Skip to content
12月 13, 2025
9 min read time

CopilotでDX推進を加速する：なぜ現場は「AIが微妙」と言うのか（原因はSharePointにある）

なぜ現場が 「Copilotは微妙」と 言うのか

 

荒巻順
  • Microsoft 365 Copilot 精度向上,
  • SharePoint データ整備 生成AI,
  • プロンプトエンジニアリング 社内データ,
  • GIGO 対策 生成AI,
  • 4DL-AAS,
  • DX推進 Copilot 課題

    • 〜データ整備と“問いの設計”をセットにすると、Copilotは化ける〜

     

    「Microsoft365 Copilotを入れたけれど、思ったより精度が出ない」
    「社内のことを聞いているのに、なぜかネットの一般論ばかり返してくる」
    「結局、自分で探したほうが早いと言われてしまった」

     

    DX推進部門の皆さんには、現場からこうした溜息が聞こえてくることを感じていませんか？

    みなさん こんにちは《聴くチカラ研究所》の4DL Technologies株式会社CCO荒巻順です。ブログへのご訪問、ありがとうございます。

    makeAIworkforyou

     

    鳴り物入りで導入した生成AI。しかし、期待していた「魔法のような業務効率化」が起きず、現場では「やっぱりAIなんてこんなものか」という冷めた空気が漂い始めていないでしょうか。

    まず確認したいのは1つだけです。CopilotがWeb参照ONの状態だと、社内への質問でも一般論に寄りやすいことがあります（これは環境設定で制御可能です）。

    そのうえで「Work（社内データ）を参照させたいのに当たらない」なら、原因はだいたい2つ。

    データ（SharePoint）か、指示（問い）か——そして多くの会社で、この2つが同時に崩れています。

    結論から申し上げます。Copilotが微妙なのは、AIの性能が低いからではありません。

    AIが参照すべき「データ」と、AIへの「指示」が、AIにとって理解不能な状態にあるからです。

    IT業界には古くから「GIGO（Garbage In, Garbage Out）」という言葉があります。「ゴミを入れれば、ゴミが出てくる」という意味です。

    これは生成AI時代において、より残酷な真実として突きつけられています。

    今回は、MS365 Copilotが「なんとなく便利止まり」で終わってしまうのか。

    原因を、SharePoint（データ）とプロンプト（指示）の両面から解き明かし、DX推進担当者が配るべき「指示テンプレ」と、着手すべき「定着のための運用OS」について解説します。

     

    目次


     

    SharePoint起点のGIGO：AIが読めない・見つけられない社内

     

    MS365 Copilot の真骨頂は、プロンプトを「Grounding（根拠付け）」し、Microsoft Graphを通じて社内の膨大なデータ資産（SharePoint、OneDrive、Teams）を横断的に検索して答えを生成できる点にあります。

    しかし、肝心のデータ置き場が「ゴミ屋敷」状態であれば、MS365 Copilotがいくら優秀なAIでも迷子になります。

    現場がこぼす「Copilotが微妙」の原因の多くは、実は以下のようなSharePointの状態に起因しているかもしれません。

     

    1. 「どれが正解か」がAIに判断できない

     

    「〇〇規定.pdf」「〇〇規定_最新.pdf」「〇〇規定_2024改定_最終版.pdf」……。

    同じフォルダに類似ファイルが乱立していませんか？ 人間であれば、なんとなく更新日時やファイル名で「たぶんこれが最新だろう」と推測できます。

    しかしAIは、指示がない限りこれらをフラットに扱います。結果、古い規定を参照して嘘の回答を生成してしまうのです。

     

    2. 「中身が読めない」画像PDFの山

     

    紙の書類をスキャンしただけの画像PDFは、テキスト情報が埋め込まれていないため、Copilotが安定して検索・参照できない場合があります。

    Microsoft 365にはOCR（光学文字認識）機能が実装されていますが、有効化の設定や対象場所、ファイル条件によって挙動が変わるため、過信は禁物です。

    特に「画像だけのPDF」は、テキスト化（OCR処理や透明テキスト付与）を前提に考えるのが安全です。重要なマニュアルがこの状態だと、AIはその知識を「あやふやにしか知らない」状態になります。

