
AIに設計書の意味を推測させない――用途・正解例・禁止事項を添えるSemantic Contract
AIが参照した設計書は正しい。引用箇所も合っている。それでも、回答が間違うことがあります。
たとえば、AIに「有効な顧客数」を尋ねたとします。検索されたテーブル設計書には customer_status という項目があり、AIは ACTIVE を有効顧客として集計しました。ところが、その項目が表すのは顧客マスターの利用状態であり、契約の有効性は別テーブルの開始日・終了日・解約区分で判断するルールでした。
このとき不足しているのは、ベクトル検索の精度とは限りません。設計書の側に、次の情報が欠けています。
この項目を何の判断に使ってよいか
よくある質問に対する検証済みの答えは何か
どの推論をしてはいけないか
用語の正式な定義はどこにあるか
どの版・承認状態の情報か
本稿では、こうした情報を設計成果物に添える小さな「Semantic Contract」を提案します。対象は、設計書をRAGへ入れようとしている社内SE、IT企画、アーキテクト、データ基盤担当です。全社オントロジーを先に完成させる話ではありません。既存のExcel設計書、API仕様、テーブル定義から始められる6項目と、導入手順を示します。
正しい文書を検索できても、意味を誤る
RAGの改善というと、チャンク分割、埋め込みモデル、再ランキングに目が向きます。もちろん、それらは重要です。ただし、検索された文書自体に利用条件が書かれていなければ、検索精度を上げても誤用は残ります。
設計書の読み手が人であれば、周辺の業務知識やレビュー経験で補えることがあります。AIは、与えられた文書から欠けた前提を推測します。その推測が自然な文章として出力されるため、誤りを発見しにくいのが厄介です。
問題は「情報がない」だけではありません。「同じ名前が別の意味で使われる」「旧版と新版で意味が変わる」「説明はあるが禁止される用途が書かれていない」といった、意味の境界が曖昧な状態です。
だから、RAGへ投入する成果物には、本文とは別に「AIがどう読んでよいか」を持たせる必要があります。
データ契約が“AI向けの文脈”を持ち始めた
この方向を示す一次情報の一つが、Open Data Contract Standard(ODCS)v3.2.0のapproved RFCにある「Context Block for AI and Semantic Interoperability」です。
RFCでは、データ契約の全体または個別項目に対して、次の情報を任意で持たせます。
instructions: 利用者やAIエージェントへの指示
verifiedStatements: 典型的な質問と、検証済みの回答
authoritativeDefinitions: 用語集、分類体系、オントロジーなど正式な定義への参照
constraints: AIがしてはいけないこと
さらに、検証済みの記述や制約へ安定したIDを与える設計になっています。文章を増やすだけではなく、参照・検証・変更追跡ができる単位へ分けている点が重要です。
これはデータ契約の仕様ですが、考え方は設計文書にも応用できます。ただし、本稿で呼ぶSemantic Contractは公式規格名ではありません。設計成果物とAI利用者の間で「意味の読み方」を合意する、実務上の小さな付帯情報を指します。
Semantic Contractに入れる6項目
最小構成は、次の6項目です。
1. 利用目的と想定する判断
何を説明する設計書か、どの質問や判断に使ってよいかを書きます。「顧客テーブルの設計」のような説明だけでは不十分です。
例:
顧客マスターの登録状態を確認するために使う
契約の有効性や請求対象の判定には使わない
運用担当がデータ不整合を切り分ける際の参照情報とする
用途を書くと、AIが回答できる範囲だけでなく、回答を保留すべき範囲も決められます。
2. 検証済みの質問と答え
読者が実際に尋ねる質問を、正しい答えや導出方法とセットで持たせます。単なるFAQではなく、AIの回答を評価する基準にもなる情報です。
例:
質問: 「現在有効な顧客は何件か」
期待する回答: 顧客マスターの状態だけでは算出できない
導出方法: 契約テーブルの開始日、終了日、解約区分を確認する
根拠: 業務用語集の「有効契約」、契約管理設計書の判定ルール
答えそのものだけでなく、「どの根拠から、どう導くか」を残すのがポイントです。
3. 禁止事項と推論の限界
AIがしてはいけないことを、否定形で明示します。
