# FAQ: Batch Assessment — what it solves and when to use it

> Questions and answers on what AskDona Batch Assessment (SaaS) can do for checklist, audit, vendor and compliance assessments, and when manual review or RAG chat is the better choice.

- 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-batch-assessment-use-cases.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.

## What it can solve (解決できること)

### Q: 証拠が足りないとき、未対応と判断不可を分けて評価できますか？

**Answer (English)**

AskDona can distinguish “Unable to determine” from “Not implemented” when an assessment lacks some of the required evidence. Adding an “Unable to determine” option prevents the AI from forcing a conclusion. The documentation provides input examples with specific decision criteria—instructions to the LLM—for options such as “Not implemented” and “Unable to determine.” It also specifies the outputs: the result (Implemented / Not implemented / Not applicable / Unable to determine), a comment, an evidence excerpt, and the source. As the final user task, the documented workflow calls for staff to manually review only the items marked “Unable to determine” or “Not implemented” and make the final decision.

**回答（日本語）**

AskDonaは、証拠が一部不足した評価票において「判断不可」の選択肢を設定することで、AIが無理な結論を出すことを防ぎ、「未対応」と分けて評価する支援が可能です。ドキュメントに、評価選択肢の設定（入力例）として「未対応」や「判断不可」の具体的な判定基準（LLMへの指示）が示されています。また、ドキュメントには、判定結果（対応済み / 未対応 / 対象外 / 判断不可）、コメント、引用（エビデンス）、参照元が出力されること（出力例）が明記されています。さらに、利用者が最終的に行う作業として、ドキュメントにおいて、担当者は「判断不可」「未対応」の項目だけを目視レビュー（最終判断）することが示されています。

### Q: 複数システムを同じ基準で評価し、作業をそろえる方法はありますか？

**Answer (English)**

The documentation describes a concrete use case for assessing multiple systems against common criteria: a self-assessment of 400 security requirements across 100 internal systems. The inputs are each system's design documents and operating procedures, registered in the RAG database, plus an uploaded Excel file containing the 400 assessment items. The AI agent evaluates the items and exports the results to Excel with comments and evidence. The final user task is to manually review only the items marked “Unable to determine” or “Not implemented.” The documentation also explicitly identifies the output fields: result, comment, evidence excerpt, and source.

**回答（日本語）**

ドキュメントにおいて、複数システムの評価（社内100システムについてセキュリティ要件400項目の自己点検）を、システム別の設計書と共通基準から支援する具体的なユースケースが記載されています。そこでは、入力例として「各システムの設計書・運用手順書」をRAGデータベースに登録し「評価項目400件入りのExcel」をアップロードすること、出力例として「AIエージェントが自動判定し、コメント・エビデンス付きでExcel出力」すること、そして利用者が最終的に行う作業として「『判断不可』『未対応』の項目だけを目視レビュー」することが具体的に示されています。また、出力される具体的な情報（判定結果、コメント、引用、参照元）についてもドキュメントに明記されています。

### Q: 部署ごとに同じ点検をしているため、評価の進め方を統一したいです。

**Answer (English)**

The documentation gives a concrete cross-departmental assessment example: quarterly internal-control checks using each department's operating procedures and operational records as evidence, together with a common Excel checklist. It specifies these inputs and an Excel report containing results, comments, evidence excerpts, and sources. The final user tasks are to manually review items marked “Not implemented” or “Unable to determine” and track corrective actions.

**回答（日本語）**

ドキュメントにおいて、各部門の業務手順書や運用記録（部門別の証跡）とチェックリストExcel（共通評価票）を用いた「部門横断の評価」の具体的なユースケース（四半期ごとの内部統制チェック）が示されています。また、入力例として「各部門の業務手順書・運用記録」や「チェックリストExcel」、出力例として「判定結果、コメント、引用、参照元」が出力されたExcelレポート、利用者が最終的に行う作業として「『未対応』『判断不可』の目視レビュー」や「是正アクションのトラッキング」が具体的に説明されています。

