← AIの基礎知識

チャンク分割とは——社内文書を、AIが探せる大きさに切る

公開: 2026年9月8日 3分で読めます（約1,675文字） 執筆: 北村 惇士（プロフィール）

社内文書をAIに読ませる仕組み（RAG）を作ると、必ずこの工程が出てきます。文書をどう切るか。

地味な工程ですが、回答の質を左右するのはここです。

なぜ、切る必要があるのか

AIが一度に見渡せる範囲には上限があります（コンテキストウィンドウ）。社内文書を全部渡すことはできません。

そこで、あらかじめ文書を小さな単位に切っておき、質問に関係する部分だけを取り出して渡します。この切り分けた一つひとつをチャンクと呼びます。

図書館で本を丸ごと渡すのではなく、該当するページを開いて渡すイメージです。渡すページの選び方が的確なら、答えの質は上がります。

習い事の現場でいうと

ピアノの発表会前、通しで弾かせても直りません。

止まる場所は毎回同じなのに、通すたびに勢いで越えていく。直るのは、そのフレーズだけを取り出して繰り返したときです。かといって一音ずつ区切ると、今度は曲として繋がらなくなります。

効くのは、フレーズで区切ることです。作った人が一つのまとまりとして書いた単位。

文書を切るときも、正解はたいてい元の構造にあります。章、条、見出し。書いた人が一つの話として書いた場所で切ると、後から探すときに素直に見つかります。

そして、切った断片には「曲のどこか」を必ず添えておく。楽譜の途中の四小節だけ渡されても、何の曲か分からないのと同じです。

切り方で、答えが変わる

粗すぎる切り方。就業規則を丸ごと一つのチャンクにすると、「有給の申請期限は」という質問に対して規則全体が渡されます。AIは大量の文章の中から該当箇所を探すことになり、周辺の条文に引きずられた答えが返ることがあります。

細かすぎる切り方。文単位で切ると、「ただし、前項の場合はこの限りでない」といった一文が単独で取り出されます。何の例外なのか分からないまま渡されるので、答えが成り立ちません。

構造に沿った切り方。規程なら条ごと、マニュアルなら手順の見出しごと、議事録なら議題ごと。人が「ここまでが一つの話」と感じる単位が、実務ではいちばん安定します。

文字数で機械的に切る方法もありますが、その場合も見出しの情報を各チャンクに添えておくと、精度が違います。「第3章 休暇 / 第12条 年次有給休暇」という見出しが付いていれば、本文が短くても何の話か伝わります。

表と図が、いちばん崩れる

文章はそのまま切れますが、表と図は扱いが違います。

表を機械的に切ると、見出し行と中身が別のチャンクに分かれます。数字だけが並んだ断片が渡され、何の数字か分からないまま答えが作られます。これはハルシネーションの温床です。

現実的な対処は二つです。表は途中で切らず一つの単位として扱うこと。そして、表が何を示しているかを説明する一文を添えておくこと。一文があるだけで、埋め込みによる検索にも引っかかるようになります。

図やスクリーンショットは、そのままでは検索できません。何が描かれているかを文章で書いておく必要があります。手間はかかりますが、人が読むときにも効きます。

文書側でできること

仕組みの側でどれだけ工夫しても、元の文書が整っていなければ限界があります。文書側でやっておくと効くのは、この三つです。

1. 見出しを付ける。構造で切れるようになり、切った後も何の話か伝わる
2. 最新版を一つに決める。古い版が残っていると、仕組みは平然と古いほうを引きます
3. 用語を揃える。略称と正式名称の対応を、用語集として置いておく

どれも、AIのためだけの作業ではありません。人が探すときにも効くので、投資として無駄になりにくい部分です。

切ったチャンクをどこに置くかについては、ベクトルデータベースで続けます。