# Interpreted FAQ: Research, comparisons and evidence-backed reports

> Interpreted answers on using AskDona Deep Research, RAG chat and Batch Assessment (SaaS) for cross-document research, comparison tables, evidence-backed reports and rechecking results.

- Status: Current. Last verified 2026-10-12.
- Applies to: AskDona SaaS platform (web application). Not the planned AskDona API, which is a separate offering and may differ.
- Canonical: https://askdona.com/ai/faq-interpreted-research-and-reports.md

Source: AskDona SaaS product documentation (user guide), compiled by GFLOPS. Applies to the SaaS platform only; the planned AskDona API is a separate offering and may behave differently.

How to read these answers: the documentation does not answer these questions in so many words. Each answer was derived by interpreting related, documented features, and many say so in their first sentence. Treat them as guidance on how documented features can be applied — not as evidence that a dedicated feature exists. Where an answer says no dedicated feature is documented, that is the current position.

## What it can solve (解決できること)

### Q: 同じ課題に各部署がどう取り組んでいるか、比較して整理できますか？

**Answer (English)**

The documentation describes registering departmental procedures and operational records in RAG with department-name metadata, uploading an Excel checklist, and selecting the target department in the input flow. It also documents Excel output of Result, Comment, Evidence excerpt, and Source, followed by manual review of Unable to determine or Not implemented items. Combining these descriptions gives concrete inputs, outputs, and final user tasks for comparing departmental initiatives.

**回答（日本語）**

ドキュメントには、各部門の業務手順書や運用記録をRAGデータベースに登録し（部門名でメタデータ付け）、チェックリストExcelをアップロードして入力フローで「対象部門を選択」するユースケースが記載されています。また、ドキュメントには、アセスメント結果として判定結果、コメント、引用（エビデンス）、参照元がExcelで出力されることが示されており、ドキュメントには担当者が「判断不可」や「未対応」の項目を目視レビューするという最終作業が記載されています。これらを組み合わせることで、「部署別の取り組み比較」における入力例、出力例、利用者が最終的に行う作業を具体的に示す回答を構成できます。

### Q: 調べたいことが曖昧なままでも、AIと相談して調査計画を作れますか？

**Answer (English)**

The documentation does not explicitly discuss aligning research assumptions or a research-request memo. Deep Research clarification and prompt-based follow-up questions can be interpreted to address this need.

Deep Research

- Input: An ambiguous or complex question.
- Support: During Clarify, the system asks three to five follow-up questions in chat to narrow the research scope.
- User task: Answer the questions; each can be skipped.
- Output: A Markdown report with the question-and-answer history, links to all sources, and PDF/Word downloads. Example sections include an executive summary, introduction, literature review and analysis, data analysis and results, and discussion.

RAG chat clarification

- Input: A question with an ambiguous subject, such as “I can no longer log in.”
- Support: Offer suitable choices to identify the user's situation rather than guess.
- User task: Select the applicable choice.
- Output: A concise answer based on the clarified information.

**回答（日本語）**

ドキュメントには「調査前提のすり合わせ」や「調査依頼のメモ」という言葉は直接使われていませんが、曖昧な質問や複雑な調査に対してAIが確認質問を行い、調査範囲を絞り込んでレポートを生成する「ディープリサーチ（Deep Research）」機能や、プロンプト設定による「聞き返し」機能が説明されており、これらを意訳することで回答を構成できます。

具体的には、以下の通り支援内容、入力・出力例、利用者の作業を示せます。

ディープリサーチ機能による支援

- 入力例：曖昧な質問や複雑な質問
- すり合わせ（支援内容）：「Clarify（質問）」ステップにおいて、システムが3〜5つの確認質問（フォローアップ質問）をチャット形式で行い、調査範囲を絞り込みます。
- 利用者が最終的に行う作業：提示された確認質問に対して追加で回答します（各質問はスキップ可能）。
- 出力例：Q&A履歴、全ソースへのリンク、PDF/Wordダウンロードを含むマークダウン形式のレポート（構成例：エグゼクティブサマリー、導入、文献レビューと分析、データ分析と結果、考察など）。

RAGチャットの「聞き返し」設定による支援

- 入力例：対象が曖昧で一意に定まらない質問（例：「ログインできなくなりました」）
- すり合わせ（支援内容）：推測で回答せず、質問者の属性を特定するような適切な選択肢を提示して聞き返しを行います。
- 利用者が最終的に行う作業：提示された選択肢から該当するものを回答します。
- 出力例：具体的な情報を把握した上での簡潔な回答。

### Q: 公開された新しい基準と社内ルールを、比較する準備をAIでできますか？

**Answer (English)**

Case 2, Vendor Security Questionnaire Evaluation, describes comparing an uploaded vendor Excel checklist with company security standards registered in RAG. Applied to public standards and internal rules, it provides the following example.

Support: Automate and streamline comparison against the standards.

Inputs: Register public-standard documents in RAG and upload an Excel checklist of internal rules.

Outputs: Excel results such as Meets the standard or Below the standard, with comments, evidence, and source filenames.

Final task: Manually review only Below the standard or Further confirmation required results and make final decisions.

**回答（日本語）**

ドキュメントの「【ケース2】取引先（ベンダー）のセキュリティチェックシート評価」において、自社のセキュリティ基準ドキュメントをRAGデータベースに登録し、ベンダーのチェックシートExcelをアップロードして、自社基準と照らし合わせて判定するユースケースが紹介されています。これを「公開基準と社内ルール」の比較に応用（意訳）することで、以下のように具体的に支援内容、入力例、出力例、利用者が最終的に行う作業を示すことができます。

支援内容：公開基準と社内ルールの突き合わせ評価を自動化・効率化できます。

入力例：公開基準ドキュメントをRAGデータベースに登録し、社内ルールのチェックリストExcelをアップロードします。

出力例：判定結果（基準を満たす／基準未満など）、コメント（判定理由）、引用／エビデンス（根拠）、参照元（ファイル名）がExcelに出力されます。

利用者が最終的に行う作業：「基準未満」や「追加確認が必要」と判定された項目のみを目視でレビューし、最終判断を行います。

### Q: 社内の報告書の見出しに沿って、調査結果を整理できますか？

**Answer (English)**

The documentation does not directly give a complete workflow from a proposed report outline to reporting in a prescribed format. Deep Research and Batch Assessment descriptions can be combined.

Deep Research

- Input: Narrow the research scope through multiple questions.
- Output: A Markdown report with an executive summary, introduction, literature review and analysis, data analysis and results, discussion, and conclusion.
- Final task: Review the report when background processing finishes and download it as a PDF.

Batch Assessment

- Input: Upload an Excel checklist and assign destinations for Result, Comment, Evidence excerpt, and Source.
- Output: An Excel file populated with these fields for each item.
- Final task: Download the file, review it manually, and make corrections.