     

    3. ファイル名が「暗号」になっている

     

    「20241213_mtg_A.docx」のようなファイル名では、AIはその中身が「何の会議で、何が決まったのか」を推測する手がかりを持てません。

    Copilotはファイル名、ファイル内容、メタデータを総合的に検索インデックスとして利用しています。

    これらはすべて「GIGO」の入り口です。整理されていないデータ（Garbage）がある限り、AIは正確な回答（Gold）を返すことができません。

     

    もう一つのGIGO：“ゴミ指示”からもゴミ生成が出る

     

    「うちはSharePointの整理はある程度できているはずだ」という企業でも、Copilotが定着しないケースがあります。ここで見落とされがちなのが、もう一つのGIGO。すなわち「ゴミ指示（Garbage Instruction）」の問題です。

    どれだけ綺麗なデータが揃っていても、AIへの指示（プロンプト）が曖昧であれば、AIは的確な情報を引き出せません。

    例えば、「経費精算について教えて」という指示。

    人間同士なら「あ、今月の締め切りのことだな」と文脈を補完できます。しかしAIに対してこの指示はあまりに範囲が広すぎます。

    • 経費精算の「申請方法」を知りたいのか？
    • 「対象品目」を知りたいのか？
    • 「承認ルート」を知りたいのか？

    問いの解像度が低いと、AIは「SharePoint内の『経費精算』という単語を含む全ファイル」を対象に検索をかけ、結果として無難な要約や、関係のない部署の規定を拾ってきてしまいます。

    これが「なんか違う」「求めていた答えじゃない」という不満の正体です。

    DX推進担当者が現場に渡すべきは、単なるツールの操作方法ではなく、「AIに正しくデータを拾わせるための指示の型」なのです。

     

    How to：SharePoint整備は全部やらない、まず3点だけ

     

    「SharePointを整理しろと言われても、全社のファイルを直すなんて不可能だ」

    その通りです。

    DX推進のリソースは限られています。ですから、全社一斉に取り組むのではなく、「Copilotの回答精度に直結する3つのポイント」に絞って、小さく始めてください。

     

    ① 正本（Single Source of Truth）を決める

     

    まず、AIに参照させたい「正解データ」を定義します。

    • 最新版のファイルのみを置く「正本フォルダ」を作る。
    • 旧版は「Archive」フォルダに移動し、閲覧権限を制限する（または検索対象外のライブラリに隔離する）。
    • ファイル名に【正本】や【最新】といった明確なタグを付ける。

    SharePointの仕組み上、Copilotはユーザーがアクセス権を持つファイルのみを参照します。つまり、「人間が閲覧できない（権限がない）状態にすれば、AIも自動的にそのファイルを参照しなくなる」ということです。

    まずは「よく使う業務の正本置き場」を検索の主戦場にする（=当てに行く棚を決める）。これだけで精度と信頼が劇的に上がります。

     

    ② 検索できる形に寄せる（テキスト化）

     

    AIが読み取りやすい形式にデータを変換します。

    • 画像PDFは「テキスト検索可能なPDF」へ：
      OCR機能に頼り切るのではなく、確実性を優先するなら「透明テキスト付きPDF」への変換を強く推奨します。特に規定やマニュアルなど、AIに正確に答えてほしい重要文書ほど、事前にテキスト化しておくことで回答精度が劇的に向上します。
    • Excelはデータベース形式へ：
      表は1行目がヘッダーになっている形式に整えます。セル結合は「AIの敵」です。 人間には見やすくても、AIにとっては「どの列が何の項目か」の関係性が崩れ、読み間違いの原因になります。見た目の美しさより、データ構造の明確さを優先してください。

    ③ 更新のタイミングで置き換える

     