### Q: AIに一次評価を任せる場合、人は何を確認すればよいですか？

**Answer (English)**

The documentation explains how AskDona supports an AI-led initial assessment followed by a human final decision, with input examples, output examples, and the user's remaining tasks. The AI agent evaluates each item and produces comments, evidence excerpts, and sources. The user then makes the final decision by manually reviewing only selected items, such as those marked “Unable to determine” or “Not implemented.”
Inputs include an Excel file containing assessment items, documents registered in the RAG database—such as design documents, operating procedures, and contract PDFs—and answers entered in the input flow. The four output fields are the result (for example, Implemented / Not implemented / Not applicable / Unable to determine), a comment explaining the decision, an evidence excerpt, and the source filename.

**回答（日本語）**

ドキュメントにおいて、AskDonaが「一次評価と最終判断」をどのように支援するか、その入力例・出力例、および利用者が最終的に行う作業が明確に説明されています。具体的には、AIエージェントが各評価項目を自動判定する「一次評価」を行い、コメント、エビデンス（引用）、参照元を出力します。利用者は、AIが「判断不可」や「未対応」などと判定した特定の項目のみを目視レビューする「最終判断」を行います。入力例としては、評価項目が含まれるExcelファイルや、RAGデータベースに登録された設計書・運用手順書、契約書PDFなどのドキュメント、入力フローでの回答が挙げられます。出力例としては、判定結果（対応済み/未対応/対象外/判断不可など）、コメント（判定理由）、引用（エビデンス）、参照元（ファイル名）の4点が出力されます。

### Q: なぜその評価になったのか、第三者に説明できる形で残せますか？

**Answer (English)**

According to the documentation, AskDona Batch Assessment supports explanations of assessment decisions by producing four fields for every item: the result; a comment explaining the reasoning; an evidence excerpt from the information used to reach the decision; and the source filename. Inputs include an Excel file containing assessment items and evidence documents registered in the RAG database, such as design documents, operating procedures, and contract PDFs. Outputs, including Excel reports, contain results such as Implemented / Not implemented / Not applicable / Unable to determine, comments, evidence excerpts, and sources. The user's final task is to manually review only items such as those marked “Unable to determine” or “Not implemented” and make the final decision.

**回答（日本語）**

ドキュメントによれば、AskDonaのBatch Assessment機能は、各評価項目に対して「判定結果」「コメント（判定に至った理由の説明）」「引用（エビデンス：判定の根拠となった情報源からの引用）」「参照元（判定に使用されたファイル名）」を出力することで、判定理由の説明を支援します。入力例としては、評価項目が入ったExcelファイルや、RAGデータベースに登録された設計書・運用手順書、契約書PDFなどの証跡文書が挙げられます。出力例としては、判定結果（対応済み／未対応／対象外／判断不可など）、コメント、引用／エビデンス、参照元がExcel等に出力されます。利用者が最終的に行う作業は、「判断不可」や「未対応」などの項目だけを目視レビュー（最終判断）することです。

### Q: 監査で根拠資料を毎回探しています。評価結果と一緒に整理できますか？

**Answer (English)**

The documentation describes how AskDona Batch Assessment helps prepare supporting materials for audits and assessments. Inputs include design documents and operating procedures, or business procedures and operational records, registered in the RAG database, plus an uploaded Excel file containing audit items. The AI's results are written to four specified Excel columns: result (Implemented / Not implemented / Not applicable / Unable to determine), comment explaining the decision, evidence excerpt, and source filename. The final user tasks are to manually review only items marked “Unable to determine” or “Not implemented” and export all assessment results as an Excel report.

