「過去に似たようなトラブルはあったか？」「この要件に対する最適な見積もり根拠は？」といった、社内ドキュメントに埋もれた知見をAIが瞬時に引き出してくれるようになりますので、過去案件ナレッジ検索にRAG活用可能です。
過去案件（提案書・設計書・議事録・報告書・FAQなど）をそのまま学習させず、必要な文書だけを検索→生成に反映することで、
・欲しい案件がすぐ見つかる（自然文で検索）
・文脈理解した要約・回答（類似案件比較、成功/失敗要因）
・最新資料に即追従（再学習不要）
・社内データを外に出さない設計が可能 が実現できます。
あとこのあたりも重要です。
・ドキュメントの構造化: 報告書がPDFやExcel、PowerPointなど多岐にわたるため、テキスト抽出（OCR含む）の精度が重要です。特に「表データ」の中に重要な数値（工数や予算）がある場合、その構造を維持したまま読み込む工夫が必要です。
・メタデータの活用: 「2023年度の案件」「金融業界の案件」など、日付や業界、技術スタックをメタデータとして付与しておくと、検索精度が劇的に向上します。
・鮮度の管理: 古い技術スタックの回答が混ざらないよう、新しい案件を優先するフィルタリング設定が必要です。
若干の精査が必要ですがまずは10件、20件と行うと次第に便利になっていきます。