**回答（日本語）**

ドキュメントには「指定形式での報告」を「報告書の構成案」から支援する具体的な一連の手順は直接記載されていませんが、Deep Research機能やBatch Assessment機能に関する記述を意訳して組み合わせることで回答が可能です。

Deep Research機能による報告書作成支援：

- 入力例：複数の質問で調査範囲を絞り込みます。
- 出力例：エグゼクティブサマリー、導入、文献レビューと分析、データ分析と結果、考察、結論といった構成のレポートがマークダウン形式で出力されます。
- 利用者が最終的に行う作業：バックグラウンド処理の完了後にレポートを確認し、PDFとしてダウンロードします。

Batch Assessment機能による指定形式（Excel）での報告支援：

- 入力例：評価項目が含まれたExcelファイルをアップロードし、判定結果、コメント、引用、参照元の出力先を割り当てます。
- 出力例：各評価項目に対して判定結果、コメント、引用、参照元が書き込まれたExcelファイルが出力されます。
- 利用者が最終的に行う作業：出力されたExcelファイルをダウンロードし、目視レビューや修正を行います。

### Q: 複数の選択肢を同じ観点で比較する表を、根拠付きで作りたいです。

**Answer (English)**

The documentation does not explicitly describe input/output examples or final tasks for creating comparison tables. Batch Assessment can be interpreted as supporting this task up to the initial assessment. Upload Excel assessment items representing comparison criteria and register comparison materials, such as design documents, operating procedures, or policies, in RAG. AI assesses them and exports Excel results with comments and evidence. Users manually review only Unable to determine or Not implemented items and make final decisions.

**回答（日本語）**

提供されたドキュメントには「比較表の作成」という言葉で直接的に入力例や出力例、利用者が最終的に行う作業を説明している箇所はありません。しかし、AskDonaの「Batch Assessment」機能に関する記述を意訳することで、比較表の作成をどのように支援できるか、その入力例・出力例、利用者が最終的に行う作業を説明することができます。

具体的には、評価項目（比較観点）が並んだExcelファイルをアップロードし、RAGデータベースに登録された比較対象の資料（設計書、運用手順書、社内規定など）を基に、AIエージェントが自動で判定を行い、コメントやエビデンス（引用）付きでExcelに出力する「一次評価」までを支援できます。利用者は、AIが「判断不可」や「未対応」と判定した項目のみを目視でレビューし、最終判断を行います。

### Q: 長いAIレポートを全部読み直さずに、重要な結論を確認する方法はありますか？

**Answer (English)**

The documentation does not explicitly group inputs, outputs, and final tasks under rechecking research results. RAG source previews, Batch Assessment result review, and completed Deep Research reports can be combined to explain the task.

Support: RAG displays References links and PDF thumbnails that open right-hand previews. Batch Assessment displays results, comments, evidence, and sources. Deep Research reports link to all sources.

Inputs: A RAG question, such as “How can I verify key conclusions without rereading the entire long AI report?”, or an uploaded Excel assessment checklist.

Outputs: RAG answers with References and previews; Batch Assessment's four result fields; or a Markdown Deep Research report linking to all sources.

Final tasks: Inspect original RAG source files in the preview to verify accuracy. In Batch Assessment, manually review only Unable to determine or Not implemented items.

**回答（日本語）**

ドキュメントには「調査結果の再確認」という表現で直接的に入力例・出力例・最終作業をまとめた記述はありませんが、RAGチャットの「参照元プレビュー」機能、Batch Assessmentの「アセスメント実行結果の確認」機能、Deep Researchの「レポート完成」機能などの説明を意訳・統合することで、調査結果と引用元を用いた再確認の支援内容、入力例・出力例、利用者の最終作業を具体的に示すことができます。

支援内容：RAGチャットでは回答の根拠となったドキュメントへのリンク（References）や参照元のPDFサムネイルが表示され、クリックすると画面右側にプレビューが表示されます。Batch Assessmentでは判定結果、コメント、引用（エビデンス）、参照元が表示されます。Deep Researchでは全ソースへのリンクが含まれるレポートが完成します。

入力例：RAGチャットでの質問（例：「長いAIレポートを全部読み直さずに、重要な結論を確認する方法はありますか？」）や、Batch Assessmentでの評価項目Excelのアップロード。

出力例：RAGチャットの回答本文とReferences・参照元プレビュー、Batch Assessmentの判定結果・コメント・引用（エビデンス）・参照元、Deep Researchのマークダウン形式レポート（全ソースへのリンク付き）。

利用者が最終的に行う作業：RAGチャットでは参照元ファイルをクリックして画面右側のプレビューで元のドキュメントを直接参照し、回答内容の正確性を確認します。Batch Assessmentでは「判断不可」や「未対応」の項目だけを目視レビューします。

## Conditions and scope (利用条件・適用範囲)

### Q: 「調査前提のすり合わせ」でAIを使いたいのですが、「目的や範囲が決まっていない」という条件でも使えますか？

**Answer (English)**

The documentation does not explicitly discuss aligning research assumptions. Deep Research's scope-narrowing follow-up questions and RAG chat clarification rules can be interpreted for cases where the purpose or scope is undecided.

Conditions: Use Deep Research and answer its five follow-up questions to narrow the scope.

Configuration: Add clarification rules to the RAG chat system prompt so the AI asks when the subject or scope is ambiguous.

Limitations: The task cannot be supported if the reference database lacks the necessary material or no suitable source exists.

**回答（日本語）**

ドキュメントには「調査前提のすり合わせ」という表現は直接使われていませんが、Deep Research機能における「フォローアップ質問による調査範囲の絞り込み」や、RAGチャットのシステムプロンプトにおける「聞き返し」設定を意訳することで、目的や範囲が決まっていない場合の対応条件や追加設定、対応できないケースを説明できます。

対応条件：Deep Research機能を使用し、AIから提示される5つのフォローアップ質問に対して追加で回答することで、調査範囲を絞り込むことができます。

追加設定：RAGチャットのシステム環境設定（システムプロンプト）で「聞き返し」のルールを設定し、対象や範囲が曖昧な場合にユーザーに聞き返すように設定することが可能です。

対応できないケース：そもそも参照する資料（データベース）側に課題がある（資料がない）場合や、適切な参照元がない場合は対応できません。

### Q: 「社内だけでの調査」でAIを使いたいのですが、「外部情報を使わない条件」という条件でも使えますか？

**Answer (English)**

Combining the documentation explains the requirements, additional settings, and limitations for internal-only research. AskDona is a RAG system that searches its registered database to answer questions. System or AI personality rules requiring reference-only answers without speculation support operation without external information. The task cannot be supported when the database lacks the information or the question is phrased in a way that prevents retrieval.