**回答（日本語）**

ドキュメントには、AskDonaのBatch Assessment機能を用いて監査やアセスメントの提出資料準備を支援する具体的な方法が記載されています。入力例として、証跡となる「設計書・運用手順書」や「業務手順書・運用記録」をRAGデータベースに登録し、監査項目が記載された「Excelファイル」をアップロードすることが示されています。出力例として、AIが自動判定した「判定結果（対応済み/未対応/対象外/判断不可）」、「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）」の4項目がExcelの指定列に出力されます。利用者が最終的に行う作業として、AIが「判断不可」や「未対応」と判定した項目のみを目視レビューすること、およびExcelでアセスメント結果をレポートとして一括出力することが具体的に示されています。

### Q: 委託先から提出された文書を、共通基準で一次評価できますか？

**Answer (English)**

AskDona Batch Assessment can support initial vendor assessments. Cases 1 and 2 in the documentation explicitly describe inputs, outputs, and the user's final tasks. Users register the vendor's design documents, operating procedures, and other materials in the RAG database and upload an Excel file containing assessment items. The AI evaluates each item and exports the result, comment, evidence excerpt, and source to Excel. Staff then manually review only items marked “Unable to determine” or “Not implemented,” or equivalent categories such as “Below standard” or “Further confirmation required,” and follow up with the vendor as needed.

**回答（日本語）**

AskDonaのBatch Assessment機能を用いることで、委託先の一次評価を支援可能です。ドキュメントの【ケース1】および【ケース2】に、入力例、出力例、利用者が最終的に行う作業が明確に記載されています。具体的には、入力例として委託先の設計書・運用手順書などのドキュメントをRAGデータベースに登録し、評価項目入りのExcelをアップロードします。出力例として、AIが各項目について判定し、判定結果、コメント、引用（エビデンス）、参照元をExcelに出力します。利用者が最終的に行う作業として、「判断不可」や「未対応」（または「基準未満」「追加確認が必要」）と判定された項目のみを目視レビューし、ベンダーへ追加質問等を行います。

### Q: 大量の設計運用文書から、システムリスクの評価を効率化する方法はありますか？

**Answer (English)**

The documented use case “Case 1: Annual system risk assessment” gives concrete examples of how AskDona supports assessment using design documents, operating procedures, and an assessment-item list.
- Inputs: Each system's design documents and operating procedures, registered in the RAG database, plus an Excel file containing the assessment items.
- Outputs: An Excel file containing the AI agent's assessment results, comments, evidence excerpts, and sources.
- Final user task: Manually review only items marked “Unable to determine” or “Not implemented” and make the final decision.
The example therefore specifies the inputs, outputs, and work that remains with the user.

**回答（日本語）**

ドキュメントの「【ケース1】年1回のシステムリスクアセスメント」において、設計書・運用手順書と評価項目を用いたシステムリスク評価の支援内容が具体的に示されています。

・入力例：各システムの「設計書・運用手順書」（RAGデータベースに登録）および「評価項目が入ったExcel」
・出力例：AIエージェントによる自動判定結果、コメント、引用（エビデンス）、参照元が記載されたExcel出力
・利用者が最終的に行う作業：「判断不可」や「未対応」の項目だけを目視レビュー（最終判断）する

このように、入力例、出力例、利用者が最終的に行う作業が具体的に示されています。

### Q: 対策方針だけでなく、実施している証拠まで照合できますか？

**Answer (English)**

The documentation gives concrete examples of how AskDona supports the assessment of security-control evidence from policies and operational materials, including design documents, operating procedures, business procedures, and operational records.
Inputs: Register the documents to be assessed in the RAG database and upload an Excel checklist containing the assessment items.
Outputs: The AI agent evaluates the items and writes four fields to Excel: result (Implemented / Not implemented / Not applicable / Unable to determine), comment explaining the decision, evidence excerpt from the source used to reach it, and source filename.
Final user task: After the AI's initial assessment, staff manually review only items marked “Unable to determine” or “Not implemented” and make the final decision.

