社内ドキュメントをMarkdown化して、AIアシスタントの基盤にする

社内向けのAIアシスタントを作ろうとすると、多くの場合、技術的な仕組みよりも先に「答える材料をどう用意するか」で行き詰まります。マニュアル、業務フロー図、規程集はWordやPDFで、価格表や在庫データはExcelで、といった具合に、社内の知識は人間が読むための体裁で散らばっているのが実情です。この状態のままAIに読ませても、期待した精度は出ません。ここでは、既存文書をMarkdown化してAIアシスタントの基盤（ナレッジベース）に整えていく、実務的な進め方を紹介します。なぜMarkdownが良いとされているかの根拠は、AIに渡す文章は、なぜMarkdownが良いとされるのかで扱っています。

そのままでは使えない理由

Word・PDF・Excelは、いずれも「人間が画面や紙で読む」ことを前提に体裁が整えられています。見出しは文字サイズや太字で表現され、表はセル結合やレイアウト調整で見やすくされています。これらはテキストとして抽出した瞬間に、文書の階層構造や表の対応関係が崩れやすいという弱点になります。AIアシスタントの回答精度が低いと感じる場合、モデルの性能そのものより、この「読ませている文書の作り」が原因になっているケースが少なくありません。

実務での進め方

1. 対象文書を棚卸しする

まず社内にどんな文書があるかを洗い出します。業務マニュアル、規程・ルール集、過去の問い合わせ対応記録、社内用語集など、種類ごとに整理します。すべてを一度に変換しようとすると作業が止まってしまうため、次のステップで優先順位をつけます。

2. 優先順位をつける

「問い合わせが多い」「内容の更新頻度が低い（一度整備すれば長く使える）」文書から着手すると、少ない労力で効果を実感しやすくなります。逆に、日々内容が変わる資料（当日の在庫数など）は、Markdown化して静的に持たせるより、システム連携でリアルタイムに参照させる方が向いています。

3. Markdownに変換する

既存文書からの変換は、生成AIに変換を支援させることもできますが、変換後は必ず人がレビューします。見出しの階層が元の意図と合っているか、表の対応関係が崩れていないかは、機械的な変換だけでは保証できません。

4. 見出し構造のルールを統一する

部門やライターごとに見出しの粒度や付け方がバラバラだと、AIが文書を横断的に参照する際の精度が落ちます。「大見出しは業務カテゴリ、中見出しは個別の手順」のように、社内で一貫したルールを決めておきます。

5. 用語集・FAQは独立したMarkdownとして持つ

社内特有の略語、製品名、業務用語をAIが誤解すると、回答全体の信頼性が下がります。こうした用語は本文中に埋め込むのではなく、「用語：説明」の対応がひと目で分かるQ&A形式・一覧形式の独立したMarkdown文書として整備しておくと、AIが社内文脈を補いやすくなります。よくある質問（FAQ）も同様に、質問と回答のペアを明確な形で持たせておくことで、検索時にヒットしやすくなります。

Markdown化のデメリットも押さえておく

MarkdownはWord・Excelに比べて手軽に扱える形式ですが、乗り換えるとかえって不便になる点もあります。

• 画像を直接扱えない：WordやExcelなら、スクリーンショットや図を画面からコピー＆ペーストするだけで文書に貼り付けられます。Markdownには画像を埋め込む記法自体はありますが、画像データそのものは持てず、別ファイルとして保存した上でパスを指定して参照する形になります。ちょっとした図を1枚追加するだけでも、「画像ファイルを保存する」「ファイル名・保存場所を決める」「Markdown側にパスを書く」という一手間が毎回発生します
• 参照切れが起きやすい：画像を別ファイルとして持つということは、画像ファイルの移動・リネーム・削除をした際に、Markdown側のパス指定を直し忘れると参照切れになるということです。ファイル管理を一元的なルールなしで進めると、更新を重ねるうちに「表示されない画像」がナレッジベースのあちこちに残ってしまいます
• ビューアによって見え方が変わる：Markdownは表示方法を規定していない、あくまでテキストの記法です。エディタやツールごとに見出しの装飾・表のレイアウト・改行の扱いなどが微妙に異なり、あるツールでは崩れなく見えていた文書が、別のツールで見ると意図した通りに表示されないことがあります

これらはAIの読み取り精度そのものには大きく影響しませんが、Markdown化を人間が編集・レビューする運用に乗せる上では無視できないコストです。画像を多用する手順書・マニュアル類をMarkdown化する際は、画像ファイルの保存規則（保存先ディレクトリ・命名規則）を事前に決めておくことで、参照切れのリスクを抑えられます。

更新運用も要件として決めておく

Markdown化の作業は一度で終わりではありません。元のWordやExcelを更新したのにMarkdown側を直し忘れる、という運用が続くと、ナレッジベースは徐々に実態とずれていきます。

• 元文書とMarkdownのどちらを「正」とするか（Markdownを正とし、元文書は廃止するのが理想ですが、社内の他の用途で元文書が必要な場合は、更新フローの中にMarkdownへの反映作業を組み込みます）
• 更新の担当者・タイミングを決める
• 古くなった情報がAIの回答に混ざらないよう、更新日や有効期限をフロントマター的な情報として文書に持たせる

これらは技術的な話というより運用設計の話であり、要件定義の段階で「誰が」「いつ」「何を」更新するかを決めておかないと、せっかく整備したナレッジベースが数ヶ月で陳腐化してしまいます。

まとめ

社内にAIアシスタントを作る際の土台は、モデルの選定より先に「読ませる文書の整え方」で決まります。散らばった文書をMarkdown化し、見出し構造を統一し、用語集・FAQを独立した資料として持たせておくことが、AIの回答精度を底上げする最も地味で確実な投資です。あわせて、Markdown化を一度きりの作業で終わらせず、更新運用まで要件として決めておくことが、ナレッジベースを長く使えるものにします。