| この記事でわかること |
|
| この記事の対象者 |
|
| 効率化できる業務 |
|
「せっかく社内のドキュメントを大量にAIに読み込ませたのに、返ってくる回答がどれも的外れで使い物にならない……」
御社のDX推進部や情報システム部門のデスクから、そんなため息や愚痴が聞こえてきませんか？あるいは、経営企画部や人事部が必死に作った社内規定マニュアルをAIが誤解して、社員に間違った申請ルールを案内してしまった、なんていう冷や汗モノのトラブルを経験した方もいるかもしれません。
実のところ、ChatGPTや社内専用に構築したAIエージェントに社内ドキュメントを読み込ませても、期待通りのパフォーマンスを発揮してくれないケースが、いま全国の企業で多発しています。
なぜ、私たちが手塩にかけて作ったマニュアルや営業資料を、最新の賢いはずのAIは正しく理解してくれないのでしょうか。
その答えは、AIの頭脳が足りないからではありません。私たちがAIに手渡しているドキュメントの「形式」が、AIにとって極めて不親切だからです。ただのPDFやWordファイル、あるいはプレーンなMarkdownをそのまま放り込んでも、AIはその文書が「いつ、誰のために作られ、どういう文脈で使われるべきか」という背景（コンテキスト）を見失ってしまうのです。
この「AIと人間のコミュニケーション不全」という高い壁を打ち破るべく、Googleが2026年6月13日（現地時間）、非常に泥臭くも画期的な新しい文書記述仕様を発表しました。それが「Open Knowledge Format（オープン・ナレッジ・フォーマット、以下OKF）」です。
今回は、企業の経営企画部、DX推進部、情シス部、そしてナレッジの宝庫である人事部の皆様に向けて、このOKFが企業のドキュメント管理をどう変えるのか、そしてなぜ今すぐ対応を検討すべきなのかを、現場の目線に立って、温度感を持ってお伝えします。
ツールを導入するだけの形骸化したデジタル化から脱却し、AI時代に本当に生き残るための「血の通ったナレッジベース」を構築するヒントがここにあります。さあ、一緒に新しい文書管理の裏側を覗いてみましょう。
Open Knowledge Format（OKF）とは？Googleが提示した背景
OKFの定義：人間とAIエージェントが共存するドキュメント仕様
今回、GoogleがGitHub上で「OKF v0.1」として公開したOpen Knowledge Formatを一言で表現するなら、「人間が普通にメモ帳感覚で読めて編集もできるのに、AIエージェントもその背景や構造を100%完璧に理解できる、ハイブリッド型の文書記述ルール」です。
特定のシステムベンダーに依存しない、世界中で誰でも自由に使えるオープンな仕様として設計されています。AIシステムが情報処理を行う際に、それこそ喉から手が出るほど欲しがる「メタデータ（データの属性情報）」や「コンテキスト（文脈・背景）」、そして「厳選された知識」を、最もシンプルな形でファイルに格納・表現することができます。
「また新しい難しいシステムやプログラミング言語を覚えなきゃいけないのか……」と身構える必要はありません。OKFのベースになっているのは、多くのエンジニアやライターが日常的に使っている、あのシンプルな「Markdown（マークダウン）」と「YAML（ヤムル）」です。これらを特定のルールで組み合わせるだけで、ただの読み物が、AIにとっての「最高級の教材」へと変貌を遂げるのです。
なぜ今、新しい文書フォーマットが必要なのか？
「PDFやWordじゃダメなの？」という疑問を持つのは当然のことです。しかし、現場のAI運用において、これらは「三重苦」とも言える大きな課題を抱えています。
第一に、「文脈の喪失」です。AIはドキュメントを読み込む際、テキストを「チャンク」と呼ばれるバラバラの断片に分解して処理します。そのため、「これは2026年の最新版なのか、それとも2020年の古い社外秘データなのか」といった前提条件を、途中で見失いやすいのです。
第二に、「アクセスの難しさ」です。PDFやWordは、特定のアプリケーションで開いて人間の目で見ることを前提として作られています。AIが機械的にクローリングして、超高速で必要な箇所だけを抜き出したり、ファイル同士の繋がりを解析したりするのには、非常に効率が悪い構造をしています。
第三に、「人間と機械のトレードオフ」です。AIに構造を理解させようとして、すべての社内ナレッジを複雑なJSON形式やデータベースのテーブルだけで管理しようとすると、今度は現場の人間（人事部や総務部の社員など）が手軽にマニュアルを書き換えたり、修正したりすることができなくなってしまいます。