**回答（日本語）**

ドキュメントにおいて、AskDonaが規程や運用証跡（設計書・運用手順書、業務手順書・運用記録など）からセキュリティ対策の証拠を評価・支援する具体的な方法、入力例、出力例、および利用者が最終的に行う作業が明確に示されています。
入力例：評価対象となる「設計書・運用手順書」や「業務手順書・運用記録」をRAGデータベースに登録し、評価項目が記載された「Excelファイル（チェックリスト）」をアップロードします。
出力例：AIエージェントが自動判定を行い、Excelファイルに「判定結果（対応済み / 未対応 / 対象外 / 判断不可）」「コメント（判定理由）」「引用 / エビデンス（判定の根拠となった情報源からの引用）」「参照元（ファイル名）」を出力します。
利用者が最終的に行う作業：AIによる一次評価の後、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、最終判断を行います。

### Q: 委託先をどう評価したか、社内の承認者に根拠付きで説明したいです。

**Answer (English)**

The documentation provides specific inputs, outputs, and final user tasks for explaining third-party assessments with AskDona Batch Assessment.
- Inputs: Register the documents to be assessed, such as design documents, operating procedures, and internal security standards, in the RAG database. Upload an Excel file containing assessment items, such as a security questionnaire.
- Outputs: An Excel file containing the result (for example, Implemented / Not implemented / Not applicable / Unable to determine), a comment explaining the decision, an evidence excerpt from the information used, and the source filename.
- Final user task: Manually review only items marked “Unable to determine,” “Not implemented,” “Below standard,” or “Further confirmation required,” and make the final decision.

**回答（日本語）**

AskDonaのBatch Assessment機能において、「第三者評価の説明」を支援する具体的な入力例、出力例、および利用者が最終的に行う作業について、ドキュメントに明確な言及があります。

- 入力例：評価対象のドキュメント（設計書・運用手順書、自社のセキュリティ基準ドキュメントなど）をRAGデータベースに登録し、評価項目が入ったExcelファイル（セキュリティチェックシートなど）をアップロードします。
- 出力例：判定結果（対応済み / 未対応 / 対象外 / 判断不可など）、コメント（判定に至った理由の説明）、引用/エビデンス（判定の根拠となった情報源からの引用）、参照元（判定に使用されたファイル名）がExcelに出力されます。
- 利用者が最終的に行う作業：「判断不可」「未対応」や「基準未満」「追加確認が必要」の項目だけを目視レビュー（最終判断）することです。

### Q: 各部署の手順が社内基準に沿っているか、AIで一次確認できますか？

**Answer (English)**

AskDona's Batch Assessment supports a division of responsibilities in which AI performs an initial assessment of compliance with internal standards and the person responsible makes the final decision. Its scope, example inputs and outputs, and the user's remaining tasks are outlined below.
Scope and example inputs
- Register each department's procedures and operational records in the RAG database, then upload an Excel checklist to Batch Assessment. AI automatically assesses each item.
- Alternatively, register the company's internal policies and requirements in the RAG database and upload Excel checklists collected from departments to assess them against those standards.
Example outputs
The results screen and Excel output contain four fields:
- Result, such as Implemented / Not implemented / Not applicable / Unable to determine, or Meets the standard / Below the standard / Further confirmation required / Unable to determine.
- Comment explaining the assessment.
- Evidence excerpt from the information supporting the assessment.
- Source: the filename used in the assessment.
What the user does next
- The person responsible focuses manual review and final decisions only on items marked Unable to determine or Not implemented, or Below the standard or Further confirmation required.
- Items marked Not implemented are passed on for corrective-action tracking or followed up with additional questions.

**回答（日本語）**

AskDonaのBatch Assessment機能を用いることで、社内基準への準拠状況をAIが一次評価し、担当者が最終判断を行う分業モデルを構築できます。具体的な支援範囲、入力例、出力例、および利用者が最終的に行う作業は以下の通りです。
支援できる範囲と入力例
- 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、チェックリストExcelをBatch Assessmentにアップロードすることで、AIが各項目について自動判定を行います。
- または、自社の社内規定や要求事項一覧（社内基準）をRAGデータベースに登録し、各部門から回収したチェックシートExcelをアップロードして、自社基準と照らし合わせた判定を行うことも可能です。
出力例
アセスメント結果として、以下の4つの情報がExcelや結果画面に出力されます：
- 判定結果（例：「対応済み / 未対応 / 対象外 / 判断不可」や「基準を満たす / 基準未満 / 追加確認が必要 / 判断不可」）
- コメント（判定に至った理由の説明）
- 引用 / エビデンス（判定の根拠となった情報源からの引用）
- 参照元（判定に使用されたファイル名）
利用者が最終的に行う作業
- 担当者は、AIが判定した結果のうち「判断不可」や「未対応」（または「基準未満」「追加確認が必要」）となった項目のみに集中して目視レビュー（最終判断）を行います。
- 「未対応」項目については是正アクションのトラッキングに回す、あるいは追加質問を行うなどの対応を行います。