例:
customer_status だけで契約状態を推定してはならない
廃止予定の項目を新規機能の判断に使ってはならない
個人単位の情報を集計結果から再識別してはならない
根拠文書がDraftの場合は確定仕様として回答してはならない
「慎重に回答すること」では検証できません。禁止する条件と、該当したときの動作まで書きます。たとえば「回答を保留し、参照が必要な設計書名を返す」とします。
4. 権威ある定義への参照
同じ用語の説明を各設計書へ複製すると、改訂時に不整合が生まれます。正式な定義がある場所を参照します。
参照先は、業務用語集、データカタログ、規程、APIのスキーマ、オントロジーなどです。大切なのは高度な形式ではなく、「どの定義を正とするか」が一意に分かることです。
定義がまだ整備されていない場合は、未確定であること自体を状態として持たせます。AIに推測で穴を埋めさせないためです。
5. 安定IDと別名
名称は変わります。Excelのシート名、画面項目名、物理カラム名も一致しません。そこで、意味の単位へ安定IDを与えます。
例:
Semantic ID: CUST.STATUS.001
正式名称: 顧客登録状態
物理名: customer_status
画面表示: 利用状態
旧称: 会員状態
安定IDがあると、名称変更と意味変更を分けて扱えます。意味が変わった場合は、同じIDを使い回さず、旧IDとの関係と適用開始日を記録します。
6. 出典・版・承認状態
最後に、意味を誰がどの根拠で確認したかを持たせます。
情報源の文書名、シート、項目、URL
適用するシステムや業務範囲
版番号と有効期間
Draft / Reviewed / Approved / Deprecated
確認者の役割と確認日
次に再確認する条件
AIが新しい説明を生成できても、それを自動的に正解へ昇格させてはいけません。提案と承認済み情報を分離します。
Excel設計書へ付けるなら、こう書く
既存のExcel設計書を全面的に作り直す必要はありません。まずは専用の「AI Context」シートを一枚追加し、対象項目とSemantic Contractを対応づけます。
たとえば、顧客マスターの customer_status には次のように記載できます。Semantic ID:CUST.STATUS.001
対象:顧客マスター.customer_status
利用目的:顧客レコードの登録・停止状態を説明する
検証済み質問:「有効契約の顧客か」→この項目だけでは判断不可
禁止事項:ACTIVEを契約中と読み替えない
正式定義:業務用語集「顧客登録状態」
出典:テーブル設計書 v3.4 / 顧客マスターシート / 42行
承認状態:Approved / データオーナー確認 / 2026-09-30
再確認条件:値域、判定ロジック、正式定義の変更時
RAGの索引を作るときは、設計書本文だけでなく、このシートも同じ成果物の文脈として保持します。回答時には、本文の引用に加え、利用目的・禁止事項・承認状態をチェックします。
大切なのは、AIだけが読む裏設定にしないことです。人のレビューでも確認でき、設計変更の手順にも組み込める場所に置きます。
プロンプトではなく、成果物の側に置く
「それならシステムプロンプトに注意事項を書けばよい」と思うかもしれません。しかし、プロンプトだけに置くと三つの問題が起きます。
第一に、アプリケーションごとに同じ注意事項が複製されます。第二に、設計変更とプロンプト変更の版がずれます。第三に、別のAIエージェントや検索基盤へ移したとき、重要な文脈が引き継がれません。
意味の契約は、対象となる設計成果物の側に置きます。プロンプトは、それを参照して振る舞いを制御する側です。
もちろん、禁止事項を記録しただけでは強制力はありません。アクセス制御、ツール実行の許可、出力検査が必要な制約は、実行時の仕組みにも実装します。Semantic Contractは、制御の代わりではなく「何を制御すべきか」を機械と人が共有する基準です。
情報源側と利用側の両方から設計する
2026年9月25日のAI Testing Talksで公開された技術資料は、オントロジーを二方向から設計する考え方を示しています。一方は規格や文書が持つ意味、もう一方はツールや利用者が実際に必要とする意味です。
設計文書でも同じです。
情報源側: 設計書、用語集、規程、データ定義が何を表すか
利用側: RAGの質問、AIエージェントの判断、レビューやテストが何を必要とするか
