☰

  • コラム

チャットボットの学習データの整え方|Web・資料の重複と古い情報を見直す手順

✕

チャットボットにWebサイトや資料を登録しようとして、「同じ情報がいくつもある」「どの版が正しいか分からない」と迷っていませんか。資料の量を増やす前に、案内する相手と正しい情報をそろえることが大切です。

この記事では、重複・旧版・条件の食い違いを整理し、確認日や更新担当を残す方法を、台帳の記入例とともに解説します。対象を絞って始め、登録後の質問から見直すところまで整理します。

チャットボットの学習データは、回答の根拠になる情報から整える

最初に整えるのは、AIに答えてほしい質問の根拠となるWebページや資料です。この記事では、それらを「学習データ」と呼びます。生成AIチャットボットの中には、登録情報から関連する内容を探して回答を組み立てる方式があり、資料の登録がAIモデル自体の追加訓練を意味するとは限りません。

大切なのは、ファイルを大量に集めることより、何を正しい情報として案内するかを決めることです。料金表が二つあり、片方には旧料金が残っているなら、質問への答えも確認しにくくなります。新しい情報が少ない場合でも、内容と対象が明確な資料から始められます。

FAQ(よくある質問と回答)の作り方を知りたい場合は、FAQチャットボットの作り方も参考になります。本稿では、その一歩手前にある「どの情報を使い、どう管理するか」に絞って説明します。

1.用途と対象読者を決め、必要な情報を絞る

誰の、どんな質問に答えるかを一つ決めると、登録する情報を選びやすくなります。たとえばWebサイトの利用者向けなら、サービスの対象、申込みの流れ、問い合わせ先などから検討します。社内向けなら、申請手続きなど、確認者と資料がそろう業務を選びましょう。

まず「申込みに必要なものは?」「対象外になる条件は?」「資料にない場合は誰に聞く?」のような質問を書き出し、答えのあるページや資料を対応させます。質問数や資料数の目標を先に決める必要はありません。

一般向けの案内と社内だけの情報は分けてください。登録するサービスで閲覧範囲を分けられるか分からない場合は、まとめて取り込まず、対象者に見せてよい情報だけを選びます。

2.正本を決め、重複・旧版・条件の違いを整理する

同じ内容が複数あるときは、担当者が確認した「正本」を決めます。正本とは、その案内で正しい情報として使う資料です。ファイルの更新日時だけでは、承認済みか、いつから適用するかまでは分かりません。料金・受付時間・申込条件など、回答に影響する項目を照合しましょう。

同じ内容を写した資料は、正本に統合するか、どちらを登録するかを決めます。失効した旧版は、必要な保存ルールに従って社内で保管しながら、現行案内の回答に使う対象から外します。元ファイルを一律に削除する必要はありません。

一方、内容が似ていても、対象プランや契約時期が違えば別の条件です。どちらかを捨てるのではなく、「誰に・いつ・どの条件で適用するか」を明記します。判断できない食い違いは「要確認」とし、確認が済むまで回答の根拠にしないようにしましょう。

3.資料台帳に、条件・確認日・更新担当を残す

資料を整理した理由を台帳に残すと、次の担当者も更新を続けやすくなります。台帳は、登録対象と確認状況をまとめる一覧表です。資料名またはURL、対象読者、適用条件、正本、確認日、更新担当、要修正箇所を記録します。

次の表は作業方法を示す架空の記入例です。特定企業の実績や、実際の料金・受付条件を示すものではありません。

資料・対象読者 条件・正本の確認 担当・確認日・対応
申込案内(2026年11月版)
新規の申込者
標準プラン・11月1日から適用
承認済みの11月版を正本として採用
受付担当
確認日:11月10日
旧パンフレットを現行案内の回答対象から除外
手続きマニュアル
社内の利用者
対象部署を明記
現行の承認版を登録
業務担当
確認日:記入日
変更時の連絡先を記録
旧版の料金資料
過去の契約者
適用する契約時期を確認
現行案内とは分ける
契約担当
確認日:未確認
判断が済むまで登録保留

ファイル名に「最新版」と書くだけでなく、本文にも対象や適用日を残します。URLの場合も、ページ名と担当者を控えておくと、料金改定や窓口変更があったときに、どの登録情報を見直すかを追いやすくなります。