### Q: 規格要求と自社文書のギャップを、根拠付きで一覧にできますか？

**Answer (English)**

The documentation describes how AskDona's Batch Assessment supports assessment work, including identifying gaps against standards and requirements. It provides example inputs and outputs and explains what the user must do afterward.
- Example inputs: Register the company's documents to be assessed, such as design documents, operating procedures, and internal policies, in the RAG database. Upload an Excel file containing assessment items, such as the requirements of a standard.
- Example outputs: For each item, the AI agent writes four fields to Excel: Result, such as Implemented / Not implemented / Not applicable / Unable to determine; Comment explaining the assessment; Evidence excerpt from the supporting source; and Source, identifying the filename used.
- What the user does next: Manually review only the initial AI results marked Unable to determine or Not implemented, make the final decisions, and track corrective actions.

**回答（日本語）**

ドキュメントにおいて、AskDonaの「Batch Assessment」機能を用いたアセスメント業務（規格や基準とのギャップ整理など）の支援内容、入力例、出力例、および利用者が最終的に行う作業が具体的に説明されています。

- 入力例：評価対象となる自社文書（設計書・運用手順書、社内規定など）をRAGデータベースに登録し、規格要求事項などの評価項目が記載されたExcelファイルをアップロードします。
- 出力例：各評価項目に対して、AIエージェントが自動判定した「判定結果（対応済み／未対応／対象外／判断不可など）」、「コメント（判定理由の説明）」、「引用／エビデンス（判定の根拠となった情報源からの引用）」、「参照元（判定に使用されたファイル名）」がExcelファイルに出力されます。
- 利用者が最終的に行う作業：AIによる一次評価結果のうち、「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、最終判断や是正アクションのトラッキングを行います。

### Q: 監査前に、文書で確認できる項目だけでも先に点検したいです。

**Answer (English)**

The documentation explicitly describes how AskDona's Batch Assessment supports pre-audit self-checks, including system risk assessments and internal control checks. It gives example inputs and outputs and specifies the user's remaining tasks.
- Example inputs: Register each system's design documents and operating procedures, or business procedures and operational records used as internal evidence, in the RAG database. Upload an Excel file containing the assessment or audit items. Before running the assessment, answer the preliminary questions in the input flow.
- Example outputs: The AI agent automatically assesses each item and produces a Result—Implemented / Not implemented / Not applicable / Unable to determine—together with a Comment explaining the assessment, an Evidence excerpt, and the Source filename. These can be output to Excel or other result views.
- What the user does next: Following the initial AI assessment, the person responsible manually reviews and makes final decisions only on items marked Unable to determine or Not implemented.

**回答（日本語）**

ドキュメントにおいて、AskDonaのBatch Assessment機能を用いた「監査前の自己点検（システムリスクアセスメントや内部統制チェック）」の支援内容、入力例、出力例、および利用者が最終的に行う作業が明確に示されています。

具体的には、以下の通りです：
- 入力例：各システムの設計書・運用手順書や業務手順書・運用記録（社内証跡）をRAGデータベースに登録し、評価項目（監査項目）が入ったExcelファイルをアップロードします。また、実行前に入力フロー（事前質問）への回答を行います。
- 出力例：AIエージェントが各項目を自動判定し、判定結果（対応済み / 未対応 / 対象外 / 判断不可）、コメント（判定理由の説明）、引用（エビデンス）、参照元（ファイル名）を付与してExcel等に出力します。
- 利用者が最終的に行う作業：AIによる一次評価の後、担当者は「判断不可」や「未対応」と判定された項目のみを目視でレビュー（最終判断）します。