結果として、「現場がマニュアルを更新しなくなり、社内データが腐り、AIも古い情報をもとに嘘をつき始める」という最悪の悪循環に陥るのです。Googleはこの痛みを解消するために、人間がメモ帳感覚で書けて、かつAIがデータベースのように扱える共通言語として、OKFを世に送り出しました。
従来のドキュメント管理や一般的なMarkdownとの決定的な違い
一般的なドキュメント管理システムや、これまでのMarkdownによる社内Wiki（Notionなどを含む）と、OKFは何が違うのでしょうか。
最大の決定打は、文書の「外側」にあるディレクトリ（フォルダ）の構造や、ファイル同士の「リレーション（繋がり）」までを、あらかじめAIが迷わず自動巡回できるように「仕様として厳格にパッケージ化している点」にあります。
これまでの社内Wikiは、人間が自由にリンクを張り巡らせるため、構造が蜘蛛の巣のように複雑化しがちでした。人間は感覚で辿れても、自律型のリサーチアシスタントであるAIエージェントにとっては、どこがスタートでどこが最新の結論なのかが分からなくなる「迷宮」だったのです。OKFは、その迷宮に正確な「案内図」を取り付けるための、世界共通のルールを提供してくれます。
Open Knowledge Formatの3大特徴と技術的な仕組み
OKFの仕組みは、驚くほどシンプルで、美しさすら感じさせるものです。派手なシステムや高価なサーバーは一切不要。その核となる3つの特徴を紐解いていきましょう。
YAMLフロントマターとMarkdownを組み合わせたディレクトリ構造
OKFの基本は、1本のドキュメントの頭に「YAML（構造化データを書くためのテキスト形式）」のブロックを置き、その下に「Markdown」で本文を書くというスタイルです。
言葉で説明するよりも、実際の例を見ていただくのが一番早いでしょう。例えば、人事部が作成する「2026年度版のテレワーク手当支給規定」をOKF形式で記述すると、以下のようになります。
---
type: HR Policy
title: 2026年度 テレワーク勤務手当 支給基準
description: 全正社員および契約社員を対象とした在宅勤務時の通信費・光熱費補助の支給要件と申請フロー
resource: https://internal.acme.corp/hr/policies/telework-2026
tags: [人事労務, 福リ厚生, 手当支給]
timestamp: 2026-06-15T09:00:00Z
author: 人事部労務管理課（担当：佐藤）
version: v2.1
---# 1. 支給目的
本規定は、在宅勤務における社員の環境整備および費用負担を軽減し、業務効率を高めることを目的とします。# 2. 支給対象者
以下の条件をすべて満たす社員を対象とします。
- 雇用形態：正社員または契約社員
- 月間の在宅勤務日数が「10日以上」であること# 3. 支給額と申請フロー
月額一律 5,000円 を翌月の給与とともに支給します。
具体的な申請の手順については、[申請手続きマニュアル](../processes/apply-telework.md)を必ず参照してください。
いかがでしょうか。 冒頭の --- で囲まれた部分が「YAMLフロントマター」です。ここを読み込むだけで、AIエージェントは「これは人事規定（HR Policy）であり、2026年6月15日に佐藤さんという専門家が更新した最新バージョン（v2.1）だ」と一瞬で理解します。他の古い文書とどちらを優先すべきか、もうAIは迷いません。
そして、本文中にある [申請手続きマニュアル](../processes/apply-telework.md) という相対リンクに注目してください。AIはこのリンクの構造を辿り、ファイルシステムを自律的に巡回して、「手当の規定」と「実際の申請手続き」という2つの知識のネットワークを脳内に構築するのです。
ランタイム・SDK不要！Gitでそのまま管理できる圧倒的なポータビリティ
OKFの技術的な最大の凄みは、「新しいソフトウェアのインストールが一切不要」という点です。特定の検索エンジンや、高価なグラフデータベース、特殊なAPIの導入は必要ありません。
ただの「テキストファイルとフォルダの集まり」に過ぎないため、WindowsでもMacでも、あるいは社内の共有ファイルサーバーでも、どんな環境でもそのままマウントして読み書きができます。
