プロローグ:あの日の一本の電話
"金代表、5年前に現代ウィアでなさった講義の資料を探してください。そのとき使われたB2Bセールスシナリオの分析資料が本当に良かったんです。"
金曜日の午後、いつもの依頼が届きました。私は反射的にGoogleドライブを開きました。「顧客企業」→「現代WIA」→ 2018年?2019年? フォルダを開いてみます。キーノートファイルが8件。ひとつずつ開きます。「これじゃない…」再び閉じます。別のフォルダをひっくり返します。「講義資料」→「B2Bセールス」→ ファイルが40件を超えています。
結局45分で見つけました。いや、正確に言えば「これっぽいな…」と思えるファイルを見つけたのです。100%の確信はありませんでした。
こうしたことは一度や二度ではありません。15年間講義をしながら作ったキーノートファイルだけで2,000を超えます。顧客企業別の提案書、カリキュラム、契約書、分析資料まで合わせると数万件になります。頭の中では"確かにどこかにあるはずなのに…"と思うものの、その'どこか'を探すのが毎回一苦労でした。
さらに大きな問題もありました。ブログに書いた文章、YouTubeで講義した内容、本にまとめた理論 — これらがすべてバラバラに散らばっていたのです。同じテーマについて、ブログではこう書き、講義ではああ話し、本ではまた別の形でまとめていました。私自身の知識なのに、肝心の私自身も全体を一目で見渡せませんでした。
そこで決めました。"AIに私の15年を丸ごと渡そう。"

1日目:Keynoteファイル2,023件との格闘
試行錯誤の始まり
土曜日の朝7時。コーヒーを淹れてMacBookの前に座りました。計画はシンプルでした。私のすべての講義資料を、AIが検索できるデータベースに入れることです。技術的に言えばRAG(Retrieval-Augmented Generation)システムを構築することですが、簡単に言えば **"私の資料をすべて覚えているAIアシスタントを作ること"** です。
最初の関門はキーノートファイルでした。2,023件のキーノートをまずPDFに変換する必要がありました。Macのオートメーターでバッチ変換を試みました。最初は順調でした。100件、200件… しかし500件あたりで止まりました。ファイル名に特殊文字が入ったものがエラーを吐き出したのです。括弧、シャープ、アンパサンド — 15年間深く考えずに付けてきたファイル名が足を引っ張りました。
Claude Codeに聞きました。「特殊文字を含むファイル名も処理できる変換スクリプトを作って」。5分で解決しました。以前なら、スタックオーバーフローを調べながら半日はかかっていた作業です。
7万3千枚のスライド
PDFへの変換が終わり、各スライドからテキストを抽出しました。1ファイルあたり平均36枚。2,023件のファイルから 73,000枚分のスライドテキストが出てきました。
ところが、ここで問題が起きました。スライドの多くが "…"、ページ番号だけ、あるいは空のテキストでした。こうしたノイズが検索結果を汚染します。20文字未満の意味のないレコードを調べたところ 7,983件もありました。思い切って削除しました。
顧客フォルダ15年分
講義資料だけでは足りませんでした。導入企業ごとに整理したフォルダがあります。現代自動車、サムスン電子、LG、ポスコ… 各フォルダには研修提案書、オーダーメイドの研修プログラム、事前分析資料、契約書が入っています。
これらをすべてテキストとして抽出し、データベースに入れました。 67,000個のファイルチャンクが追加されました。夜11時、初日が終わりました。目はしょぼしょぼしていましたが、データベースに14万件のレコードが入ったのを見て、満ち足りた気持ちになりました。
2日目: 自分の人生すべてをデジタルへ
Googleの連絡先 8,590名
日曜日の朝、二日目が始まりました。今日の目標は、講義資料以外の すべてを取り込むことです。
まずはGoogleの連絡先。15年間、研修の現場で出会った方々の連絡先が8,590件あります。氏名、会社名、役職、メールアドレス — これらもベクトル化して取り込みました。今では「サムスン電子 マーケティングチーム 担当者」と検索すると、関連する連絡先が類似度順に表示されます。
ブログ、YouTube、そして書籍
以下はコンテンツです。
ネイバーブログ499件。 2012年から地道に書き続けてきたB2Bマーケティング、セールス、交渉に関する記事です。クローリングスクリプトを回してすべて収集し、ベクトル化しました。
YouTube動画215本。字幕を抽出し、メタデータとコメントもあわせて保存しました。動画で話した内容をテキストで検索できるようになりました。「B2Bマーケティングで顧客の信頼を築く方法」と検索すると、私が2024年の動画で解説した内容がヒットします。
