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
多くの組織では、Slackがコミュニケーションの中心になる一方で、チャンネル数の増加やメッセージ量の増大により、重要な情報を見逃したり、過去の有益な情報を探し出すことが困難になるという課題がありました。従業員は、未読メッセージのキャッチアップや必要な情報の検索に多くの時間を費やしており、これが生産性のボトルネックとなっていました。 実際、ある調査ではデジタルワーカーの47%が必要な情報を見つけるのに苦労しているという結果も出ています。
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: 入力データ（ユーザーがアクセス権限を持つSlack上の会話データ、ファイル、プロフィール情報など）
- ▸確認済み: AI処理・モデルまたは検索層（Slackの信頼できるインフラ内でホストされる大規模言語モデル（LLM）を利用。 検索拡張生成（RAG）により、社内ナレッジに基づいた回答を生成。顧客データがLLMのトレーニングに使用されることはないと明言されている）
- ▸推定: 業務システムへの出力（Slackクライアント（デスクトップ、モバイル）上で、チャンネルやスレッドの要約、AIによる検索結果、メッセージの下書き支援などを提供）
- ▸確認済み: 監視・ガバナンス（顧客データがSlackの信頼境界から出ないように設計。 管理者による機能のオン/オフ制御が可能。 有害なコンテンツやプロンプトインジェクションを検知・緩和する「Slack AI Guardrails」を実装）
導入効果と見るべきポイント
- ▸効果: Slack社内の分析によると、AIによる要約や検索などの機能を活用することで、ユーザー一人あたり毎週90分以上の時間を節約できるとされています。 実際にSlack AIを導入したユーザーの90%が生産性の向上を報告しています。
- ▸注目ポイント: 既存の業務フローの中心であるSlack上で、シームレスにAI機能を利用できる点です。 ユーザーは別のツールに切り替えることなく、会話の文脈の中で自然にAIの支援を受けることができます。これにより、AI利用のハードルが大きく下がります。
- ▸注意点: AIはあくまで支援ツールであり、生成された要約や回答の正確性は、元となる社内情報に依存します。最終的な意思決定は人間が行う必要があり、AIの出力を鵜呑みにしないリテラシーが求められます。
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。