「マニュアルをChatGPTに覚えさせれば、社内の質問対応が楽になる」。そう聞いてPDFをアップロードする。その場では正しく答えます。翌日、新しいチャットで同じことを聞くと、知らない顔で返ってきます。
覚えていないのではありません。覚える設計になっていないだけです。
マニュアルをAIに読ませる検討でつまずくのは、たいてい次の3点です。
- 「学習させる」の意味が曖昧で、何をすれば完了なのか分からない
- その場では答えるのに、翌日の別のチャットでは通用しない
- 社内資料を入れて、機密が学習に使われないかが確かめられない
この記事は、マニュアルの作り方ではありません。すでにあるマニュアルをChatGPTに読ませて、社員の質問に答えさせるまでを扱います。原稿づくりから始めたい方はChatGPTでマニュアルを作る手順の方が近い話になります。
ここでは、社内のAI-FAQ（社員の質問にAIが答える社内向けの窓口）にするまでを次の順で扱います。
- 「学習させる」の正体と、現実に取れる3つの方法
- 公式に確認したプランごとのファイル上限と、学習利用の設定名
- プロジェクトへ常備させる5ステップと、そのまま使える指示文
- 答えが当たらないときに、直すべきなのが指示文ではなく資料である理由
Saix自身、社内マニュアル67本をAIに読ませ、AIヘルプデスク「サイくん」として社員へ開いています。回答には根拠のマニュアルが出典として付きます。
作り手であり運用者でもある立場から、机上論ではなく手を動かす前提で書きます。
「学習させる」で多くの人が想像しているのは、AI本体を自社仕様に作り替える工事です。ファインチューニングと呼ばれる方法で、専門の技術者と費用がかかります。社内マニュアルでこれを選ぶ理由はほぼありません。現実解は「毎回参照させる」です。
プロジェクト機能やGPTs（どちらもChatGPTの中に資料を置いておける入れ物です）に資料を常備し、質問のたびに読ませる。この形なら、資料を差し替えた瞬間に回答も新しくなります。
読ませる前のマニュアルそのものをAIで作りたい方は、次の記事が参考になります。
監修者
株式会社Saix 代表取締役
東証プライム上場企業含む100社以上のAI導入支援｜リクルートでのAI推進・新卒マニュアル制作経験を経て、Webサイト「AIマニュアル研究所」を運営｜YouTubeメディア「かいちのAI大学」4.8万人。
社内質問にAIが答えるようになると、対応していた時間が空きます。その分の金額を3分で出せます。
会社のホームページのURLを入れるだけで、削減できる時間と、それを人件費に換算した金額がその場でわかります。入力は5つだけ、3分で終わります。費用はかかりません。
以下の画像の「無料で試算する」をクリックして、まず自社の金額を出してみてください。
※ 画像の金額は表示例です。実際の試算額は入力内容によって変わります。
学習させるの誤解｜ChatGPTはアップロードした資料を覚えない
まず言葉を整理します。「学習させる」という言い方には、まったく違う2つの意味が混ざっています。
- AIの中身そのものを作り替える大量のデータを読ませて、AI本体を自社仕様に組み替える方法です。ファインチューニングと呼ばれます。新人に研修を受けさせるのではなく、頭の中身を工事するイメージが近いものです。専門の技術者と費用がかかり、資料を1本直すたびにやり直しになります。
- 質問のたびに参照させる資料を手元に置き、AIが答える前に毎回読む方法。差し替えた瞬間に回答も変わります。社内マニュアルで現実的なのはこちらです。
検索して出てくる「学習させる方法」の大半は、後者を指しています。用語としては不正確ですが、目的は同じ場所に着きます。
この記事も後者を扱います。以降、参照させる形を前提に進めます。
現実解は3つ｜難易度順に見ると、最初にやるべきはプロジェクト
参照させる方法は3つです。難易度と、社内へ広げられる範囲が段階的に上がります。
| 方法 | やること | 使える範囲 | 向いている場面 |
|---|---|---|---|
| 1 チャットに直接読ませる | 会話にファイルを添付して質問する | そのチャットの中だけ | 試したい・自分1人で使う |
| 2 プロジェクトやGPTsに常備する | 資料と指示文をまとめて置く | 作った人と共有先 | 部署単位で使う・最初の本番 |
| 3 社内システムに組み込む | API（システム同士をつなぐ接続口）で自社の画面に組み込む | 全社員・部署ごとの制御あり | 全社展開・権限を分けたい |
1は準備が要りません。ただし翌日には消えます。冒頭の「覚えていない」が起きるのは、この形で試したときです。
2が最初の本番です。プロジェクトやGPTsに資料を置くと、新しいチャットでも同じ資料を読んだ状態から始まります。
3は全社展開の段で必要になります。部署ごとに見せる資料を変えたい、質問ログを分析したい、という要求が出たときです。