**回答（日本語）**

ドキュメントの記載を組み合わせることで、外部情報を使わずに社内情報のみで調査を行うための対応条件、追加設定、および対応できないケースについて説明することができます。AskDonaは登録されたデータベースの情報を検索して回答するRAGシステムであり、追加設定としてシステム環境設定やAIパーソナリティ設定に「参照情報ベースのみで回答する（推測禁止）」などのルールを記述することで外部情報を使わない運用が可能です。対応できないケースとしては、データベース側に情報がない場合や、質問の仕方が不適切で検索できない場合が挙げられます。

### Q: 「根拠付きレポート」でAIを使いたいのですが、「報告先が根拠を重視する」という条件でも使えますか？

**Answer (English)**

The documentation does not directly discuss recipients who prioritize evidence. Deep Research and Batch Assessment specifications can be applied to this requirement.

Conditions: Deep Research suits cross-document investigation and comparison producing cited PDF/Word reports. Batch Assessment suits many items requiring results and evidence together in Excel, with Result, Comment, Evidence excerpt, and Source.

Configuration: Deep Research asks three to five follow-up questions. Batch Assessment requires assessment documents in RAG and can use strict prompts, such as marking Not implemented whenever any criterion is unmet.

Limitations: Standard mode is sufficient for a simple question about one document. Where the knowledge base lacks necessary information, include Unable to determine to prevent forced conclusions.

**回答（日本語）**

「報告先が根拠を重視する」という条件に直接言及した記述はドキュメントにありませんが、AskDonaで根拠付きのレポートを生成する機能である「Deep Research（ディープリサーチ）」および「Batch Assessment（バッチアセスメント）」の仕様、対応条件、追加設定、対応できないケースについて意訳することで回答が可能です。

対応条件:

- 複数の文書を横断的に調査・比較して引用付きのレポート（PDF/Word形式）を作成したい場合は「Deep Research」が有効です。
- 多数の評価項目に対して一括で判定・根拠（エビデンス）を出力したい場合は「Batch Assessment」が有効であり、判定結果、コメント、引用（エビデンス）、参照元をExcelレポートとして一括出力できます。

追加設定:

- Deep Researchでは、実行時に3〜5つの確認質問（フォローアップ質問）に回答する必要があります。
- Batch Assessmentでは、評価用ドキュメントをRAGデータベースに登録し、プロンプトで「少しでも基準を満たさない場合は未対応と判定すること」のように厳格な評価方針を指示する追加設定が可能です。

対応できないケース:

- 単一の文書から情報を引き出す簡単な質問であれば、通常のAskDonaモードで十分であり、Deep Researchは不要です。
- 判定に必要な情報がナレッジベース（RAGデータベース）に不足している場合、無理な結論を出さないよう「判断不可」を設定する必要があります。

### Q: 「調査結果の再確認」でAIを使いたいのですが、「参照文書が多い」という条件でも使えますか？

**Answer (English)**

The documentation does not explicitly say rechecking research results, but interpreting this as investigation and comparison across multiple documents points to Deep Research. It consults more documents than standard search and integrates them into a detailed answer. It is useful for cross-document investigation and requires answers to five follow-up questions. Click Deep Research in the question field and select an output format such as PDF or Word. Standard mode is sufficient for a single-document question, and standard RAG chat is recommended for short answers. If generation stops because of a session timeout or similar issue, reload or clear the cache and retry.

**回答（日本語）**

「調査結果の再確認」という表現はドキュメントに直接登場しませんが、これを「複数の文書を横断的に調査・比較する」ことと意訳すれば、AskDonaの「Deep Research」機能が該当します。ドキュメントによれば、Deep Researchは通常の検索よりも多くのドキュメントを参照し、複数の文書にまたがる情報を統合した詳細な回答を生成します。対応条件として、複数の文書を横断的に調査・比較したい場合に有効であり、5つのフォローアップ質問に回答する必要があります。追加設定として、質問フィールドの「Deep Research」ボタンをクリックして出力形式（PDFやWordなど）を設定します。対応できないケースとして、単一の文書から情報を引き出す質問（通常のモードで十分）、短い回答が欲しい場合（通常のRAGチャットモードを推奨）、セッション切れ等でレポート出力が途中で停止した場合はリロードやキャッシュ削除による再試行が必要になることが挙げられます。

## Setup and operation (準備・操作・運用)

### Q: 「公開情報と社内資料の照合」を始めるには、公開資料と社内文書をどう準備し、どんな操作をすればよいですか？

**Answer (English)**

The documentation does not explicitly name a use case for comparing public information with internal materials. Similar examples—company security standards versus vendor questionnaires and contracts versus checklists—can be combined with Batch Assessment procedures.

Preparation: Register and process the internal or public reference documents in RAG, then upload, extract, and configure an Excel checklist.

Execution: Run the assessment and review Result, Comment, Evidence excerpt, and Source in History or Excel output.

Standard functions include upload and processing, extraction, output mapping, execution, review, and reports. Additional preparation and operational measures include creating and registering a glossary, preparing empty output columns, adding metadata and configuring input flows for filtering, refining prompts, and test runs.

**回答（日本語）**

ドキュメントには「公開情報と社内資料の照合」という表現で直接記載されたユースケースはありませんが、Batch Assessment機能を用いた「自社のセキュリティ基準とベンダーチェックシートの照合」や「契約書とチェック項目の照合」などの類似ユースケース、およびBatch Assessmentの具体的な操作手順を組み合わせることで、準備・登録から結果確認までの流れと、標準機能と追加対応の区別について回答を構成できます。

具体的には、以下の手順で照合を行います：

準備・登録：照合の基準となる社内文書（または公開資料）をRAGデータベースに登録・処理し、照合項目が記載されたExcelファイルをBatch Assessmentにアップロードして項目を抽出・設定します。

実行・結果確認：アセスメントを実行し、完了後に履歴から「判定結果」「コメント」「引用（エビデンス）」「参照元」を確認・Excel出力します。

標準機能と追加対応の区別：

- 標準機能：ファイルのアップロード・処理、Excelからの項目抽出、出力列マッピング、実行および結果確認・レポート出力が提供されています。
- 追加対応（事前準備や運用上の工夫）：照合精度向上のための「用語集」の作成・登録、Excelファイル側への出力用空列の事前用意、フィルタリング用のメタデータ付与や入力フローの設定、プロンプトの調整やテスト実行が必要です。

### Q: 「調査結果の再確認」を始めるには、調査レポートと引用元をどう準備し、どんな操作をすればよいですか？

**Answer (English)**

The documentation does not explicitly discuss rechecking research results. Interpreting this as Batch Assessment work explains the workflow using an Excel research report and RAG source documents.

Preparation

- Upload assessment source documents to RAG and process them until complete.
- Upload an Excel file of assessment items, extract the relevant cells by dragging in the preview, assign Result, Comment, Evidence excerpt, and Source columns, and publish.