さらに、エンジニアがプログラムのコードを管理する「Git（ギット）」の仕組みにそのまま放り込むことができます。これの何が嬉しいかというと、経営企画部や情シス部がドキュメントを更新するたびに、「誰が、いつ、どの行を、なぜ書き換えたのか」という履歴が1文字単位で自動記録される点です。ナレッジの変更履歴をそのままAIエージェントが読み解くことで、ドキュメントの信頼性をAI自身が評価できるようになります。
Obsidian、Notion、Hugoなど既存のLLM wikiパターンとの高い親和性
「でも、うちの会社はすでにNotionでWikiを作っているし、個人的にノートアプリでデータをため込んでいる社員もいる。また一からやり直し？」と不安になりますよね。
心配は要りません。OKFは、近年のトレンドであるノートアプリや、静的サイト生成ツールの仕組みと、最初から極めて高い親和性を持つように設計されています。
それどころか、最近AI界隈で急速に普及している「LLM wikiパターン（AIに読み込ませることを前提とした社内ナレッジ構築手法）」の事実上の標準仕様として、そのままスッポリと収まる形になっています。つまり、今あるドキュメントに、OKFのルールに沿った「YAMLの帽子」を被せて、フォルダ構成を少し整理してあげるだけで、既存の社内資産をそのまま大活用できるのです。
企業データに血を通わせる！Google Cloud「Knowledge Catalog」との連携
Googleがこの仕様をわざわざオープンソースとして世界に発表したのには、もちろん大きな戦略的意図があります。それは、企業が持つ巨大なデータ基盤と、日々活動するAIエージェントを、安全かつ高速に接着するためです。
Knowledge CatalogエコシステムにおけるOKFの位置づけ
OKFは、Google Cloudが提供しているメタデータ管理基盤「Knowledge Catalog（ナレッジ・カタログ）」のエコシステムと、細胞レベルで密接に連動しています。
多くの企業では、データウェアハウス（BigQueryなど）の中に、数千、数万というデータテーブルや顧客ログが眠っています。しかし、AIエージェントに「弊社の先月の売上動向を分析して、経営陣向けのサマリーを作って」と頼んでも、AIは「どのテーブルのどのカラム（列）が本物の売上データなのか」が分かりません。システム上の英数字の羅列だけでは、AIも迷子になってしまうのです。
OKFは、この構造化されたデータ（SQLテーブルなど）の周囲に、「これは○○社の売上確定データである」という人間の言葉による解説とコンテキストを肉付けし、Knowledge Catalogを通じてAIに安全に手渡すための「共通コンテナ」の役割を果たします。
BigQueryからOKFへ自動変換する「エンリッチメントエージェント」
「手作業で数万のデータにYAMLのヘッダーをつけるなんて、情シスのリソースが何人あっても足りない！」
まさにその通りです。現場にそんな無理難題を押し付けたら、現場の人間は疲弊し、デジタル化の取り組みは確実に頓挫します。今回のGoogleの発表の憎いところは、GitHubのリポジトリの中に、BigQueryのテーブル情報からOKF形式のドキュメントを自動で生成・変換してくれる「エンリッチメントエージェント」の参照実装（プログラムの雛形）を最初から同梱している点です。
これを使えば、システムが自動的にデータベースの構造を読み込み、最低限必要なOKFのプロトタイプを自動生成してくれます。人間の情シス部や各部門の専門家は、その自動生成された下書きに「現場ならではの補足説明」を2〜3行加えるだけで作業が完了します。この「AIが骨組みを作り、人間が肉付けをする」ハイブリッドな運用こそが、Googleの目指す未来のドキュメント管理です。
経営企画やDX推進部が押さえるべき、KBO（ナレッジベース最適化）の重要性
ここで、すべてのビジネスリーダーに覚えておいていただきたい最重要のキーワードがあります。それが「KBO（Knowledge Base Optimization：ナレッジベース最適化）」です。
インターネットの世界におけるSEO（検索エンジン最適化）が、「Googleの検索結果で自社のサイトを上位に出すための技術」だったとすれば、これからのAI時代、特に企業内インフラにおける最重要ミッションは、「自社のあらゆるナレッジを、AIエージェントに正しく発見され、信頼され、引用されるように最適化する技術」、すなわちKBOになります。