順番を飛ばさないでください。いきなり3から始めると、そもそも答えられる資料が無いことに開発の途中で気づきます。
2の中でも、プロジェクトとGPTsは役割が違います。GPTsは、詳しい人が資料を選び抜いて固めた完成品を、社内へ配って使ってもらう形です。作るのは基本ひとり、中身は原則そのまま。公式ヘルプでも「シングルプレイヤー」「静的コンテンツ」と説明されています。
プロジェクトはその逆で、チームで資料を足しながら育てていく置き場です。公式ヘルプの言葉では「ライブコンテキストハブ」、つまり常に最新の情報が集まる拠点という位置づけです（2026年7月時点）。
社内マニュアルのように更新が続く資料は、プロジェクト側が合います。手順が固まりきった領域だけをGPTsに切り出す、という使い分けが現実的です。
ここまでの内容を自社に当てはめると、年間どれくらいの経費が減るのか。会社のURLを入れるだけで、その場で試算できます。
以下の画像の「無料で試算する」をクリックすると、入力から3分でその場に金額が出ます。
※ 画像の金額は表示例です。実際の試算額は入力内容によって変わります。
プロジェクトに常備させる5ステップ｜精度を決めるのは投入前の整形
ここからは実際の手順です。5つを順に進めると、半日で社内向けのAI-FAQが1つ立ち上がります。精度を決めるのはSTEP2です。
STEP1：入れる資料を絞り込む
何をプロジェクトに入れるマニュアルを選びます。全部は入れません。
どうやってよく飛んでくる質問20個を先に書き出し、それに答えられる資料だけを選びます。関係のない資料を混ぜるほど、AIが根拠を取り違える確率が上がります。
ファイル数には上限があります。公式ヘルプで確認したところ、プロジェクトごとの上限はプランで分かれていました（2026年7月時点）。
Freeが5ファイル、GoとPlusが25ファイルです。Edu・Pro・Business・Enterpriseは40ファイルとされています。
一度にアップロードできるのは10件までです。上限に近づくほど、選別の精度がそのまま回答の精度になります。
ゴール：質問20個に対応する資料が、上限の範囲で選べていればOKです
STEP2：資料を投入できる形へ整える
何を選んだ資料を、AIが読み違えない形に直します。ここが精度の分かれ目です。
どうやってスキャンした紙の画像PDFは、テキストが入ったファイルへ作り直します。画像だけのPDFは、そもそも中身を読めません。
1ファイルに複数の業務が混ざっている場合は分割します。ファイル名も「manual_v3_final.pdf」ではなく、中身が分かる日本語にします。AIはファイル名も手がかりに使います。
表が多い資料は要注意です。セル結合の多いレイアウトは崩れて読まれます。重要な表は、箇条書きへ書き直したほうが確実です。
ゴール：全ファイルがテキストで読め、1ファイル1テーマになっていればOKです
STEP3：回答のルールを指示文で固定する
何をプロジェクトの指示欄に、答え方のルールを書きます。
どうやって下のプロンプト（＝AIへの指示文）を貼ります。プロンプトとは、AIに「こう振る舞ってほしい」と伝える指示の文章のことです。
社内マニュアルの案内役として回答してください。以下のルールを必ず守ってください。
【根拠の範囲】
・このプロジェクトに登録された資料だけを根拠にする
・一般論や社外の慣行で補わない
・資料に書かれていないことを聞かれたら、推測せず
「資料に記載がありません。担当者にご確認ください」と答える
【回答の形】
・結論を1行で先に書く
・そのあとに手順または理由を書く
・最後に「参考にした資料」として、根拠にしたファイル名を最大3件挙げる
・複数の資料で内容が食い違う場合は、どちらが新しいか分からない旨を明記する
【言葉づかい】
・社内用語はそのまま使い、初出でその場で意味を補う
・専門用語を新しく持ち込まない
・断定を避け、読んだ人が自分で確かめられる書き方にする効くのは「資料に記載がありません」の1行です。この逃げ道を用意しないと、AIは知らないことをもっともらしい文章で埋めます。
参考資料を挙げさせる指定も外せません。出典が出ない回答は、正しくても社内で採用されません。
ゴール：指示文を貼り終え、資料がアップロードされていればOKです
STEP4：質問20個で答え合わせする
何をSTEP1で書き出した質問を、実際に投げて採点します。
どうやって正解か不正解かの二択ではなく、3段階で分けます。正しい、間違い、そして「答えられないと正しく言えた」の3つです。
3つ目は成功に数えます。知らないことを知らないと言えるAIは、間違えるAIより社内で信用されます。
ゴール：20問中15問以上が、正解か「答えられない」に収まっていればOKです
STEP5：使う人へ渡し、外れた質問を記録する
