Wisora Enterprise
データが整っていなくても、現場で使える AI チャットボットを。
専任のエンジニアが、データを整えるところから伴走します。
Wisora とは
ソラコムが開発・運用する AI チャットボットサービスです。お客様の資料や Web サイトを学習し、お問い合わせに回答します。
ファイルのアップロードや Web サイトのクロールで、お客様の資料を取り込みます。
質問に対して学習した資料を検索し、その内容を根拠に回答を生成します。
Web サイトへの設置のほか、LINE・Slack・Microsoft Teams でも利用できます。
データが整っていれば Starter / Pro プラン ですぐに始められます。データに課題がある場合は、Enterprise プラン で FDE が伴走します。
なぜソラコムが Wisora Enterprise を提供するのか
ソラコムは、自ら AI を使い込む 「AI のプロユーザー」 です。データ整備の手間や精度の壁、現場への定着といった苦労を私たち自身が経験し、その知見でお客様に伴走します。
自社のサービスに AI を組み込み、お客様に提供しています。
SORACOM Knowledge MCP サーバーで、AI エージェントに公式ドキュメントを提供。
エンジニアでなくても AI エージェントを作れる社内基盤を整えています。
人が方向を示し、AI に仕事を任せる。組織と働き方そのものを変えています。
こんなお悩みはありませんか？
AI チャットボットの回答品質を改善するために、取り組めることがあります。資料を AI が扱いやすい形に整え、答えられなかった質問をもとに情報を更新していくことです。
「作って終わり」のチャットボットが招くこと
放置されたチャットボットは、情報が古いまま「回答できません」が増え、やがてブランドを傷つけます。
なぜ更新されないのか
どの質問に答えられていないのかを把握する仕組みがない。
導入プロジェクトが終わると体制が解散し、更新が誰の仕事でもなくなる。
どの資料をどう追加・修正すれば精度が上がるのか、判断できない。
「公開したこと」が成果とされ、運用後の回答品質が測られていない。
Wisora Enterprise は、マンスリーレポートで「何を直せばよいか」を毎月お届けします。
回答精度につながるデータ整備のポイント
多くの AI チャットボットは、資料を細かく分割して検索する仕組み（RAG）で回答します。この仕組みには、データの形によって苦手なケースがあります。
分割の際に表の行と列の対応が失われ、型番と条件の組み合わせなどに正しく答えられない。
知識が担当者の頭の中にあり、検索する対象がそもそも存在しない。
対応履歴には会話の断片や古い回答が混ざり、矛盾した回答の原因になる。
文書の検索では、IoT データの集計や、システム上の最新情報の参照ができない。
データを AI が扱える形に整えることが、精度を上げる近道です。
型番の取り違え：派生品が多いと、AI は間違える
多機種・派生品を扱うメーカーや、多数の他社製品を扱う商社で、特に起きやすい課題です。
例：「機種 ABCD-EF/2 の最大動作温度は？」という質問に対して——
文面がほぼ同じ ABCD-EF/1 の仕様書が、検索結果の上位に入る
回答「85℃ です」→ ABCD-EF/2 の値ではなく、ABCD-EF/1 の値を答えてしまう
FDE が型番ごとに仕様を整理し、型番で絞り込んでから検索する
回答「70℃ です」→ 正しい型番の値を答える
なぜ取り違えるのか
意味の近さで探す仕組みのため、1 文字違いの型番は「ほぼ同じ文書」と判断される。
「共通仕様＋派生品ごとの差分表」の資料は、分割の際に型番と値の対応が切れる。
メーカーや資料ごとに「ABCD-EF/2」「ABCDEF-2」など書き方が異なる。
※ 型番・数値は説明のための例です。
Wisora Enterprise とは
専任のエンジニア（FDE）とテクニカルライター（Technical Writer）がお客様のデータを整えるところから伴走し、現場で使える精度の AI チャットボットをお届けするプランです。