AIエージェントは、社内の膨大なデータの中から「最も信頼できる、形式が綺麗なドキュメント」を優先的に信頼し、回答の根拠として引用します。OKFに準拠したドキュメントを揃えている企業は、社内AIの回答精度が劇的に向上し、業務効率が何倍にも跳ね上がる一方で、古いPDFをフォルダに放置している企業は、AIが嘘を量産し続け、やがてAIそのものの利用を断念することになるでしょう。KBOは、もはや技術論ではなく、企業の競争力を左右する経営戦略そのものなのです。
【実践】自社ドキュメントをOpen Knowledge Formatへ移行する3ステップ
では、御社の素晴らしいナレッジをAIの強力な武器に変えるために、明日から具体的に何を始めれば良いのでしょうか。情シス部やDX推進部が主導すべき、実践的な3つのステップに落とし込んで解説します。
ステップ1：企業内ナレッジの棚卸しとグループ化（バンドル設計）
まずは、社内に散らばっているドキュメントの「境界線」を引き、グループ化することから始めます。OKFでは、これを「バンドル（Bundle）構造」と呼びます。
あれもこれもと欲張る必要はありません。まずは「人事規定」「営業提案書テンプレート」「インフラ障害対応手順」など、AIに最も頻繁に参照させたいコアな領域を1つ選び、わかりやすい本棚のフォルダ構造を設計します。
ここで、入稿先や社内Wiki、各種CMSで表示が絶対に崩れない、安全なドキュメントの構造例を箇条書き形式で提示します。
- 📁 path/to/hr-bundle/ （人事ナレッジの最上位フォルダ）
- 📄 index.md （フォルダ全体の案内図：AI向けの概要・目次）
- 📄 log.md （誰がいつ、なぜ更新したかの歴史を記す変更記録ファイル）
- 📄 allowance.md （各種手当に関する具体的な規定：中身はOKF形式）
- 📁 welfare/ （福利厚生グループをまとめたサブフォルダ）
- 📄 index.md （福利厚生フォルダ専用の案内図）
- 📄 health.md （健康保険関連の具体的な規定ファイル）
この「本棚を整理する」ような地道な作業が、AIの頭脳を整理し、回答のブレを無くす最大の特効薬になります。
ステップ2：YAMLフロントマターを用いたメタデータとコンテキストの定義
フォルダの構造が決まったら、各ファイルの冒頭に、先ほど例に挙げたような「YAMLの帽子」を被せます。ここで最も重要なのは、以下の3つの項目を正確に書くことです。
- type：その文書の性質（マニュアル、社内規定、ソースコード、顧客ログなど）。AIが「どういうトーンで処理すべきか」を判断する材料になります。
- timestamp：最終更新日時。AIが「古い情報でユーザーに誤認を与えないようにする」ための命綱です。
- resource：その文書のオリジナルが存在する本番環境のURL。
ステップ3：インデックスファイル（index.md）と更新履歴（log.md）の整備
OKFの仕様の中で、非常に人間味があって面白いのが、各ディレクトリに配置する index.md（段階的情報開示のための目次）と、log.md（時系列の更新履歴）の存在です。
index.md を置いておくことで、AIエージェントはいきなり数万行の細かな文書を全て読み込む必要がなくなり、まずは「このフォルダにはどんな知識が格納されているか」の全体像をハイスピードでスキャンできます。また、log.md を用意することで、システムの変更点やルールの改定履歴を時系列で把握し、「なぜそのルールに変わったのか」の経緯までをAIが文脈として学習できるようになります。
移行時に情シス部・DX推進部が陥りがちなNG例と対策
ドキュメントのAI最適化を進める上で、現場が絶対にやってはいけない「地雷」がいくつかあります。
- タグ（tags）を不必要に乱立させる： 「念のため」と、関係のないキーワードまでタグに詰め込むのは逆効果です。AIの判断を狂わせ、回答のブレを引き起こす最大の原因になります。タグは最大でも3〜5個、本当に本質的なものだけに絞り込んでください。
- 空白のインデックスファイルを作る： 「形だけOKFにしよう」と、中身がスカスカの index.md を量産するのは無意味です。AIにとって、中身のない案内図ほど迷惑なものはありません。短くても良いので、そのフォルダが何を意味しているかを人間の言葉で必ず要約してください。
- 更新日時（timestamp）の自動同期を怠る： 中身を書き換えたのに、タイムスタンプが半年前のまま。これが起きると、AIは古い情報と判断して無視してしまいます。ファイル更新時に自動で書き換わる仕組みを裏側で組んであげるのがベストです。
Open Knowledge Format導入の成否を分けるポイントと事例