情報源側だけを見ると、項目を網羅したが誰も使わない意味モデルになりがちです。利用側だけを見ると、目先の質問には答えられても、根拠や版が分からない個別ルールの集積になります。
Semantic Contractは両者を突き合わせる場所です。既存の情報源から定義と出典を取り出し、実際の質問から検証済みの答えと禁止事項を加えます。
最小導入は、曖昧さで手戻りが起きる一成果物から
全設計書を対象にすると止まります。最初は、次の条件を満たす成果物を一つ選びます。
AIや人が繰り返し参照する
同じ用語が別の意味で使われる
誤解した場合の手戻りや影響が大きい
正解を確認できる担当者と根拠がある
導入手順は五段階です。
過去に起きた、または起こり得る誤用を一つ選ぶ
対象項目へ6項目のSemantic Contractを書く
根拠、安定ID、禁止事項を担当者がレビューする
正答できる質問、答えられない質問を合わせて5件程度試す
設計変更時にContractと評価質問を再確認する条件を決める
評価では、正答率だけを見ません。「根拠を示したか」「禁止事項に触れたら保留できたか」「DraftをApprovedとして扱わなかったか」も確認します。
失敗しやすい5つのパターン
長い説明文だけを追加する
人には読めても、参照や差分検出が難しくなります。質問、制約、定義、出典を分け、安定IDを付けます。
禁止事項を書いて安心する
記録だけでは実行を止められません。権限制御、ツール許可、出力検査が必要なものは別途実装します。
AIが作った定義をそのまま承認済みにする
AIは候補を出せますが、業務上の正しさを決めるのは情報オーナーです。ProposedとApprovedを混ぜません。
設計変更後も検証済みの答えを使い続ける
項目や判定ロジックが変わったら、関連する質問を再評価します。版と再確認条件をセットで管理します。
何でもKnowledge Graphに入れる
関係をグラフ化すれば常に正答率が上がるとは限りません。2026年8月公開の研究には、グラフ構造の検索がBM25より正答率で優位ではなかった一方、出典追跡と監査性に価値があったという結果もあります。
JOINや既存のSemantic Layerで十分な関係は、そのまま利用できます。Knowledge Graphやオントロジーが必要になるのは、システムや文書をまたぐ同一性、推論、変更影響を扱う場面です。
まず作るべきものは、巨大な意味モデルではない
生成AIへ設計書を読ませると、検索できる情報は増えます。同時に、人が暗黙に補っていた意味の境界が、回答品質を左右するようになります。
最初から全社オントロジーを完成させる必要はありません。まず、重要な設計成果物に次の6項目を添えます。
利用目的
検証済みの質問と答え
禁止事項
権威ある定義
安定IDと別名
出典・版・承認状態
この小さなSemantic Contractがあれば、AIの回答を「それらしいか」ではなく、「どの意味・根拠・版に従ったか」で検証できます。そして、設計変更が起きたとき、何を再確認すべきかも追えるようになります。
設計書RAGの検索方式を整理したい方は、関連記事「設計書RAGは、なぜ『検索できるだけ』で止まるのか」も続けてご覧ください。AIエージェントの権限・承認・監査まで含めて考える場合は、「AIエージェントの権限設計は、最小権限だけでは足りない」につながります。
このアカウントでは今後、検証済み質問を評価セットへ変える方法、設計要素の安定IDと変更影響、AIが提案した意味関係を人が承認する運用を、社内SEと大企業ITの実務へ落とし込んで扱います。設計文書を「保存する資料」から「AIと人が検証可能に使う資産」へ変えたい方は、次の記事も読めるようフォローしていただければと思います。
参考資料
ODCS RFC-0038: Context Block for AI and Semantic Interoperability(2026年10月2日確認)
Ontology-Enhanced Multi-Standard Compliance, AI Testing Talks(ウェビナー2026年9月25日、資料公開9月28日)
Ontology-supported Design Parameter Management for Change Impact Analysis(2026年8月22日)
Auditable by Construction: Knowledge Graphs as Provenance Substrates for LLM Systems(2026年8月21日)