルダの管理者ごとに分けて、選ぶだけの形にするのが要点です。

まずは参照先に含まれているフォルダについて、1年以上更新されていないものが何件あるか、数えてみるところから始まります。