何を対象の部署へ共有し、外れた質問を集める仕組みを置きます。
どうやって共有は所有者の設定から行います。渡すときに「間違うことがあるので、出典で確かめてください」と一言添えます。
外れた質問は、AIの直し先ではありません。資料が足りていない場所を示す一覧として扱います。
ゴール：対象部署が使い始め、外れた質問が記録されていればOKです
機密の扱い｜オフにする設定名は「すべての人のためにモデルを改善する」
社内資料を入れる前に、必ず確認する箇所があります。入力した内容が、モデル（＝AIの本体）の改善に使われるかどうかです。
OpenAIの公式ヘルプ「データコントロールに関するFAQ」を実際に開いて確認しました。手順はこう記載されています（2026年7月時点）。
- プロフィールアイコンをクリックする
- 「設定」を選択する
- 「データコントロール」に移動する
- 「すべての人のためにモデルを改善する」をオフにする
この設定はアカウント全体に適用され、ウェブとモバイルで同期されると公式に明記されています。端末ごとに切り替える必要はありません。
法人で使う場合は、前提が変わります。公式ヘルプのプロジェクトの項に、Business・Enterprise・Eduについての記載があります。
「プロジェクトからアクセスされた情報をデフォルトで当社のモデルのトレーニングに使用しません」と明記されています。
一方、Free・Plus・Proの扱いは異なります。「すべての人のためにモデルを改善する」がオンの場合、トレーニングへ使う場合があるという記載です。
個人アカウントで社内資料を扱うなら、設定を切る作業が全員に必要になります。1人が切り忘れれば、その1人ぶんが対象に残ります。
共有プロジェクトの扱いも公式に書かれています。データがトレーニングに使われるのは、投稿者と所有者の全員がこの設定をオンにしている場合だけ、とされています。
プラン改定で条件が変わることがあるため、検討時は必ず公式サイトで最新の記載をご確認ください。
情報漏洩の対策として最初に手を付けるべきは、設定の切り替えではありません。入れる資料を選ぶ工程です。設定は誰かが戻せますが、そもそも入れなかった情報は戻せません。顧客名と金額を含む資料を入口で外しておけば、リスクの大半はそこで消えます。設定は二重の備えとして後から効かせます。
Saixの実物｜資料を検索させず全文を渡し、出典カードで原典に戻す
ここからはSaixの実物です。社内マニュアル67本を、AIヘルプデスク「サイくん」に読ませています。
構成は一般的なやり方と違います。よくある作りでは、資料を細かく切り分けて専用の検索用データベース（ベクトルデータベースと呼ばれます）へ入れ、質問に近い部分だけを探し出してAIに渡します。
Saixはこの検索の仕組みを持ちません。公開中のマニュアル全件を要約して、丸ごと渡しています。
要約の細かさも決めてあります。1件あたりタイトル・説明・タグ・本文要点で600字まで、全体で4万字までです。
この形にすると、「どの資料を探し当てさせるか」を調整し続ける作業がまるごと消えます。中小規模の資料本数なら、検索の当たり外れを直すより全部渡すほうが速い、という判断です。
毎回すべて渡すと利用料がかさみそうに見えますが、そこはプロンプトキャッシュという仕組みで抑えています。一度読ませた資料をAI側が一時的に保持しておく機能で、資料が変わらない限り、2問目以降は同じ資料を読み直す料金がかかりません。
回答には出典を最大3件付けます。アプリ側で「参考にした資料」のカードとして表示し、クリックで原典が開きます。
出典カードがあると、AIの回答は結論ではなく入口として扱われます。社員は答えを見てから、根拠の1ページだけを読みます。
誰にどの資料を見せるかの権限設定も、回答へそのまま反映させています。サイくんが知識として使うのは、質問した人の部署で見える資料だけです。他部署限定の内容が、回答経由で出ることはありません。
画面下には「AIの回答は間違うことがあります。出典で確かめ、最後はご自身で判断」を常設しています。間違う前提を先に掲示しておくと、1回外れた程度では使われなくなりません。
自社の場合はいくらになるのか、この機会に出してみてください。削減できる時間と金額を、業務ごとに算出します。
以下の画像の「無料で試算する」をクリックして、AIで浮く金額を先に確認してください。
※ 画像の金額は表示例です。実際の試算額は入力内容によって変わります。
答えが当たらない4つの原因｜直すのは指示文ではなく資料の側
入れたのに当たらない、という相談で最も多い誤解があります。指示文を書き直せば直る、という前提です。
原因1：画像PDFを入れていて、中身が読まれていない
紙をスキャンしただけのPDFは、文字ではなく画像です。目で見れば読めますが、AIには白紙に近い状態で渡ります。