台帳は記入を完了させることが目的ではありません。資料の確認者が分からない、条件が決まっていないといった問題を見つけ、登録前に解消するために使います。

4.PDFや表は、読み取れる内容になっているか確かめる

対応するファイル形式でも、見た目どおりに内容を読み取れるとは限りません。文字を選択できるPDFと、紙をスキャンした画像中心のPDFは分けて確認します。OCR(光学文字認識)は画像から文字を読み取る技術ですが、対応の有無や読取範囲はサービスによって異なります。

表では、項目名と値の対応、単位、注記、対象条件を確認します。見出しだけが前のページにある、注意書きが画像内にしかないといった資料は、読み取った内容だけで条件を理解できるかを試しましょう。必要なら、担当者が原資料と照合した説明文を用意します。

読み取りやすくするための整理でも、都合の悪い例外や注意点を落としてはいけません。資料を分割する場合は、各資料に対象と出典が分かる見出しを付け、同じ質問で再確認してください。特定のファイル形式へ変換すれば必ず回答が改善する、というものではありません。

5.登録後は回答と原資料を照合し、元情報を更新する

登録しただけで完了にせず、実際の質問で原資料と回答を見比べます。登録後に処理が必要なサービスでは、その完了も確認します。通常の質問に加え、条件で答えが変わる質問、旧版にしかない情報を尋ねる質問、資料に答えがない質問を試しましょう。

答えが違う場合は、いきなり資料を増やさず、「元情報に答えがない」「旧版が残っている」「条件が抜けている」「資料にあるのに回答に使われない」を分けて記録します。資料を直して解決できる問題と、サービス側の設定や読取範囲を確認すべき問題を混同しないためです。

修正したら、同じ質問と関連する質問で確かめます。運用後も質問履歴から不足を見つけ、台帳の担当者が正本と登録情報を見直します。回答品質の原因を詳しく切り分けたい場合は、回答精度の見直し方をご覧ください。

chabeeでは、少量のWeb情報や資料から確認を始める

chabeeも、案内したい内容を絞って登録し、回答を確認する進め方ができます。公式案内ではWebページのURLや文書の登録、質問履歴の確認、不十分な回答の手動修正・再学習を紹介しています。最初から社内の全資料を整えるのではなく、対象の質問に必要な情報から検討しましょう。

イズイズが公開している学習ファイルを使った自社検証では、社内手順の資料を登録し、前後の回答を確認しています。これは個別の検証記録であり、同じ結果を保証するものではありません。今回の台帳と組み合わせれば、何を登録したか、どの条件を確かめたかを残しながら試せます。

なお、公式サイトではAI-OCRを開発中・対応予定と案内しています。PDF内の画像を含めて何でも読み取れるとは考えず、現行の対応範囲と実際の資料で確認してください。対応形式や更新操作は、契約プラン・最新の案内も確認しましょう。

学習データを整えるときのよくある質問

迷ったら、必要な質問に答えられる範囲と、確認できる根拠があるかを基準にします。一律の資料数や形式にそろえることを優先しないでください。

すべての資料をそろえてから始める必要がありますか?

必ずしも必要ありません。一つの用途に絞り、確認済みの情報で質問への回答を試せます。答えられない範囲と問い合わせ先を整理し、履歴を見ながら必要な情報を補いましょう。

個人情報や社外秘の資料もまとめて登録してよいですか?

社内の情報管理ルールに従い、登録してよい情報と利用者を確認してから判断します。外部サービスの保存・利用条件や閲覧範囲を確認できていない資料は、そのまま登録しないでください。公開向けの案内と社内限定の情報は分けて検討します。

まとめ|資料の量より、正しさと更新できる状態を整える

チャットボットの学習データは、用途を絞り、正本・条件・確認日・更新担当をそろえて整えましょう。重複と旧版を整理し、登録後の回答を原資料と照合するところまでが一連の作業です。

まずは、よく聞かれる質問と、その答えがある資料を一組選んでみてください。chabeeでWeb情報や資料をどう活用できるか検討する際も、使いたい情報と質問を整理しておくと、確認したい点を具体的にできます。

株式会社イズイズ

chabee®編集部

chabee®編集部は、株式会社イズイズが開発・提供する生成AI型チャットボット「chabee®」の情報発信を担う編集チームです。チャットボット活用、Web接客、問い合わせ分析、業務改善に役立つ情報を、開発・運用の知見をもとに発信しています。記事の下書きや画像制作には必要に応じてAIを活用し、公開前に編集担当者が内容・表現・製品情報を確認しています。