どんなに優れた技術や仕様も、企業の「運用の現場」に血が通っていなれば、ただのデータのゴミ箱と化してしまいます。AI時代のナレッジマネジメントのリアルな光と影を、2つの企業のケーススタディから学んでみましょう。
成功事例：製造業A社（DX推進部主導）の泥泥臭い取り組み
中堅製造業のA社では、社内AIに工場の機械メンテナンスマニュアルを読み込ませていましたが、当初はトラブルの解決方法を質問してもAIがマニュアルの文章をそのままオウム返しするだけで、現場からは「使い物にならない」と不評でした。
そこでDX推進部が主導し、ナレッジの構造をOKF形式へ移行。単にマニュアルをテキスト化するだけでなく、YAMLフロントマターに「対象の機械型番」や「想定される熟練度レベル」を明記しました。さらに、本文の下部に、熟練工たちが過去に経験した「マニュアルには書かれていない、微妙なネジの締め具合のコツ」や「特有の異音がしたときの対処法」といった生々しい「一次情報（実体験データ）」を数行ずつ肉付けしていったのです。
この結果、AIエージェントの回答精度は劇的に向上。「ベテラン職人が横にいて教えてくれているようだ」と現場の若手から絶賛され、新人の研修期間が従来の半分に短縮されるという驚異的な成果を上げました。
失敗事例：ITサービス業B社（情シス丸投げ）の形骸化した運用
一方で、最先端のIT企業であるはずのB社は、Googleの発表を聞いて大慌てで「すべての社内ドキュメントをAIを使ってOKF形式に一括自動変換するシステム」を構築しました。形の上では、数万件のファイルに綺麗なYAMLヘッダーがつき、美しいフォルダ構造に整理されました。
しかし、その中身は5年前の古い社内規定や、どこかのウェブサイトからコピーしてきたような、誰の体温も感じられない「薄っぺらな一般論」の山だったのです。
結果として、社内AIエージェントはその綺麗なフォーマットに騙され、古い無意味な情報を「最新の正しいナレッジ」として自信満々に社員に回答し続けました。現場からは「AIの言う通りに手続きしたらエラーになったぞ！」とクレームが頻発。結局、誰も社内AIを信用しなくなり、プロジェクトは完全に凍結されてしまいました。
一次情報と独自データがAI時代に持つ本当の価値
B社の事例は、私たちに重要な教訓を与えてくれます。AIは、インターネット上に転がっているような一般論を綺麗にまとめることは大得意です。しかし、「自社のこの部署の、この顧客に対しては、こういう順番で説明すると成約率が上がる」といった、現場の人間が汗をかいて得た「経験」や「専門性」は、AIには絶対に生み出せません。
OKFというフォーマットの真の価値は、その「人間にしか書けない貴重な一次情報」の周囲に、AIが認識できる綺麗なラッピングを施すことにあります。中身が空っぽのドキュメントをシステムで量産することは、AI時代における最大の負債をため込む行為であると、私たちは強く認識しなければなりません。
Open Knowledge Formatに関するよくある質問（FAQ）
企業の導入現場で、経営企画部や情シス部の担当者から実際に寄せられる生々しい疑問に、一問一答形式でお答えします。
Q1. OKFを利用するのに有料のGoogle Cloud契約は必須ですか？
A1. いいえ、完全に無料かつオープンソースの仕様であるため、有料契約は一切必須ではありません。 OKFのルール自体はGitHub上に一般公開されており、誰でも自由に今日から自社のローカルサーバーや、他社のクラウド環境にあるシステムにその記述ルールを取り入れることができます。ただし、Google Cloudのメタデータ管理機能である「Knowledge Catalog」や「BigQuery」と組み合わせることで、データの自動変換や強固な権限管理が効くようになるため、すでにGoogleのインフラを中心に据えている企業にとっては、圧倒的に恩恵が大きくなります。
Q2. 既存の大量のWordやPDFドキュメントはどうやってOKFに移行すべきですか？
A2. 全てを一度に人力で移行しようとせず、まずは「AIによる自動下書き＋人間の手による重要ページの選別リライト」という2ステップを踏んでください。 世の中にある既存のファイル変換ツールを使えば、WordやPDFをMarkdownに一括変換することは技術的には一瞬です。まずはシステムで一括変換し、自動で最低限のYAMLフロントマターを生成させます。その後、社員が日常的にアクセスする「上位20%の本当に重要なドキュメント」だけを人間の担当者がピックアップし、現場の生きた知見や正確なタイムスタンプを手作業でリライト・充実させていくアプローチが、最も現実的で成功しやすい手法です。