Execution

- Select New run in Assessments, answer the input flow, select items, and execute.
- Review all four result fields in History and optionally export an Excel report.

Upload, extraction, output mapping, execution, on-screen review, and export are standard functions. Registering and processing source documents, adding four empty Excel columns, and adding metadata where needed are additional preparation.

**回答（日本語）**

「調査結果の再確認」という表現はドキュメントに直接記載されていませんが、これを「Batch Assessment（バッチアセスメント）」機能を用いた評価・判定業務と意訳することで、調査レポート（Excel）と引用元（RAGデータベース）の準備・登録から結果の確認までの手順、および標準機能と追加対応の区別について回答することができます。

準備・登録（管理者または利用者が行うこと）

- 引用元（評価用ドキュメント）の準備：評価に必要なドキュメントをあらかじめRAGデータベースにアップロードし、ドキュメント処理を実行して「処理完了」にしておきます。
- 調査レポート（Excel）の準備・登録：評価項目が含まれたExcelファイルをアップロードします。プレビュー上で評価項目に該当するセル範囲をドラッグして項目を抽出します。さらに、出力先となる4つの列（判定結果、コメント、引用、参照元）をプレビュー上で割り当ててアセスメントを公開します。

実行・結果確認（利用者が行うこと）

- アセスメントの実行：「アセスメント」タブから「新規実行」をクリックし、入力フロー（事前質問）への回答や評価項目の選択を行って実行を開始します。
- 結果の確認：実行完了後、「履歴」ボタンから各評価項目の判定結果、コメント、引用（エビデンス）、参照元を確認できます。また、Excelレポートとして一括出力することも可能です。

標準機能と追加対応の区別

- 標準機能で済む範囲：Excelのアップロード、ドラッグ操作による項目抽出、出力列のマッピング、アセスメントの実行、画面上での結果確認、Excelレポートの一括出力は標準機能として提供されています。
- 追加対応（事前準備）：引用元ドキュメントのRAGデータベースへの登録・処理、Excelファイル側への出力用4列（判定結果、コメント、引用、参照元）の事前追加、および必要に応じたメタデータの付与が必要です。

## Preventing errors and checking quality (失敗への対処・品質)

### Q: 「テーマに関する全体像」で、一部の資料で全体を代表させることが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss treating a subset of documents as representative of the whole. Related RAG controls and verification procedures can be interpreted to address incomplete or biased sourcing.

Display and prevention

- References links and source PDF thumbnails show which materials were used. Show AskDona Thoughts displays the LLM's reasoning.
- System prompts can specify source priorities, require conflicting accounts with update dates, and ask clarification rather than guess when multiple sources prevent a definite answer.
- Consolidating duplicate and outdated files and using descriptive filenames and titles helps reduce retrieval bias.

Verification and human decisions

- Follow Sources or References links and inspect original documents through browser previews to check accuracy and completeness. Review the displayed reasoning as well.
- Under the initial-AI-assessment, final-human-decision model, people decide whether the answer relies too heavily on a subset, uses current materials, or contains contradictions.

**回答（日本語）**

ドキュメント内には「一部の資料で全体を代表させる」という表現に直接言及した箇所はありませんが、RAGにおいて一部の資料のみに偏った回答や不完全な参照を防ぐための検出・抑制・表示機能、および確認手順と人が判断する範囲について、意訳することで回答が可能です。

検出・抑制・表示する方法

- 表示：回答の根拠となったドキュメントへのリンクが一覧で表示される「References」や、参照されたPDFファイルのサムネイルが表示される「参照元」機能により、どの資料が参照されたかをユーザーが視覚的に確認できます。また、「Show AskDona Thoughts」をクリックすることで、LLMの思考過程を確認できます。
- 抑制：システムプロンプト（システム環境設定）において、「参照優先順位」を設定して複数の資料がヒットした際の優先順位を明示することや、「複数情報源に矛盾がある場合は更新日を添えて両論併記する」といった行動原則を設定できます。さらに、参照情報に複数の異なる情報があり回答を特定できない場合に推測で答えずユーザーに「聞き返し」を行うルールを設定することも可能です。
- データベースの整備：重複ファイルや旧版を整理して最新版に一本化することや、ファイル名やタイトルを内容がわかる具体的なものにすることで、検索時の偏りを防ぎます。

できない場合の確認手順と人が判断する範囲

- 確認手順：回答の末尾に表示される「参照元（出典）」や「References」のリンクをクリックし、ブラウザ上の「参照元プレビュー」機能で元のドキュメントを直接参照して、回答内容の正確性や網羅性を確認します。また、「Show AskDona Thoughts」でLLMの思考過程を確認します。
- 人が判断する範囲：AIにすべてを任せるのではなく、「一次評価をAIに、最終判断を人間に」という分業モデルが推奨されており、提示された回答が一部の資料だけに偏っていないか、最新の資料に基づいているか、矛盾がないかなどを人間が最終的に目視レビュー・判断します。

### Q: 「部署別の取り組み比較」で、記載のない取り組みを未実施とすることが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss treating undocumented initiatives as unimplemented. Related features provide an interpretation: including Unable to determine prevents forced negative conclusions when information is insufficient. If the knowledge base lacks the information required for assessment, that result is displayed. Where AI cannot decide, the recommended workflow is human manual review only of Unable to determine or Not implemented items, followed by a human final decision.

**回答（日本語）**

「記載のない取り組みを未実施とする」という表現に直接言及した記述はありませんが、関連する機能を意訳することで回答が可能です。AskDonaのBatch Assessment機能では、評価選択肢に「判断不可」を設定することで、情報不足の場合にLLMが無理な結論（未実施/未対応など）を出すことを防ぐ（抑制する）ことができます。判定に必要な情報がナレッジベースに不足している場合は「判断不可」と判定・表示されます。AIが自動で判断できない場合の確認手順として、担当者は「判断不可」や「未対応」と判定された項目だけを目視レビューし、最終判断を人間が行うという分業モデルが推奨されています。

### Q: 「調査前提のすり合わせ」で、不要な方向へ調査が広がることが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss aligning research assumptions or preventing research from expanding in unwanted directions. Related features can be interpreted as follows.

Controls and display

- Deep Research generally asks five follow-up questions to improve the report. Answering them aligns assumptions and helps keep the research on track.
- RAG chat system-prompt clarification rules make AI ask which information the user means instead of guessing at ambiguous subjects.
- Show AskDona Thoughts displays reasoning; References links and source thumbnails show supporting documents.

User responsibilities and verification

- Ask in full sentences with context and purpose. Keep one topic per message, state assumptions, narrow the subject and conditions such as date, department, or audience, specify the desired format, and include a time reference.
- Check sources at the end of the answer, inspect reasoning, and click source files to verify the original material in the right-hand preview.

