社内のChatworkの会話ログから、LLMを使って知識を自動抽出し、グラフDBに蓄積するシステムを構築しました。
何をするシステム？
チャットログ → LLMで分析 → ナレッジグラフ → 自然言語で検索雑談や議論の中に埋もれている「使える知識」を自動で抽出して、後から検索できるようにします。
入力と出力
入力: Chatworkのチャットログ（JSON）- 97件のメッセージ、5名の発言者
- 79件の形式知（事実、ヒント、教訓、決定事項、定義）
- 251件のトピック
- 発言者ごとの専門性マップ
抽出される知識の例
- 事実: 「Empathの料金は初期50万、月額5万で1500時間含む」
- ヒント: 「顧客入力をLLMでカテゴリ分類してGraphRAG検索に活用」
- 教訓: 「LLMの説明可能性は提供元が保証しない限り信頼できない」
- 決定: 「特許のQAはgmが担当」
検索の例
CLIで自然言語で質問できます。
Q: 顧客対応のメタスキルとは？
A: 1.感情と理解度のスコアリング 2.フェーズの把握 3.顧客タイプの判定技術構成
- Neo4j（グラフDB）
- Claude API（知識抽出・クエリ生成）
- Python
チャットの「暗黙知」を「形式知」に変換して、組織のナレッジとして蓄積できるようになりました。