    過去の遺産をすべて整理する必要はありません。

    「更新が発生したタイミング」で、新しいルール（正本管理・適切な命名）に沿ってファイルを置き換えていくのです。

    これを繰り返すことで、よく使われる「生きたデータ」から順に浄化されていきます。

    まずは「社内で最も検索される頻度が高い3つの業務（例：旅費精算、勤怠管理、セキュリティ規定）」に絞って、この整備を行ってみてください。

     

    How to：Copilot用「指示テンプレ」（プロンプト構造）を配る

     

    データ整備とセットで行うべきなのが、現場への「指示テンプレ」の配布です。

    「自由に聞いてみてください」は、現場を迷わせるだけです。以下の4要素を含んだ「型」を共通言語にしましょう。

    【Copilot指示の基本構造】

    1. 目的（何のために）： 「来期の予算策定のために」
    2. 対象範囲（どこから）： 「『2024年度_営業本部_活動報告』フォルダ内の資料を参照して」
    3. 出力形式（どうやって）： 「課題と対策を箇条書きでまとめて」
    4. 検証（裏付け）： 「参照したファイル名（リンク）と、引用した該当箇所（見出し/段落）を示して」

    特に重要なのが「2. 対象範囲」と「4. 検証」です。AIに対し「どこを見ればいいか」を明示し、かつ「情報のソース」を出させることで、ハルシネーション（嘘の生成）のリスクを管理できます。

    DX推進担当者は、この構造をあらかじめ組み込んだ「コピペ用テンプレート」をA4一枚にまとめて配布してください。

    それだけで、現場の出力品質は劇的に向上します。

     

    4DL-AASでまとめる：定着するCopilot運用OSの作り方

     

    ここまで解説してきた「データ整備」と「指示の設計」は、個別のテクニックではありません。これらは、組織としてAIを使いこなすための「運用OS（オペレーティングシステム）」の一部です。

    私たちが提唱する「4DL-AAS（AI Activate Suite）」の設計思想で整理すると、生成AI(MS365 Copilot)を現場に自走的に定着することができます。

    Copilotが「微妙」になる原因は、SharePoint（データ）だけでも、プロンプト（指示）だけでも説明できません。

    本質は、データと指示が“組織として揃っていない”ことです。

    4DL Technologies株式会社では、この状態を「4DL-AAS」の考え方で 3階層に分けてシステムプロンプトを設計します。

    • Protocol（思考基盤）：
      何のためにAIを使うのか／何を成果とするのか／何を根拠とみなすのか（目的・判断基準・品質基準・NG境界）

    • Alignment（規律基盤）：
      AIが迷子にならないよう、組織の前提を揃える層（正本＝どれを信じるか、用語＝何を同じ意味にするか、権限＝どこまで見せるか、参照棚＝どこを主戦場にするか、更新＝いつ誰が直すか）
      ※SharePoint整備は、このAlignmentの“代表例”です。

    • Prompt（生成指示）：
      現場の入力を同じ構造に揃えて、Copilotが正しく参照・生成できるようにする層（コピペできるテンプレ、質問の型、検証の型）

    これは4DL Technologies株式会社が提唱する、エンタープライズの意志決定構造に沿ってAIを駆動するための理論です。

    MS365 Copilotが“仕事データ＋指示”で動く以上、どの企業でも必要になる普遍的な運用の型です。

    多くの企業が導入時につまずくのは、いきなりツール（Copilot）だけを配り、この3階層の土台作り（AIへの問いOSのインストール）を現場任せにしてしまうからです。

    「便利そうだから使ってみて」ではなく、「このルールでデータを置き、この型で指示を出せば、必ず成果が出る」という環境を用意すること。

    それがAIを定着させる使命を持つDX推進担当者の忘れてはいけない仕事です。

     

    まとめ：DX推進が明日やるToDoと、「次の一手」

     