**回答（日本語）**

ドキュメントには「調査前提のすり合わせ」や「不要な方向へ調査が広がる」という表現に直接言及した記述はありませんが、意訳することでAskDonaにおける検出・抑制・表示方法、および人が判断・確認する範囲を説明できます。

検出・抑制・表示方法：

- Deep Researchモードでのフォローアップ質問（抑制）：Deep Researchでは、より適切なレポートを作成するために、チャットの返答として追加質問（フォローアップ）が基本的に5つ発生し、これに回答することで調査前提をすり合わせ、不要な方向へ調査が広がるのを防ぎます。
- システムプロンプトによる「聞き返し」設定（検出・抑制）：RAGチャットのシステム環境設定で「聞き返し」ルールを設定することにより、質問が曖昧な場合や対象が特定できない場合に、推測で回答せず「どの情報についての質問か」を聞き返すように制御できます。
- 思考過程や参照元の表示（表示）：回答画面で「Show AskDona Thoughts」をクリックすることでLLMの思考過程を表示できるほか、回答の根拠となったドキュメントへのリンク（References）や参照元のサムネイルが表示されます。

できない場合の確認手順と人が判断する範囲：

- 人が判断・対応する範囲（質問時の工夫）：利用者が質問する際に、単語ではなく文章で背景や目的を添えて聞くこと、1つのメッセージには1つのテーマとし前提を省かずに書くこと、対象や条件（時期・部署・対象者など）を絞って聞くこと、欲しい形式を指定すること、時点を添えることなどが挙げられます。
- 確認手順：生成された回答の末尾に記載される「参照元（出典）」を確認する手順や、「Show AskDona Thoughts」をクリックしてLLMの思考過程を確認する手順、参照元のファイルをクリックして画面右側に表示されるプレビューで元のドキュメントを直接参照し、回答内容の正確性を確認する手順が提供されています。

### Q: 「公開情報と社内資料の照合」で、社内の事実と外部の推測が混ざることが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss internal facts becoming mixed with external speculation when comparing public and internal materials. Its controls on speculation, evidence display, verification, and human decisions can be combined to answer the question.

Prevention: In system or AI personality settings, require answers only from reference material and prohibit invented facts, numbers, and URLs. In Batch Assessment, define Unable to determine as insufficient information in the knowledge base to prevent forced conclusions.

Display: RAG chat shows inline citations and References/Sources, and Show AskDona Thoughts displays reasoning. Batch Assessment shows the result, explanatory Comment, Evidence excerpt, and Source filename.

Verification and decisions: Check the sources at the end of the answer, inspect original documents through previews, and review the reasoning. Under the initial-AI-assessment, final-human-decision model, people manually review Unable to determine or Not implemented items and make final decisions.

**回答（日本語）**

ドキュメントには「公開情報と社内資料の照合で社内の事実と外部の推測が混ざる」という特定の状況に対する直接的な言及はありませんが、RAGチャットやBatch Assessmentにおいて「推測を抑制する設定」「根拠や思考過程の表示」「元のドキュメントを確認する手順」「人間が判断する範囲」について記載されており、これらを組み合わせることで回答を導き出すことができます。

検出・抑制・表示する方法：

- 抑制：システム環境設定やAIパーソナリティ設定において、「参照情報ベースのみで回答する（推測禁止）」や「架空情報の禁止（参照情報にない事実・数値・URLは生成しない）」といったプロンプトを設計することで、AIが推測で回答することを抑制できます。また、Batch Assessmentでは評価選択肢に「判断不可」を設け、その基準を「判定に必要な情報がナレッジベースに不足している場合」と定義することで、情報不足時にLLMが無理な結論（推測）を出すことを防げます。
- 表示・検出：RAGチャットでは、回答本文中に引用番号を表示し、回答の根拠となったドキュメント（References/参照元）を明示します。また、「Show AskDona Thoughts」をクリックすることで、LLMの思考過程（どのように回答を導き出したか）を確認できます。Batch Assessmentでは、判定結果とともに、判定理由を説明する「コメント」や、判定の根拠となった情報源からの「引用（エビデンス）」、使用された「参照元」ファイル名を表示します。

できない場合の確認手順と人が判断する範囲：

- 確認手順：回答の末尾に記載される「参照元（出典）」を確認し、プレビュー機能を用いて元のドキュメントを直接参照することで、回答内容の正確性を確認します。また、「Show AskDona Thoughts」で思考過程を確認します。
- 人が判断する範囲：「一次評価をAIに、最終判断を人間に」という分業モデルを適用し、AIが「判断不可」や「未対応」と判定した項目について、人間が目視でレビューし最終的な判断を行います。

### Q: 「公開基準と社内ルール」で、対象外の基準を適用することが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not name an assessment specifically for public standards and internal rules. Batch Assessment item filters, result options, and review functions can nevertheless explain how to identify and prevent application of irrelevant requirements.

Controls

- In Step 4, configure preliminary questions; in Step 5, use the answers to automatically exclude matching items as Not applicable.
- In Step 6, add Not applicable with criteria such as “The item does not apply because of the system's characteristics.”

Display: Results show Not applicable alongside a Comment explaining why, an Evidence excerpt, and the Source filename.

Verification: Review Not applicable and Unable to determine results, comments, evidence, and sources. Click source filenames to inspect originals in the right-hand preview.

Human decisions: People make final decisions on Unable to determine, Not implemented, and questionable Not applicable results, following the initial-AI-assessment, final-human-decision model.

**回答（日本語）**

「公開基準と社内ルール」という具体的なアセスメント名やルール名は直接ドキュメントに登場しませんが、AskDonaの「Batch Assessment」機能における「項目フィルタ」や「評価選択肢」の設定、および「実行結果の確認」機能を用いることで、対象外の基準を適用・検出・抑制・表示する方法、および確認手順や人が判断する範囲について説明されています。

検出・抑制・表示する方法：

- 検出・抑制：管理者がアセスメントを新規作成する際、ステップ4「入力フロー」で事前に質問を設定し、ステップ5「項目フィルタ」でその回答に基づいて条件に合致した項目を自動的に「対象外」として除外（検出・抑制）できます。また、ステップ6「評価選択肢」で「対象外」という判定区分を追加し、その判定基準（LLMへの指示）として「評価項目がシステムの特性上、該当しない場合」などの説明を記入することで、AIエージェントが自動で「対象外」と判定できるようにします。
- 表示：アセスメントの実行結果画面において、各評価項目に対して「判定結果」として「対象外」が表示されます。また、判定に至った理由を説明する「コメント」や、判定の根拠となった情報源からの「引用（エビデンス）」、判定に使用されたファイル名である「参照元」が表示されます。

できない場合の確認手順と人が判断する範囲：

- 確認手順：アセスメントの実行結果画面で、各評価項目の「判定結果」が「対象外」や「判断不可」となっているものを確認します。判定結果の「コメント」や「引用（エビデンス）」、および「参照元」のファイル名を確認し、AIの判定根拠が妥当であるかをチェックします。さらに、参照元のファイル名をクリックして、画面右側に表示されるドキュメントのプレビューで元のドキュメントを直接参照し、内容の正確性を確認します。
- 人が判断する範囲：AIにすべてを任せるのではなく、「一次評価をAIに、最終判断を人間に」という分業モデルを適用します。判定結果が「判断不可」となった項目（情報不足の場合にLLMが無理な結論を出すことを防ぐために設定される）や、判定結果が「未対応」などの項目、あるいは「対象外」の判定が妥当か疑わしい項目について、人間が目視でレビューし、最終的な判断を行います。

### Q: 「技術情報の調査」で、他社の性能を自社での性能と扱うことが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss treating another company's performance as the user's own. General RAG chat and Batch Assessment safeguards can be applied.

