# 2分で読める生成AIのいま vol.37Microsoft Azureを使ったAI活用3。Azureでできること#2：膨大な資料を「宝の山」に変える
前回は、Azure AIの画像や言語、音声などの認識機能と、それを使った活用事例についてご紹介しました。
今回は、企業の命運を握る「データ活用」の話です。
今回も医療田さんと機械屋さんの会話でどうぞ。
＝＝＝＝＝＝
医療田：
機械屋さん、前回のAzure AI 、画像・顔認識や言語・音声認識の話、とても勉強になったよ。
機械屋：
よかったです！
医療田：
で、今日はどんな話を聞けるのかな？
機械屋：
はい、
医療田さん、物理学者のデイヴィッド・ドイッチュの言葉ですが、ご存じですか？
**「知識とは、単なる情報の蓄積ではなく、それを『活用できる形』にしたものである」** と。
医療田：
うん、、と。知らない。
けど、以前AIXの話のときに出てきた、DIKWに通じそうな話だね。
あと、今回は情報とか、知識、、ビジネス系ではよく”ナレッジ”って横文字でいうけど、そういう話なんだな、っていうのは分かった。経営学でも「ナレッジマネジメント」って、重要な科目でしょ？
機械屋：
ありがとうございます。
必要な時にすぐ取り出せる、ナレッジという宝の山を作る。
今回はそんなお話です。
## 1. 熟練デザイナーの「脳内」を検索せよ
機械屋：
まずは**Azure AI Search** です。
医療田：
Search、、だから、検索？
Google検索みたいなもの？
機械屋：
Googleがインターネットに公開されている情報の検索であるのに対し、**Azure AI Search**は**企業が持つ独自のデータベース**を構築し、検索する点が異なります。
インターネット上の情報ではなく、社内のマニュアルや図面、契約書といった「閉じられたデータ」を検索するための、いわば『自社専用の検索エンジン』を構築できるサービスなんです。
医療田：
ふーん？
機械屋：
たとえば **トヨタ自動車** の例があります。
彼らは数十年分の膨大な車のデザインデータを、**Azure OpenAI Service**と**Azure AI Search**を組み合わせて、AIで瞬時に探し出せる仕組みを作りました（※1）。
※1 [Microsoft Customer Story: トヨタ自動車株式会社](https://news.microsoft.com/ja-jp/features/241120-toyota-is-deploying-ai-agents-to-harness-the-collective-wisdom-of-engineers-and-innovate-faster/)
医療田：
数十年分！
そんなの、人間だったら探すだけで日が暮れちゃうね。
機械屋：
ええ。これまでは「あの部品の図面、どこだっけ？」となったら、ベテランの設計者に聞くしかなかった。
つまり、知識が「ベテランの頭の中（暗黙知）」にしかなかったんです。
医療田：
あるある。「○○さんに聞かないと分からない」ってやつね。
でもその人が辞めちゃったら終わりじゃん。
機械屋：
その通り！ 企業にとって最大の損失は「忘却」です。
Azure AI Searchは、AIが画像や図面の内容まで理解してタグ付けしてくれるので、新人でも「赤い スポーツカー ホイール」みたいに入力するだけで、数万件の中から欲しい過去のデザインを瞬時に見つけ出せる。
さらに、これに**Azure OpenAI Service**のような生成AIを組み合わせることで、**「RAG（検索拡張生成）」** という仕組みが構築できます。
単に文書を探すだけでなく、「過去の不具合事例を元に、今回の設計の注意点をまとめて」といった指示に対して、AIが社内データを検索し、それを読んで要約・回答してくれるようになるんです。
医療田：
へええ！
「検索」だけじゃなくて、「読んで教えてくれる」んだ。
機械屋：
そのとおり、ベテランの「暗黙知」を、誰もが使える **「形式知」** に変える、というわけですね。
## 2. 過去の「提案書」から答えを見つけ出す
機械屋：
もう一つ、日本の **富士通** の事例も面白いですよ。
彼らは、社内の膨大なマニュアルや過去のトラブルシューティング記録をAIが検索・回答してくれるシステムを作りました（※2）。
医療田：
「マニュアルどこだっけ？」問題をなくすやつだ笑。
機械屋：
はい。さらにすごいのは、営業資料や提案書の作成支援です。
「過去に似たような提案をした資料はないか？」をAIが探し出し、「それを踏まえて今回の顧客向けにアレンジして」といった指示まで出せるんです。