    MS365 Copilotは「魔法の杖」ではありませんが、正しい手順で扱えば、現場の人たちの業務効率を向上させる最強の副操縦士になります。

    まずは、この記事の内容を“現場で回る形”に落とすために、次の3つから始めてください。

    1. SharePointの棚卸し（スモールスタート）：
      よく検索される「上位3サイト」または「3業務」に絞り、正本フォルダを作って旧ファイルを隔離する。
    2. 指示テンプレの配布：
      「目的・対象・形式・検証」を含んだプロンプト例をA4一枚にして周知する。
    3. GIGO解消ループを回す：
      月1回、失敗事例を集めて「データが原因か／指示が原因か」を切り分けて直す。

    ——ここまでは“正攻法”です。

    ただ、DX推進が本当に苦しいのはこの後。「テンプレは配った。でも現場が使わない」「棚卸しはした。でも定着しない」「上への説明が通らない」。つまり、運用OSを“組織にインストールする工程”です。

    そこで私たち4DL Technologies株式会社は、MS365 Copilot定着を ANTシリーズというお客様の状況に合わせたカスタマイズできるトレーニングサービスで支援しています。

    ポイントは「使い方」ではなく、問いの設計（Protocol）を軸に、Alignment（組織の業務規律性）とPrompt（生成テンプレ）をセットで回る状態にすることです。

    • ANT-B0（体験）：
      現場で“なぜ微妙になるか”を体験し、GIGOの原因を可視化する
    • ANT-B1（設計）：
      問いの型・指示テンプレ・正本ルールを標準化して、運用OSの土台を作る
    • ANT-B2（実装）：
      部門固有の業務に合わせて、運用が回り続ける仕組みに落とし込む

    MS365 Copilotを「便利止まり」で終わらせないために必要なのは、機能の追加ではなく、問いとデータの“整備が続く設計”です。

    もし貴社でも同じ症状が出ているなら、まずは ANTシリーズの資料（またはPoC相談）で、どの層（Protocol/Alignment/Prompt）が詰まっているかを一緒に特定しましょう。

     

    関連情報・お問い合わせ

     

    記事執筆者

    荒巻 順｜4DL Technologies株式会社 CCO（AIソリューションデザイン統括）

    CCO

    AIを“効率化ツール”で終わらせず、組織の意思決定と行動を進化させる「思考支援の仕組み」として実装・定着させることを専門とする。

    NTTドコモビジネス（旧NTTコミュニケーションズ）にて25年以上、BtoBセールス部門の人材育成・資格制度・研修体系の企画設計を統括。延べ4万人超の現場に入り、「現場の事実が判断軸を育て、判断軸が現場を変える」循環を、育成と変革の実務として回し続けてきた。

    現在は4DL TechnologiesのCCOとして、独自の3層アーキテクチャ 4DL_AAS（Protocol／Framework／Prompt）を設計思想として、生成AIを“作業の高速化”から“判断軸の高速更新”へ転換する導入・定着・内製化支援を行っている。

     

    よくある質問（FAQ）

    Q1. 荒巻 順は、どのような課題を解決する専門家ですか？

    「生成AIを導入したが、現場で活用されず成果が出ない」という課題の解決が専門です。独自のフレームワーク（4DL-AAS）を用い、AIを単なる効率化ツールではなく、組織の「思考支援パートナー」として定着させ、意思決定の質を高めるコンサルティングを行います。

     

    Q2. 具体的には、どのような経験がありますか？

    NTTドコモビジネス様で25年以上にわたりBtoBセールス部門の研修・試験設計を、千葉市産業振興財団様で12年間、創業支援研修の企画運営を責任者として担当しました。この経験を基に2022年11月のChatGPT 3.5登場以来、通信・鉄道などのインフラ企業や地方自治体などの公共団体など、様々な組織へのAI導入・定着支援を主にトレーニングという側面から行っています。

     

    Q3. 生成AIの導入・定着について相談すると、何が得られますか？

    貴社の業務プロセスにAIを組み込み、AI活用による「業務の高付加価値化」が現場で自走する状態を目指します。たんなるプロンプト研修では無く、主要なAIプラットフォームに対応した独自のプロンプト設計手法（4DL-AAS）を用いた実務的な組織的LLM動作設計から、定着・内製化までを一貫して支援することで、付加価値を生み出し続ける強い組織を構築します。