Prevention: RAG prompts can require reference-only answers without speculation and an explicit statement when no suitable source exists. Batch Assessment's Unable to determine option prevents forced conclusions from missing information.

Display: RAG chat shows References links, source thumbnails, and reasoning through Show AskDona Thoughts. Batch Assessment shows comments, evidence, and source filenames alongside results.

Verification: Users inspect originals in RAG chat's right-hand source preview. For Batch Assessment, AI performs the initial assessment and people manually review only Unable to determine or Not implemented items and make final decisions.

**回答（日本語）**

ドキュメント内には「他社の性能を自社での性能と扱う」という特定の事象に直接言及した記述はありませんが、AskDonaのRAGチャットやBatch Assessment機能における「誤った情報の検出・抑制・表示」や「確認手順と人が判断する範囲」に関する一般的な仕様を応用（意訳）することで回答が可能です。

検出・抑制：

- RAGチャットでは、システムプロンプト（AIへの基本的な指示文）で「参照情報ベースのみで回答する（推測禁止）」や「適切な参照元がない場合は『ない』と回答する」などの制約を設けることで、誤った情報の生成（ハルシネーション）を抑制できます。
- Batch Assessmentでは、評価選択肢に「判断不可」を含めることで、情報不足の場合にLLMが無理な結論を出すことを防ぐことができます。

表示：

- RAGチャットでは、回答の根拠となったドキュメントへのリンク（References）や、参照されたファイルのサムネイル（参照元）が表示されます。また、「Show AskDona Thoughts」をクリックすることで、LLMの思考過程を確認できます。
- Batch Assessmentでは、判定結果に加えて、判定に至った理由の説明である「コメント」、判定の根拠となった情報源からの引用である「引用（エビデンス）」、判定に使用されたファイル名である「参照元」が表示されます。

できない場合の確認手順と人が判断する範囲：

- RAGチャットでは、回答の正確性を確認したい場合に、画面右側に表示される「参照元プレビュー」機能を使って、元のドキュメントを直接参照・閲覧して確認します。
- Batch Assessmentでは、AIにすべてを任せるのではなく、「一次評価をAIに、最終判断を人間に」という分業モデルを採用し、担当者は「判断不可」や「未対応」の項目だけを目視レビュー（最終判断）します。

### Q: 「情報源を限定した調査」で、二次情報が紛れ込むことが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not explicitly discuss secondary information slipping into results. Guidance on limiting sources, verification, and human judgment can be applied.

Prevention: Use RAG metadata filters such as category or subcategory to exclude unintended sources. Require reference-only answers without speculation in the system prompt to limit information outside the database.

Display: Answers show References links and source thumbnails; Batch Assessment displays evidence and source filenames with results.

Verification: Read the original files in browser source previews and check the sources listed at the end of answers. People make the final visual review and decision under the initial-AI-assessment, final-human-decision model.

**回答（日本語）**

「二次情報が紛れ込む」という表現そのものに対する直接的な言及はありませんが、情報源を限定して調査する方法や、参照元を確認する手順、人間が判断する範囲についてはドキュメントに記載されており、意訳することで回答が可能です。

検出・抑制：RAGチャットでは「フィルター（メタデータで絞り込み）」機能を用いて、カテゴリーやサブカテゴリーを指定して検索対象を絞り込むことで、意図しない情報（二次情報など）の混入を抑制できます。また、システムプロンプトで「参照情報ベースのみで回答する（推測禁止）」と設定することで、データベース外の情報や推測による回答を抑制できます。

表示：回答の根拠となったドキュメントへのリンク（References）や参照元ファイルのサムネイルが表示されます。Batch Assessmentでは、判定結果とともに「引用（エビデンス）」や「参照元（判定に使用されたファイル名）」が表示されます。

確認手順と人が判断する範囲：参照元プレビュー機能を用いて、回答の参照元ファイルをブラウザ上でそのまま閲覧し、回答内容の正確性を確認できます。また、回答の末尾に記載される「参照元（出典）」を確認することも有効です。最終的な判断は「一次評価をAIに、最終判断を人間に」という分業モデルに基づき、人間が目視で行います。

### Q: 「根拠付きレポート」で、結論を出典が裏付けないことが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation can be interpreted to explain safeguards against conclusions unsupported by their sources, including hallucinations.

Prevention: System prompts can require reference-only answers, prohibit fabrication, state when no suitable source exists, and disallow answers beyond available information. Batch Assessment's Unable to determine option prevents forced conclusions from missing information.

Display: RAG chat and generative AI chatbots show inline citations, References links, and sources. Batch Assessment displays the result with Comment, Evidence excerpt, and Source.

Verification: Inspect the original document in RAG chat's right-hand source preview.

Human decisions: People focus manual review and final decisions on Unable to determine, Not implemented, Below the standard, and Further confirmation required results.

**回答（日本語）**

AskDonaにおいて「結論を出典が裏付けない」こと（ハルシネーションや根拠のない回答）を検出・抑制・表示する方法、および確認手順と人が判断する範囲については、ドキュメントの記載を意訳することで以下のように整理できます。

検出・抑制・表示する方法：

- 抑制：システムプロンプト（システム環境設定）で「参照情報ベースのみで回答する（推測禁止）」や「架空情報の禁止」、「情報の正確性：適切な参照元がない場合は『ない』と回答する」、「知識の限界：参照できる情報以外は回答しない」と設定することで、根拠のない結論を出すことを抑制します。また、Batch Assessmentでは評価選択肢に「判断不可」を含めることで、情報不足の場合にLLMが無理な結論を出すことを防ぎます。
- 表示：RAGチャットや生成AIチャットボットでは、回答文中に引用番号を表示し、回答の根拠となったドキュメントへのリンク（References）や参照元を表示します。Batch Assessmentでは、判定結果とともに「コメント（判定理由の説明）」、「引用（エビデンス）」、「参照元」を出力・表示します。

できない場合の確認手順と人が判断する範囲：

- 確認手順：RAGチャットの「参照元プレビュー」機能を使用し、画面右側に表示される該当ドキュメントのプレビューを直接参照して、回答内容の正確性を目視で確認できます。
- 人が判断する範囲：「一次評価をAIに、最終判断を人間に」という分業モデルに基づき、担当者はAIが「判断不可」や「未対応」とした項目、あるいは「基準未満」「追加確認が必要」とした項目に集中して目視レビューや最終判断を行います。

### Q: 「比較表の作成」で、不明な値を推測で埋めることが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss filling unknown values by guessing when creating comparison tables. It does describe preventing forced conclusions in Batch Assessment when information is insufficient. Include Unable to determine and display it with comments, evidence, and sources. Reviewers inspect comments and evidence for Unable to determine or Not implemented items and make final decisions through manual review.