医療田：
うわ、便利！
「ゼロから資料作る」のが一番大変だもんね。
先輩の作った「良い資料」がすぐ出てくれば、新人でも即戦力になれるじゃん。
機械屋：
まさに。「組織の知恵」を全員で共有するナレッジマネジメントの好例ですね。
※2 [Microsoft Customer Story: 富士通株式会社](https://www.microsoft.com/en/customers/story/21885-fujitsu-azure-ai-foundry)
## 3. 「紙の山」をデータに変えるAIの目
機械屋：
でも、検索するためには、そもそもデータがデジタル化されていないといけませんよね？
そこで活躍するのが **Azure AI Document Intelligence** です。
医療田：
ドキュメント、、文書？
機械屋：
はい。紙の請求書や手書きのメモ、PDFの契約書などを、AIが読み取ってデータ化してくれるサービスです。
単なる文字読み取り（OCR）ではなく、「○月○日の請求額はいくら」といった情報の意味まで理解して抽出できるのが特徴です。
医療田：
なるほど、入り口の「デジタル化」を担当するわけね。
## 4. 動画も音声も、すべてが「検索対象」になる
機械屋：
さらに、最新の **Azure AI Content Understanding** を使えば、動画や音声ファイルからも情報を引き出せます。
「会議の録画データ」や「コールセンターの音声ログ」から、話している内容、参加者の感情、映っている物体などをマルチモーダル（多角的）に分析できるんです。
医療田：
えっ、動画の中身まで検索できるの？
「あの会議で部長が怒ってたシーン」とかも見つかるのかな？
機械屋：
見つかりますね（笑）。
これまで「再生しないと分からなかった」動画や音声データまでもが、検索・活用できるナレッジに変わるんです。
医療田：
そういえば、この画像の認識とか音声の認識って、前回（Vol.36）聞いた話だよね？
機械屋：
おっ、いいところに気が付きましたね！
実は、前回紹介した『目（Vision）』や『耳（Speech）』の技術が、ここでは『ナレッジマイニング（知識発掘）』のために使われているんです。
単に『見る・聞く』だけでなく、そこから『意味（データ）』を掘り起こして、会社の大事な知識として蓄積する。
技術の根っこは同じでも、使い道が『オペレーション支援』から『経営資源の活用』へと進化しているイメージですね。
## まとめ
機械屋：
今回の教訓をまとめましょうか：
- **Azure AI Search**：機密データを含めた社内検索エンジンを作る。生成AIと組み合わせれば「RAG（検索拡張生成）」も実現可能。
- **Azure AI Document Intelligence**：紙やPDFをデータ化し、検索の「入り口」を作る。
- **Azure AI Content Understanding**：動画や音声も含めたあらゆるデータをナレッジ化する。
- **共通点**：溜まっていた大量のデータを、AIが「宝（活用できる知識）」に変える。
医療田：
「知識は活用できてこそ」かあ。
うちの病院の倉庫にある大量の紙カルテも、いつかAIが全部読んでくれて、
「この患者さん、昔こんな病気してましたよ」って教えてくれるようになるのかな。
機械屋：
近いうちに、必ずなりますよ。
過去を忘れない組織が、未来を賢く作れる。
AIがそんな組織づくりに大きな力となるはずです。
＝＝＝＝＝＝
●関連記事
- [2分で読める生成AIのいま Vol.34「AIX（AIトランスフォーメーション）の再定義：DXとの対比から見える本質」](https://www.youichimachida-ai.com/blog/2ai-vol342ai)
- [2分で読める生成AIのいま Vol.36「Microsoft Azureを使ったAI活用2。「目」と「耳」が、現場の「退屈」を「ワクワク」に変える」](https://www.youichimachida-ai.com/blog/2ai-vol362ai)
- [2分で読める生成AIのいま Vol.35「Microsoft Azureを使ったAI活用1。そもそもAzureってなに？クラウドって？」](https://www.youichimachida-ai.com/blog/2ai-vol352ai)
●2分で読める「生成AIのいま」シリーズ。バックナンバーはブログからどうぞ！
https://www.youichimachida-ai.com/blog