入れた資料が読まれているかは、「この資料の見出しを列挙して」と聞けば分かります。返ってこなければ、読めていません。
原因2：古い版と新しい版が両方入っている
改訂前のファイルを消さずに追加すると、AIは両方を根拠にします。矛盾した回答が返り、どちらが正しいか判定できません。
入れるのは、いま有効な最新版の1本だけにします。差し替えるときは、必ず古いファイルを削除してから追加します。
原因3：資料に書かれていない質問を、たくさん投げている
「答えが浅い」と感じる質問を並べると、資料に載っていない内容が多く含まれています。これはAIの問題ではありません。
外れた質問の一覧が、そのまま次に書くべきマニュアルの一覧です。Saixも質問ログを8カテゴリへ自動分類し、質問が集中した領域から資料を直しています。
原因4：出典を出させておらず、社内で信用が積み上がらない
回答が合っていても、根拠が示されなければ担当者は自分で資料を探しに行きます。それなら聞かない、という判断になります。
指示文に「参考にした資料を最大3件挙げる」を入れる。この一行の有無が、3か月後の利用状況を分けます。
4つに共通するのは、直す対象が資料の側だという点です。訪問介護の事業所で、記録の入力方法に詰まったヘルパーへ返す答えも、根拠になる資料が無ければ作れません。
回答させる仕組み全体の設計はAI FAQの作り方の全体像で扱っています。
資料側の整備から入る場合は社内FAQをAIで作る方法が近い話です。
自社の画面へ組み込む段の検討は社内FAQチャットボットの作り方にまとめています。
御社のマニュアルで、答えられる質問と答えられない質問を切り分けます
どの資料を入れるか、どこまで個人アカウントで進めてよいか、全社へ広げる線引きはどこかは、業種と人数で変わります。Saixが社内で回しているAIヘルプデスクの実物をお見せしながら、御社の一歩目を一緒に決めます。オンラインで、費用はかかりません。
よくある質問
Q. 社内マニュアルをChatGPTに入れて、外部へ漏れないか不安です
設定と資料の選別の二段構えで防ぎます。公式ヘルプによると、Business・Enterprise・Eduは扱いが異なります。プロジェクトの情報をデフォルトでトレーニングに使いません。
個人向けプランでは、設定の「データコントロール」から学習利用をオフにします。そのうえで、顧客名や金額を含む資料は入口で外してください。
Q. マニュアルは何本くらい入れられますか
プランごとの上限があります。公式ヘルプの記載では、Freeが5ファイル、GoとPlusが25ファイルです。Edu・Pro・Business・Enterpriseは40ファイルとされています。
上限に届く前に、質問20個へ答えられる資料へ絞るほうが精度は上がります。本数より選別です。
Q. 無料のプランだけでどこまでできますか
試すところまでは届きます。プロジェクト自体はすべてのプランで使えますが、ファイル上限は5件です。
届かないのは、部署ごとに見せる資料を変える制御と、質問ログの分析です。全社へ開く段で、法人向けプランか自社システムの検討が必要になります。
まとめ
ChatGPTにマニュアルを学習させる、の実体はモデルの作り替えではありません。質問のたびに参照させる仕組みです。この言い換えができた時点で、検討は「どのファインチューニングを選ぶか」から「どの資料を置くか」へ変わります。
進め方も決まっています。入れる資料を質問から逆算して絞る。テキストで読める形に整える。回答ルールを指示文で固定する。質問20個で答え合わせをしてから渡す。
順番を飛ばすと、答えられない箱を全社へ配ることになります。
Saixが67本で確かめたのは、賢さより出典が効くということです。根拠のカードが付く。クリックで原典に飛べる。知らないことは知らないと返る。この3つが揃うと、AIの回答は結論ではなく入口として扱われます。
次の一手は、直近1か月で受けた社内の質問を20個書き出し、答えられる資料があるかを確かめることです。読ませる資料そのものを作る工程は社内マニュアルをAIで作る方法が近い話になります。
既製のFAQボットと比べたい場合はAI FAQボットの料金と選び方が参考になります。
資料づくりから運用まで一気に整えたい場合は、AIマニュアル構築支援で実際の形をご覧ください。
結論：マニュアルをChatGPTに学習させるの現実解は、モデルの作り替えではなく質問のたびに参照させる形です。
- 方法は3つ：チャットに直接読ませる、プロジェクトやGPTsに常備する、社内システムに組み込む
- 最初の本番はプロジェクト：更新が続く社内マニュアルは、中身を固めて配るGPTsより相性がよい
- 精度は投入前で決まる：画像PDFの作り直しと1ファイル1テーマ化が効く
- 学習利用はデータコントロールで切る：設定名は「すべての人のためにモデルを改善する」
- 外れた質問は資料の一覧：直す対象は指示文ではなく、足りていない資料の側