**回答（日本語）**

ドキュメントには「比較表の作成」という特定のユースケースにおける「不明な値を推測で埋める」ことへの直接的な言及はありませんが、Batch Assessmentにおいて「情報不足の場合にLLMが無理な結論を出すことを防ぐ」ための対策や、人間が判断する範囲について言及されています。具体的には、評価選択肢に「判断不可」を含めることで無理な結論（推測）を出すことを防ぎ、判定結果として「判断不可」や「コメント」「引用（エビデンス）」「参照元」を表示します。確認手順としては、出力された「判断不可」や「未対応」の項目について、担当者がコメントやエビデンスを確認し、目視レビュー（最終判断）を行うという分業モデルが示されています。

### Q: 「未解決点の明示」で、未調査と情報不存在を混同することが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss confusing unresearched information with nonexistent information. Related guidance can be applied: include Unable to determine with the criterion that the knowledge base lacks information required for assessment. This prevents forced conclusions from missing information. Results screens and Excel reports show Unable to determine and a Comment explaining the reason. The recommended workflow has people manually review these items and make final decisions.

**回答（日本語）**

ドキュメントには「未調査と情報不存在を混同する」という表現に直接言及した記述はありませんが、意訳することで回答となる情報が存在します。

検出・抑制方法：

アセスメントの新規作成時の「評価選択肢」の設定において、「判断不可」という選択肢を含めることで、情報不足の場合にLLMが無理な結論を出すことを防ぐ（抑制する）ことができます。その際、判定基準（説明）として「判定に必要な情報がナレッジベースに不足している場合」と設定します。

表示方法：

アセスメントの実行結果画面やExcelレポートにおいて、判定結果として「判断不可」、コメントとして「判定に至った理由の説明」が表示されます。

できない場合の確認手順と人が判断する範囲：

AIが「判断不可」と判定した項目について、担当者が目視レビューを行い、最終判断を人間が下すという分業モデルが推奨されています。

### Q: 「調査結果の再確認」で、要約で重要条件が落ちることが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation does not directly discuss important conditions being lost in summaries, but related controls and review guidance can be applied.

Prevention: Include Unable to determine; give strict instructions such as marking Not implemented whenever any criterion is unmet; require reference-only answers without speculation and self-checks before output. In RAG chat, select Detailed search depth and a High-performance AI model, or use Deep Research, to analyze more documents and produce detailed answers.

Display: Assessments and chat answers show evidence and source filenames. Chat also provides Show AskDona Thoughts and original-document previews.

Verification: People focus manual review and final decisions on Unable to determine, Not implemented, Below the standard, and Further confirmation required results. They use sources listed at the end of answers and previews to compare against originals and verify accuracy.

**回答（日本語）**

「要約で重要条件が落ちる」という表現そのものに対する直接的な言及はありませんが、AskDonaにおいて重要条件の抜け漏れや誤判定を抑制・表示する機能、および人が判断する範囲については、ドキュメントの各所に記載されており、意訳することで回答が可能です。

検出・抑制・表示：

- 抑制：アセスメント設定で「判断不可」の選択肢を設けることで、情報不足時に無理な結論を出すことを防ぎます。また、プロンプトで「少しでも基準を満たさない場合は未対応と判定する」といった厳格な指示や、「参照情報ベースのみで回答する（推測禁止）」、「出力前に自己検証する」ルールを設定することで、重要条件の抜け漏れを抑制できます。RAGチャットでは、検索設定で「検索深度」を「詳細」に、「AIモデル」を「高性能」に設定することや、「Deep Research」モードを使用することで、より多くのドキュメントを分析し、詳細な回答を生成して抜け漏れを抑制できます。
- 表示：アセスメント結果やチャット回答において、判定の根拠となった情報源からの「引用（エビデンス）」や「参照元（ファイル名）」を表示します。また、チャットでは「Show AskDona Thoughts」でLLMの思考過程を表示でき、プレビュー機能で元のドキュメントを直接参照して確認できます。

確認手順と人が判断する範囲：

- 「一次評価をAIに、最終判断を人間に」という分業モデルを基本とします。
- 人が判断する範囲は、AIが「判断不可」や「未対応」と判定した項目、あるいは「基準未満」「追加確認が必要」と判定した項目に集中して目視レビューを行います。
- 確認手順としては、回答の末尾に表示される「参照元（出典）」やプレビュー機能を利用して、元のドキュメントを直接参照し、回答内容の正確性を確認します。

### Q: 「調査結果の更新」で、以前の結論を残したまま追記することが心配です。どう防いで確認できますか？

**Answer (English)**

The documentation describes measures to limit outdated information. It does not directly identify an automatic feature for detecting, preventing, or displaying additions that leave earlier conclusions unchanged. Documented measures include adding a time reference such as “the latest” to questions, configuring prompts to prioritize current information, and having people check the sources at the end of answers. These descriptions distinguish available controls from human verification and judgment.

**回答（日本語）**

ドキュメントにおいて、古い情報が混ざるのを防ぐための対策が説明されています。AskDona自体が「以前の結論を残したまま追記する」ことを自動的に検出・抑制・表示する機能についての直接的な言及はありませんが、ユーザーが質問時に「最新の」などの時点を添えること、システムプロンプトで「最新情報を優先する」よう指示を設定すること、そして回答の末尾に表示される「参照元（出典）」を確認して人が判断することが対策として示されています。これらを意訳することで、自動機能の有無と、人が行うべき確認手順・判断範囲を回答することができます。

## Compared with other approaches (他の方法との比較)

### Q: 「部署別の取り組み比較」には、部門ヒアリングと文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation does not directly compare department interviews with Batch Assessment. Its overview and use cases can be interpreted to explain the changes: reduced effort through initial AI assessment, more consistent decisions, periodic tracking of operational changes, and human final decisions. Suitable uses include recurring annual or quarterly checks of hundreds or thousands of items. Manual work or individual chat is preferable when a short checklist or individual questions are sufficient.