Brunch記事200件。 よりエッセイ調で書いた記事です。マーケティングの動向、講義現場の話、1人企業の運営体験談。
私が執筆した本『B2Bマーケティング設計』。345チャンクに分割して取り込みました。これで、私の本の内容をAIが引用しながら回答できるようになりました。
ホームページのコラム10本。 ナヌム経営コンサルティングのホームページに掲載したコラムも漏れなく入っています。
夜になると、データベースにはこんな光景が広がりました:
データソース件数
| 講義スライド | 73,000枚 |
| 顧客ファイル | 67,000件 |
| Googleの連絡先 | 8,590名 |
| ブログ | 499個 |
| YouTube | 215件 |
| 本 | 345チャンク |
| Brunch | 200個 |
| ホームページのコラム | 10個 |
私の15年分の業務記録が、ひとつのデータベースに集まったものです。
3日目: AIに'意味'を教える
ベクトル化 — 単語ではなく意味を検索する
3日目の中心作業は ベクトル化でした。簡単に言えば、すべてのテキストにAIが理解できる'意味座標'を与えることです。
通常の検索はキーワード一致です。「マーケティング」と検索すると、「マーケティング」という単語を含む文書しか見つかりません。一方、ベクトル検索は違います。**「顧客に価値を届ける戦略」**と検索すると、「マーケティング」という単語がなくても、意味的に関連する講義資料、ブログ記事、YouTube字幕がすべて検索されます。
Voyage AIという埋め込みモデルを使いました。15万件を超えるテキストに1,024次元のベクトルを付与するのに数時間かかりましたが、結果は驚くべきものでした。
ハイブリッド検索の完成
ベクトル検索だけでは不十分でした。「現代WIA」や「サムスン電子」のような固有名詞は、意味検索よりも 正確なキーワード一致のほうが効果的です。そこで、ベクトル検索とキーワード検索を組み合わせたハイブリッド検索を実装しました。
意味的に似た内容はベクトルが探し、正確な名前や日付はキーワードが探します。一石二鳥というわけです。
カテゴリの自動分類
2,000件を超える講義を14のカテゴリに自動分類しました。B2Bマーケティング、AI、起業、TRIZ/創造力、リーダーシップ、交渉… タイトルのキーワードパターンを分析し、SQLを1回実行して分類を終えました。これで「AI関連の講義資料」だけを別に検索することも可能になりました。
"現代ウィア"、3文字の魔法
すべての設定が終わり、緊張しながら検索窓に **"現代ウィア"** と入力しました。
2.6秒。
画面に結果が溢れ出しました。
業種: 自動車部品製造業
現代自動車グループ傘下の主要部品供給会社
売上高: 1兆9,224億ウォン(約11,030,986万円)(前年同期比+0.7%)
営業利益率: 6.4%
新たな成長動力: 瑞山エンジン工場拡張、メキシコ工場進出…
顧客フォルダに3年前入れておいた分析資料が自動で表示されました。出典も表示されます: "顧客ファイル - 現代ウィア関連分析資料"。以前なら3〜4つのフォルダを探し回らなければ見つからなかった情報を、AIが2.6秒で整理してくれたのです。
さらに驚いたのは次のことでした。**"B2Bマーケティング戦略"**を検索しました。
私の講義資料から、関係中心マーケティングとソリューションマーケティングのスライドが表示されました。YouTubeで講義したB2Bマーケティング AtoZ動画の字幕も一緒に出てきました。顧客提案書で作成したマーケティング戦略の部分も加わりました。15年間、異なるメディアで異なる形で作ったコンテンツが、 ひとつの問いの下にきれいに整理されたのです。
この瞬間、私は気づきました。これは単なる検索ツールではありません。 15年間バラバラに散らばっていた私の知識のかけらが、ひとつにつながる経験でした。
変わった日常: Before & After
Before:提案書1本に半日
研修提案の依頼が入ったとき、次のような過程を経ました。
- 顧客企業の分析: ホームページ訪問、ニュース検索、既存資料の探索 — 1時間
- 最適な研修プログラムを探す:過去の類似研修の履歴を確認 — 30分
- 提案書作成:カリキュラム修正、講師プロフィール添付 — 1時間
- 提案メールの作成 — 30分
合計 3時間。これが毎週2〜3件ずつ繰り返されます。
After:30分で完了
今はこうなっています。
- RAGで "○○企業向けB2Bセールス研修" を検索 → 過去の類似研修履歴+関連資料を即座に確認 — 2分
- カリキュラム生成機(RAG連携)でオーダーメイドのカリキュラムを自動生成 — 5分
- 研修提案メール自動生成機(RAG連携)でメール作成 — 5分
- 確認・修正 — 15分
