社内では、組織拡大に伴う情報のサイロ化と、それに起因する業務効率の低下が課題となっていました。
提案書や仕様書が Google Drive や Wiki に散在しており、Google Drive の検索機能だけでは目的の資料（特に中身の記述）に辿り着くのに多大な時間を要していました
特定の有識者しか知らない情報が多く、質問への回答待ち時間が発生したり、過去に類似の検証をしているにも関わらず「車輪の再発明」をしてしまう無駄が発生
開発中（VS Code 利用中）に仕様やナレッジを確認するためにブラウザへ切り替える手間が発生し、集中力が途切れる要因となっていました
Amazon Bedrock と Amazon Kendra を活用した「社内ナレッジハブシステム（gaibot）」を開発し、職種に応じた最適なインターフェースを提供することで課題を解決しました。
ベクトルストアとして Amazon Kendra を採用。Google Drive や社内 Wiki など異なるソースの権限を考慮しながらインデックス化し、高精度な検索基盤を構築
Amazon Bedrock を組み合わせることで、単なる検索結果の提示だけでなく、ドキュメントの内容に基づいた具体的な回答生成を実現
利用者の業務フローを阻害しないよう、インターフェースを最適化しました。
日常的に使用する Slack に FAQ ボットとして統合。メンションひとつで過去の提案ナレッジを引き出せるようにしました
Model Context Protocol (MCP) を採用し、IDE（VS Code）から直接ナレッジベースにアクセス可能に。エンジニアはエディタを離れることなく仕様確認やコード支援を受けることができます
gaibot の導入は、社内の情報検索とナレッジ活用のあり方を大きく変革しました
顧客からの技術的な問い合わせに対し、過去の類似回答や資料を即座に参照できるため、回答作成までの時間が大幅に短縮されました
経験の浅いメンバーでも、トップレベルのエンジニアや営業が作成した過去のドキュメントに基づいて回答を作成できるようになり、アウトプットの品質が均一化されました
MCP の活用により、開発者はコーディングのコンテキストを維持したまま必要な情報にアクセスできるようになり、開発体験（DevEx）が向上しました
今後は「検索・回答」に留まらず、アクションを自動化する「エージェント」へと進化させていきます。
チャット経由で GitHub の Issue 起票や資料の下書き作成など、具体的なタスクを実行できる機能の実装を計画しています
社内運用で得られた知見と実績を元に、同様の課題を持つエンタープライズ企業へ向けたサービス提供（SaaS 型または環境デプロイ型）を目指します
gaipack の最新情報を SNS で発信中！