**回答（日本語）**

ドキュメントには「部門ヒアリング」と「AskDona（Batch Assessment）」を直接対比した記述はありませんが、Batch Assessmentの概要やユースケースの記述を意訳することで、同じ資料・課題で何が変わるか、および向く条件と別の方法がよい条件を説明できます。同じ資料・課題で変わることとして、手作業からAIによる一次評価への置き換えによる工数削減、判定のばらつき防止と一貫性の確保、定期的な実行による業務変化の定点観測、および「一次評価をAIに、最終判断を人間に」という分業モデルによる省力化が挙げられます。向く条件としては、数百〜数千の評価項目を毎年または毎四半期ごとにチェックする定期的なアセスメント業務が示されています。別の方法（手作業や個別チャットなど）がよい条件としては、数項目程度の簡単なチェックリストで十分な場合や、個別の質問で解決する場合が挙げられています。

### Q: 「技術情報の調査」には、検索結果の手動整理と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation does not directly compare AskDona with manually organizing search results. Deep Research and RAG chat descriptions can be interpreted to explain the differences.

Deep Research consults more documents than standard search and automatically integrates them into a detailed report. It asks clarifying questions, investigates complex questions in the background, and produces a cited report downloadable as PDF or Word, reducing manual organization.

It is particularly useful for cross-document investigation and comparison and detailed, information-rich reports with citations. Standard RAG chat is sufficient for extracting information from one document. Advanced assessment or research is unnecessary for a short checklist or individually answerable questions. If the database is poorly organized or lacks a specialist glossary, improve it or supplement the work manually first, because answer accuracy may suffer.

**回答（日本語）**

ドキュメントには「検索結果の手動整理」と直接対比した記述は文字通りには存在しませんが、AskDonaの「Deep Research（ディープリサーチ）」機能や「RAGチャット」の特性、およびそれらが向く条件・不要な条件について言及されています。これらを整理・意訳することで、手動整理と比較した際の変化や、向く条件・別の方法がよい条件を説明することができます。

同じ資料・同じ課題で何が変わるか：

AskDonaのDeep Researchを使用すると、通常の検索よりも多くのドキュメントを参照し、複数の文書にまたがる情報を統合した詳細な回答（レポート）を自動で生成できます。複雑な質問に対して、複数の確認質問を行ったうえでバックグラウンドで調査を実行し、引用付きのレポート（PDFやWord形式でダウンロード可能）を生成するため、手動で検索結果を整理する手間が省けます。

向く条件：

複数の文書を横断的に調査・比較したい場合に特に有効です。また、複雑な質問に対して、詳細かつ情報量が多い長文のレポートや、引用付きのレポートを生成したい場合に向いています。

別の方法（通常のRAGチャットなど）がよい条件：

単一の文書から情報を引き出す質問であれば、通常のAskDonaのモード（通常のRAGチャット）で十分です。また、数項目程度の簡単なチェックリストだけで十分な場合や、RAGチャットで個別に質問すれば解決する場合は、高度なアセスメントやディープリサーチは不要です。さらに、参照するデータベース側の整備が不十分な場合や、専門用語の用語集が投入されていない場合は、AIの回答精度が下がるため、まずはデータベースの改善や手動での補完が必要になります。

### Q: 「根拠付きレポート」には、手動の報告書作成と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

Interpreting evidence-backed reports as Batch Assessment Excel outputs or Deep Research cited reports explains the comparison with manual report writing.

Changes

- AI replaces extensive document reading and status entry that can take several days per system, generating results with comments and evidence.
- People manually review only Unable to determine or Not implemented items, substantially reducing effort.
- Decisions become more consistent across reviewers.
- Deep Research investigates and compares documents and automatically produces reports with section-level citations.

Suitable uses include recurring checks of hundreds or thousands of items in risk, compliance, or vendor assessment; annual or quarterly manual checking; a need for consistency; and cross-document research.

Manual work or standard RAG chat is preferable for a short checklist, individually answerable questions, or retrieving information from a single document.

**回答（日本語）**

「根拠付きレポート」を、AskDonaの「Batch Assessment（エビデンス・コメント付きExcel出力）」や「Deep Research（引用付きレポート生成）」と解釈（意訳）することで、手動の報告書作成との違い、向く条件、別の方法がよい条件について回答することができます。

同じ資料・同じ課題で何が変わるか（手動との違い）：

- 手動では1システムあたり数日かかるような大量のドキュメント読み込みと対応状況の記入を、AIが自動判定し、コメント・エビデンス（引用）付きで出力します。
- 担当者は「判断不可」や「未対応」の項目だけを目視レビューすればよくなり、「一次評価をAIに、最終判断を人間に」という分業モデルで工数を大幅に削減できます。
- 担当者ごとの判定のばらつきを減らし、評価の一貫性を確保できます。
- 複数の文書を横断的に調査・比較し、セクションごとに引用付きでレポートを自動生成できます。

向く条件：

- 数百〜数千の評価項目を定期的にチェックする業務（システムリスクアセスメント、コンプライアンスチェック、ベンダー評価など）。
- 数百件規模の評価項目を、毎年または毎四半期ごとに手作業でチェックしている場合。
- 担当者ごとの判定のばらつきを減らし、評価の一貫性を確保したい場合。
- 複数の文書を横断的に調査・比較したい場合（Deep Researchが有効）。

別の方法（手動や通常のRAGチャットなど）がよい条件：

- 数項目程度の簡単なチェックリストだけで十分な場合。
- RAGチャットで個別に質問すれば解決する場合。
- 単一の文書から情報を引き出す質問であれば、通常のAskDonaのモード（RAGチャット）で十分な場合。

### Q: 「調査結果の再確認」には、全文の再読と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation does not literally mention rechecking research results or rereading entire documents. Guidance on manual checking versus Batch Assessment or Deep Research can be applied. Initial AI assessment followed by human final decisions reduces effort and improves consistency across reviewers. It suits recurring checks of hundreds or thousands of items and cross-document investigation. Manual work or standard RAG chat is preferable for a short checklist or simply extracting information from one document.

**回答（日本語）**

提供されたドキュメントには「調査結果の再確認」や「全文の再読」という言葉は文字通りには言及されていません。しかし、手作業でのチェック（全文の再読に相当）とAskDona（Batch AssessmentやDeep Researchなど）の使い分け、向く条件、別の方法がよい条件については、意訳することで回答が可能です。

手作業でのチェックと比べ、AskDonaを使用することで「一次評価をAIに、最終判断を人間に」という分業モデルにより省力化・効率化でき、担当者ごとの判定のばらつきを減らし評価の一貫性を確保できます。

向く条件としては、数百〜数千の評価項目を定期的にチェックする場合や、複数の文書を横断的に調査・比較する場合が挙げられます。一方、数項目程度の簡単なチェックリストで十分な場合や、単一の文書から情報を引き出すだけであれば、手作業や通常のRAGチャットなどの別の方法が適しています。