従来の検索システムの課題
多くの方が、一度は検索ツールの使いにくさに悩まされた経験があるはずです。
データ自体は存在していても、従来システムでは取り出しにくいことが原因で、典型的なのは、ファイルの中身ではなく、プロジェクト名やフォルダといった情報だけで検索を強いられるケースです。その結果、必要な情報が入っているかどうかを確かめるために、次々とファイルを開いて確認することになり、時間がかかります。
一般的に、大きく2つの検索方法が存在します。
- ファイル名だけの検索：共有ドライブやクラウドストレージでは、ファイル名での検索しかできないことがあります。このファイル名が説明的でない場合、検索の難易度が一気に上がります。あるAECテクノロジーの専門家は、「ファイル名、あるいは誰が保存したか・いつ保存したか、でしか検索できない。」という制約のため、情報を取り出すためだけにファイル名を手作業で付け直したり、正確な日付を覚えておいたりすることになり、効率的とは言えません。
- 属性ベースの検索：自社システムやプロジェクトデータベースに投資し、各プロジェクトフォルダにあらかじめ定めた属性（プロジェクト番号、フェーズ、建物用途など）を付与する検索方法もあります。フィルタ検索は可能になりますが、すべてのデータが整理されている場合に限って機能します。ある内容がデータベース項目として入力されていなければ、後から探し当てることはできません。さらに多くの場合、図面やドキュメント自体はそのシステム内で全文検索できません。図面のタイトルや日付を一覧化していても、中身を見るには結局PDFをダウンロードしたり開いたりする必要があります。
こうしたシステムの制約は、検索に時間を取られたり、重要な情報を見落とす可能性を増やします。
またスキャンされた図面や写真のような非テキストコンテンツは、従来の検索機能だと特に見つけづらい領域です。実際に業界調査では、建設業界の専門家の労働時間の約13%がプロジェクト情報の検索だけに費やされていると示されたこともあります。
connected dataによると：
情報探索に過度な時間を費やすことは、遅延や納期遅れ、生産性の低下につながっている。
この言葉が示す通り、一分一秒が重い意味を持つ業界において、検索性の低さは生産性の損失に直結します。
またナレッジが活用されないことで、二度手間やミスの再発につながる可能性につながる可能性もあり、眠っているノウハウを引き出すための、より良い検索アプローチが必要なのは明らかです。
KnowledgeBuilderの検索機能がもたらす力
KnowledgeBuilderは、ナレッジデータベース全体に対して横断的な検索機能を提供することで、この問題に正面から取り組みます。
KnowledgeBuilderは、まずAIを活用してデータを構造化することによって、図面・ドキュメント・画像などの非構造ファイルからも重要情報を抽出し、プロジェクト知識の構造化データベースへと変換することを可能にします。こうして構造化され、柔軟なデータが整うことで、従来システムでは実現できなかった検索を実現します。
複数キーワードによる検索と検索軸の横断
複数キーワードを組み合わせつつ、異なるプロジェクトとファイルを横断して一括検索し、目的の情報へ絞り込むことができます。
例えば、ある設計者が新しいプロジェクトの初期設計段階で、参考のために類似した過去プロジェクトの図面を確認したいと考えた場合。
KnowledgeBuilderの検索機能は、複数のプロジェクトを横断して検索することを可能にします。所在地・用途・規模などの項目でフィルタリングし、関連性の高いプロジェクト候補を素早く絞り込みます。
さらに、図面名や詳細に関するキーワードといったファイル単位のフィルタを適用することで、複数プロジェクトにまたがっていても、必要な図面を特定して取得できます。
これにより、あらかじめ「どのプロジェクトを見ればよいか」を知っている必要がなくなり、フィルタリングをかけるだけで、適切な情報を見つけることを支援します。
ハイライト付きのセマンティック検索
ナレッジを検索する際によくある悩みの1つに、表記ゆれがあります（あるプロジェクトでは「セミナールーム」と呼んでいたものが、別のプロジェクトでは「会議室」と呼称されている）。
KnowledgeBuilderは、AIを活用したセマンティック検索でこの問題に対応します。何らかのキーワードを検索すると、AIが同義語や文脈を理解した上で、類義語を含めた検索結果を表示してくれます。
また検索結果を開くと、該当するテキストや注釈がドキュメント内でハイライトされ、ドキュメント上で検索キーワードが該当する箇所へ自動で移動することも可能です。
例えば手すりの詳細や特定の設備機器の仕様を探している場合。
KnowledgeBuilderは、システムがデータそのものを直接参照し、AIが関連すると判断した同義語や関連語も考慮し、完全一致ではなくても、意図に合致する可能性のあるドキュメントを提示します。
これにより、ドキュメントごとに表記ゆれがある状態でも効果的に検索することができます。
まとめ
建設業界における従来の検索システムは、ユーザー側の負担が大きく、プロジェクトやファイル形式を問わない検索や、具体的な内容まで検索することが難しかったため、重要なナレッジはファイルの中に埋もれてしまった状態でした。
KnowledgeBuilderは、構造化されたデータベースと同義語や文脈を理解するAIによる支援で、効率的な検索に加え、組織のナレッジ活用を推進します。
KnowledgeBuilderの考え方や具体的な機能については、こちらの製品ページで詳しく紹介しています。
オンラインで検索機能のデモを公開中！ぜひこちらのリンクよりお試しください
