自社の文書に構造化は要るか｜6つのサインと、確かめのシート（第3回）

第1回では、構造化とは何か、第2回では、Word やテキスト、Markdown との違いを見ました。では、自分の会社の文書は、構造化したほうがよいのでしょうか。

構造化は、製品のマニュアルを作る会社だけの話ではありません。社内の規程、営業の資料、お客様向けの FAQ、研修の資料、製品の仕様書。同じ説明があちこちにコピーされ、直すたびに探している文書は、どの会社にもあります。

構造化が要る文書の、6つのサイン

図こんなことが起きていたら、構造化を考える時期です

1同じ文が、何か所にもある注意書き、会社の説明、規程の一節が、資料ごとにコピーされている
2どれが最新か分からない直した版と古い版が混ざり、配ってから気づく
3翻訳のたびに、同じ文に費用がかかる少し直しただけでも、文書ごと翻訳に出している
4探す時間が長い答えは文書のどこかにあるが、見つけるのに時間がかかる
5人によって書き方が違う同じ手順が、書いた人ごとに違う順番と言葉になっている
6AI が、違う機種や古い版で答える社内の AI に文書を読ませたら、答えが混ざる

当社による整理です。

なぜ、いま構造化なのですか

6つ目のサインは、ここ数年で急に増えました。文書を読むのが、人だけでなく AI になったからです。

調査会社の Gartner は 2025年2月、AI のためのデータの管理のしかたが整っていない、または整っているか分からない組織が 63% にのぼる、という調査の結果を公表しました。あわせて、2026年までに、AI に使える形に整ったデータに支えられていない AI のプロジェクトの 60% が、組織に放棄されると予測しています。社内の文書は、AI にとってのデータです。

AI の検索のしくみ（RAG）は、文書を小さな塊に分けて、質問に近い塊を探し出します。Microsoft の Azure AI Search の説明は、見出しや段落といった文書の構造に沿って分けると、塊のまとまりがよくなり、検索の結果の質が上がると説明しています。見た目だけで書かれた文書では、どこからどこまでが 1つの手順で、どの機種の話なのかを、AI が取り違えることがあります。

確かめのシート：30分で、自社の文書を見る

代表的な文書を 3〜5冊選び、次の 7つを確かめます。数えるだけで、構造化の効果が出そうな文書が見えてきます。

確かめること	確かめ方	当てはまる目安
同じ文のコピー	よく使う注意書きや説明を 1つ選び、文書の置き場所を全文検索して、出てくる数を数える	3か所以上
機種や読み手の違い	1冊の中に「〇〇の場合は」「〇〇をお使いの方は」が何回出てくるかを数える	10回以上、または機種ごとに冊を分けている
改訂の多さ	去年 1年で、その文書を何回直したか	年に 4回以上
翻訳	翻訳している言語の数と、直すたびに文書ごと翻訳に出しているか	2言語以上、または毎回文書ごと
届ける形の数	PDF、Web、社内のポータル、チャットボットなど、同じ内容を届けている形の数	3つ以上
書く人の数	その文書に、何人が書いたり直したりしているか	5人以上
AI に読ませる予定	社内やお客様向けの AI に、その文書を読ませる予定があるか	ある

目安の数は、当社がご相談を受けるときの目安です。会社や文書によって変わります。

結果を、どう読みますか

当てはまった数	まずやること
0〜1	今の書き方を整えます。Word なら、見出しや警告のスタイルをそろえ、書き方の決まりを 1枚にまとめます。
2〜3	よく使う部分から、部品にします。注意書き、会社の説明、よくある質問など、コピーの多いものから 1か所にまとめます。
4以上	構造化を検討する時期です。1つの製品や 1冊の文書で、小さく試します。

小さく始めるには

すべての文書を一度に変える必要はありません。次の順で、小さく始めます。

図構造化を、小さく始める流れ

1数える確かめのシートで、効果の出そうな文書を選ぶ
2型を決める概念、手順、参照、警告など、使う役割を決める
31冊で試す1つの製品や 1冊を、型に沿って書き直す
4測る直す時間、翻訳の量、探す時間、AI の答えを、前と後で比べる

当社による整理です。

試す前に、何を測り、どうなったら広げるかを決めておきます。決め方は、連載「DX は、IT 導入と何が違うのか」の第3回で紹介した PoC の計画シートが使えます。

記入例：こう読めたら、構造化の候補です

確かめること	記入例（産業機械のメーカーの場合）
同じ文のコピー	「電源を切ってから作業してください」が、12冊に 47か所
機種や読み手の違い	機種ごとに 8冊に分けている。中身の 7割は同じ
改訂の多さ	部品の変更で、年に 6回
翻訳	英語と中国語。直すたびに、冊ごと翻訳に出している
届ける形の数	PDF と、サービス担当向けのタブレット
書く人の数	設計 3名、サービス 2名
AI に読ませる予定	サービス担当向けの AI の検索を、来年試す

記入例は、説明のための架空の例です。この例では 7つすべてが当てはまり、注意書きを部品にするだけでも、直す箇所が 47か所から 1か所になります。

連載のふりかえり

構造化は、文書を見た目ではなく意味で書くことです。Word やテキスト、Markdown にもそれぞれの良さがありますが、同じ説明が何冊にも出てくる、翻訳する、改訂が多い、AI に読ませる。そうした文書ほど、構造化の効果は大きくなります。まずは、自社の文書のコピーの数を数えるところから始めてみてください。

このコラムで言えないこと

確かめのシートの目安の数は、当社による目安です。調査や規格で決まった数ではありません。
Gartner の数字は、2025年時点の調査と予測です。文書の構造化だけを対象にしたものではありません。
構造化には、型を決める時間、書き方を覚える時間、ツールの費用がかかります。効果は、文書の量と重なりで変わります。

連載「情報の構造化って、何ですか」

第1回　情報の構造化って、何ですか
第2回　Word、テキスト、Markdown と、何が違いますか
第3回　あなたの会社の文書に、構造化は要りますか（この回）

まずは、文書を一緒に見てみませんか

構造化が要るかどうかは、文書を見ないと決められません。いまお使いの文書をいくつか見せていただければ、どこから整えると効果が出やすいかを、一緒に確かめます。

出典

AI に使えるデータが整っていないことの影響：Gartner「Lack of AI-Ready Data Puts AI Projects at Risk」（2025年2月26日）（別のタブで開きます）
文書の構造に沿って分けると、AI の検索の質が上がること：Microsoft Learn「Chunk and vectorize by document layout or structure」（Azure AI Search）（別のタブで開きます）
見出しを使って、文書を節ごとに分けること：Microsoft Learn「Chunk large documents for vector search solutions」（Azure AI Search）（別のタブで開きます）
トピックに分けて書く利点（再利用、翻訳と更新、絞り込み）：OASIS「DITA Version 1.2」The benefits of a topic-based architecture（別のタブで開きます）

確かめる

この記事の内容から、2 問です。選ぶと、その場で答えと説明が出ます。

問い 1このコラムで挙げた、構造化が要る文書のサインに含まれないものは、どれですか。

問い 2構造化を小さく始めるときの最初の一歩として、このコラムで挙げたものはどれですか。

課題を相談する

読んだ内容を、自社の状況に当てはめたいときは、いまの状況と課題をお知らせください。製品が決まっていなくても、相談できます。大学との共同研究と、教材や文書づくりの支援で得た知見をもとに、進め方を一緒に整理します。

このコラムの内容について相談する

あなたの会社の文書に、構造化は要りますか。コピーの数を数えることから（構造化 第3回）