Q3. セキュリティやアクセス権限の管理はどのように行いますか？
A3. OKFファイル自体はただのテキストであるため、それらを保存する「ファイルシステム」や「Gitリポジトリ」側の権限設定で行うのが基本です。 ドキュメント自体に特殊な暗号化パスワードをかけるのではなく、「人事部のフォルダには人事部のアカウントしかアクセスできない」「一般社員用AIエージェントのクローラーには、社外秘フォルダのアクセス権で閲覧をブロックする」といった、インフラ側のアクセス制御を行います。また、OKFのYAMLフロントマター内に独自に security_level: internal といった項目を追加定義し、AIエージェント側で「このタグがついている文書は一般ユーザーへの回答に含めない」というフィルタリングルールを組むことも非常に有効な防衛策になります。
Q4. 社内開発のAIエージェントだけでなく、ChatGPTやClaudeでも読み込めますか？
A4. はい、驚くほどスムーズに、しかも劇的に賢く読み込めます。 ChatGPTやClaudeなどの主要なAIモデルは、Markdownの構造や、YAMLのデータ形式を極めて高い精度で理解するように作られています。そのため、OKF形式で構造化されたフォルダ一式を、ChatGPTの「カスタムGPT（GPTs）」やClaudeの「Projects」のナレッジとしてそのままアップロードするだけで、AIの文脈理解能力が格段に向上します。プロンプトで長々と「古いデータは無視して」「最新のルールに従って」と指示しなくても、AIが一発で正確な回答を返してくれるようになります。
まとめ：Open Knowledge Formatで企業のAI対応を次のステージへ
長い文章を最後までお読みいただき、本当にありがとうございました。 Googleが発表した「Open Knowledge Format」は、一見すると地味な「ファイルの書き方のルール」に思えるかもしれません。しかし、その背後には、これからの自律型AIエージェント時代に企業が生き残るための、極めて重要な生存戦略が隠されています。
本記事の3行まとめ
- 人間とAIの架け橋：OKFは、人間が手軽に書けるMarkdownと、機械が読めるYAMLを組み合わせた、AI時代のための新しいオープンな文書記述ルールである。
- 圧倒的なポータビリティ：特別なシステムや高価なSDKは不要。通常のファイルシステムやGitで管理でき、既存の社内Wiki資産ともそのまま融合できる。
- KBO（ナレッジベース最適化）の時代へ：これからの社内DXの成否は、システムを入れることではなく、企業全体のナレッジをAIに最適化し、現場の生きた一次情報をいかに詰め込めるかで決まる。
経営企画・DX推進・情シス・人事部が今すぐ起こすべき次のアクション
「技術の動向をもっと見極めてから……」と、机の上で静観している時間はもうありません。私たちが立ち止まっている間にも、先進的な企業は着々と自社のナレッジをAI向けに磨き上げ、圧倒的な業務スピードを手に入れています。まずは、以下の小さな一歩から、社内のKBOを始めてみませんか？
- 情シス・DX推進部の皆様へ： まずはGitHubに公開されている「OKF v0.1」の仕様書をダウンロードし、同梱されているBigQuery変換用の「エンリッチメントエージェント」のプログラムの雛形を、テスト環境で動かしてみてください。自社のデータ基盤が、どれほどスムーズにAI向けの生きたナレッジに変わるか、そのスピード感を体感することがすべての始まりです。
- 経営企画・人事部の皆様へ： 社内の「宝の山」でありながら、最も古くなりやすく、現場からの質問攻めに遭いやすい「社内マニュアルや人事規定」の中から、最も頻繁に聞かれるトピックを3つだけ選んでください。そして、この記事の例を参考に、手作業で「YAMLの帽子」を被せたOKF形式のファイルを作ってみましょう。それを現在お使いのAIに読み込ませて、回答の精度がどう変わるか、その違いに驚いてみてください。
AIは、企業の仕事を奪う敵ではありません。しかし、社内の知識を綺麗に整理し、AIに正しく手渡す努力を怠った企業からは、容赦なくその果実を取り上げてしまいます。
OKFという新しい知恵を手に入れて、御社の歴史と現場の汗が詰まった大切なナレッジに、もう一度、新しい命を吹き込んであげましょう。
引用
gihyo.jp「Google、AIエージェントのための文書記述仕様「Open Knowledge Format」を発表」