合計 30分。 6倍速くなりました。
でも、速さよりも重要なことがあります。 品質が上がったことです。 以前は記憶に頼り、"だいたいこんな内容だったはず…"と言いながら提案書を書いていました。今ではAIが私の15年分の資料から最も適した内容を探し出して提案してくれます。私の経験と知識を100%活かした提案書ができあがるのです。
予想外の発見
RAGを構築する中で、思いがけない発見がありました。
1. 自分がどれだけ多くのテーマを扱ってきたかが見えてきます
カテゴリの自動分類をしてみると、私の講義ポートフォリオが数字として見えてきました。
- B2Bマーケティング:1,854枚のスライド
- AI:2,010スライド
- 動画制作: 1,596スライド
- TRIZ/創造力: 984スライド
AI関連の講義資料が最も多いことを、初めて客観的に確認しました。今後の事業の方向性を定めるうえで重要なデータです。
2. 過去の私が、今の私を助けます
2015年に作った交渉の講義資料があります。正直なところ忘れていました。ところが、RAGで"交渉戦略"を検索すると、その資料が表示されました。読み返してみると、なかなか良い内容でした。現在の研修にすぐ再利用することができました。
これこそがRAGの隠れた価値です。 忘れ去られた資産をよみがえらせることです。
3. 画像がもたらす力
スライド画像まで含めて3万2千枚をアップロードしました。検索結果にテキストだけが出るのと、実際のスライド画像が一緒に出るのとでは天と地ほどの差があります。「あ、このスライド!」と、すぐに記憶がよみがえります。
一人企業のためのAIという武器
正直に告白すると、私は開発者ではありません。HTMLが何かは知っていますが、データベースを設計したりベクトル検索アルゴリズムを実装したりするのは、私の領域ではありませんでした。
ところが、Claude CodeというAIコーディングツールがすべてを変えました。私がしたことは **"こういう機能が必要だ"** と言うことだけです。データベース設計、ベクトルインデックスの作成、検索関数の最適化、フロントエンド開発 — これらすべてをAIと対話しながら作りました。
月額の費用を計算してみました。
項目費用
| Supabase Pro(データベース) | $25/月 |
| GitHub Pro (コードホスティング) | $4/月 |
| Voyage AI (ベクトル埋め込み) | 無料 (200Mトークン) |
| 合計 | $29/月 |
コーヒー5杯分の値段で、15年分の知識を24時間働くAIアシスタントに任せたようなものです。
1人企業なので何もかも一人でこなさなければならないのが弱点だと考えていました。ところが、AIと一緒にやってみると、一人だからむしろ速いのです。 稟議を上げる必要もなく、会議をする必要もなく、IT部門に依頼書を書く必要もありません。"これを作って"と言えば30分以内に出てきます。必要なら、すぐ作り、すぐ使い、すぐ直します。
企業研修の現場で感じる変化
私は毎週、企業でAI、B2Bマーケティング、セールス研修を行っています。研修の現場で受講者にこのRAGシステムを見せると、反応は二つに分かれます。
一つ目: 「うちの会社でも、これは作れますか?」
二つ目: "これを一人で作ったんですか?"
大手企業はすでに社内RAGシステムを構築しています。しかし中小企業や一人企業は、手が出せないケースが多いのが現状です。費用も心配ですし、技術的にも難しそうに見えますから。
私がこの経験を共有する理由はここにあります。 月3万ウォン(約3,590円)で十分です。開発者でなくても構いません。 AIコーディングツールがあれば大丈夫です。大切なのは技術ではなく、**「自分のデータをどう活用するか」**についての視点です。
15年間積み上げてきた講義資料、提案書、顧客データ、ブログ記事 — これらはハードディスクに眠っている限り、何の価値もありません。AIに読み込ませた瞬間、 生きて動く知識資産になります。
エピローグ: 3日が変える15年
通話録音の自動文字起こし、Facebook投稿の連携、LinkedInニュースレターの連携が待機中です。ここまで入ると、私が15年間 作り、書き、話し、共有したすべてのことをAIが記憶するようになります。
先日、受講生のお一人が研修の後にこうおっしゃいました。
"代表は、AIを学ぶのではなく、AIと一緒に働く方法を教えてくださるんですね。"
そのとおりです。AIは道具です。道具は使う人によって価値が変わります。15年の経験がある人がAIと出会えば、その経験は何倍にも増幅されます。経験なしにAIだけを持ち出して使うと? 中身のない殻です。
AI時代の本当の競争力は、蓄積された経験 × AI活用能力です。
私の3日間は、その掛け算の始まりでした。
To be continued