テクニカルライターが資料の中身や意味を読み解いたうえで、複雑な形式の資料や整備されていない情報も、AI が扱いやすい形に整えてから学習させます。
社内システムや SORACOM 上の IoT データに接続し、文書だけでは答えられない質問にも回答します。
答えられなかった質問や、追加すべき資料を毎月レポートし、回答内容の見直しや情報の更新を支援します。
FDE（Forward Deployed Engineer）とは、お客様の業務とデータに入り込み、課題の解決まで伴走するエンジニアです。
なぜ精度が上がるのか
精度を左右するのは、AI に渡す前のデータの形です。
元データ そのまま → 分割 → 文書検索 → 回答
表の構造が壊れる・ノイズが混ざる・データを参照できない。
元データ → FDE がデータを整形 → 文書検索＋システム参照 → 回答
構造化・情報の付与・ノイズの除去を済ませてから検索にかけます。
解決できる課題
| よくある課題 | Wisora Enterprise のアプローチ | 実現できること |
|---|---|---|
| 表・図・スキャン PDF が多い資料 | 表を「1 行＝1 レコード」に変換し、製品名やバージョンなどの情報を付与 | 型番 × 条件のようなピンポイントな質問に回答 |
| 資料が整備されていない | メールや対応記録から知識を抽出し、ナレッジの下書きを作成 | 属人化した知識を、組織の資産に |
| 対応履歴が FAQ になっていない | 類似の問い合わせから Q&A を抽出し、重複・古い回答・個人情報を整理 | 担当者によらない、標準化された回答 |
| IoT データを活用しきれていない | MCP などを通じてデータを取得・集計 | データへの質問に、チャットで回答 |
| 情報が他のシステムにある | API・MCP でシステムに接続し、利用者ごとに参照範囲を制御 | 一般論ではなく、そのお客様にとっての答え |
SORACOM だからできる、IoT データとの連携
デバイスの接続、データの蓄積、ボットでの活用までを SORACOM 上でつなげ、文書検索ではできない「問い合わせ」に答えます。
集計・閾値判定・時系列の比較など、文書検索ではできない質問に対応。ダッシュボードを見られる人に限られていたデータを、現場の誰もがチャットで確認できます。
FDE による伴走の流れ
業務・課題・データを把握し、進め方を見立てます。
データの形式・関係・更新頻度を分析します。
AI が扱いやすい形式に整え、必要な情報を付与します。
ボットとシステム連携を構築し、精度を検証します。
マンスリーレポートで学習すべき内容を明らかにし、追加資料を整形します。
各ステップの期間は、データの状態やご要件によって変わります。初期導入では、FDE がデータの整形から学習まで担当します。導入後はお客様が情報を更新・学習できる環境を整え、FDE は学習すべき内容の特定と追加資料の整形を支援します。
マンスリーレポートで、導入後の改善を支援する
AI チャットボットは、設置後に見直されないまま「回答できません」が増えていくケースが少なくありません。Wisora Enterprise では、改善に必要な情報を毎月お届けします。
質問数・利用者数の推移と、よく聞かれているテーマ。
学習済みの資料を根拠に回答できた質問の割合。
「学習済みのデータが十分ではない」と回答した質問を、テーマ別に整理。
次に追加・更新すべき資料を、問い合わせの多さから優先度をつけて提案。
利用シナリオ例
課題型番や条件ごとに仕様が異なり、保守担当者が資料を探すのに時間がかかる。
実現イメージ仕様表を整形して型番 × 条件の質問に回答。稼働データと組み合わせて、異常の兆候も確認できる。
課題過去の対応履歴はあるが、担当者によって回答がばらつく。
実現イメージ履歴から Q&A を整理し、標準化された回答で問い合わせの一次対応を担う。
課題拠点ごとに設備や点検記録が異なり、本部に問い合わせが集中する。
実現イメージ拠点ごとの情報に接続し、担当拠点の範囲で必要な情報を回答する。
まずは個別相談から
お客様のデータと課題をうかがい、Wisora Enterprise での進め方をご提案します。
価格はご要件に応じて個別にお見積もりします。