### Q: 契約書が社内チェック項目に沿うか、確認の下準備をAIでできますか？

**Answer (English)**

The documentation's contract review checklist example, Case 4, explicitly describes support for an initial review of contract terms using a contract PDF and an Excel legal checklist. Example inputs are a contract PDF and an Excel checklist with 50 legal checks, such as whether an NDA clause is present, whether Japanese law governs the contract, and whether liability is capped. The AI agent returns Clause present / Clause absent / Review required, along with the four documented output fields: Result, Comment, Evidence excerpt, and Source. The user's remaining task is to focus the review only on items marked Clause absent or Review required.

**回答（日本語）**

ドキュメントにおいて、契約書レビューチェックリストのユースケース（ケース4）として、契約書PDFと法務チェック項目Excelを用いた「契約条件の一次確認」の支援について明確に言及されています。入力例として「契約書PDF」と「法務チェック項目Excel（NDA条項あるか、準拠法は日本か、損害賠償上限はあるか…等50項目）」、出力例としてAIエージェントによる「条項あり / 条項なし / 要確認」の判定、およびドキュメントに示される「判定結果」「コメント」「引用（エビデンス）」「参照元」の出力、そして利用者が最終的に行う作業として「『条項なし』『要確認』だけに集中してレビュー」することが具体的に示されています。

### Q: 調査で分かったことと、まだ分からないことを分けて整理できますか？

**Answer (English)**

The documentation explicitly explains how to configure the system to identify unresolved issues when information is insufficient, what the output contains, and what the user must do afterward. Including Unable to determine among the result options prevents a forced assessment when information is missing. The result is output with comments and evidence excerpts, and the user then manually reviews those items.

**回答（日本語）**

ドキュメントにおいて、情報が不足している場合に「未解決点」を明示するための設定方法（入力例）、出力される項目（出力例）、および利用者が最終的に行う作業について明確に言及されています。具体的には、評価選択肢に「判断不可」を設定することで情報不足時の無理な判定を防ぎ、判定結果やコメント、引用などの形で出力し、最終的に利用者がそれらの項目を目視レビューする流れが示されています。

### Q: 自社環境でAIを動かす場合、利用部門とIT部門は何を担当しますか？

**Answer (English)**

AskDona's Batch Assessment substantially reduces operational workload through its implementation setup and the rule that AI performs the initial assessment while people make final decisions. For recurring checks involving hundreds or thousands of items, automated initial assessment reduces effort and makes results more consistent across reviewers.
Example inputs
- An Excel file containing assessment items, such as 400 security requirements or a vendor security questionnaire with 200 items.
- Documents registered in the RAG database, such as design documents, operating procedures, and internal policies.
- Answers to the input flow at execution, such as selecting the system to assess or answering whether it handles personal information: Yes / No.
Example outputs
- An Excel report containing the assessment results.
- Four fields for each item: Result, such as Implemented / Not implemented / Not applicable / Unable to determine; Comment explaining the assessment; Evidence excerpt from the supporting source; and Source filename.
What the user does next
- Manually review and make final decisions only on items marked Unable to determine, Not implemented, Below the standard, Further confirmation required, Clause absent, Review required, or similar results.
- Ask vendors follow-up questions or track corrective actions as needed.

**回答（日本語）**

AskDonaのBatch Assessment機能は、導入構成と運用ルール（「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、運用担当の負担を大幅に軽減します。具体的には、数百〜数千の評価項目を定期的にチェックする業務において、AIが自動で一次評価を行うことで工数を大幅に削減し、判定のばらつきを減らして一貫性を確保します。

具体的な入力例、出力例、利用者が最終的に行う作業は以下の通りです。

- 入力例：
  - 評価項目が記載されたExcelファイル（例：セキュリティ要件400項目、取引先のセキュリティチェックシート200項目など）。
  - RAGデータベースに登録するドキュメント（設計書、運用手順書、社内規定など）。
  - 実行時の入力フローへの回答（例：「評価対象のシステムを選択してください」「このシステムは個人情報を取り扱っていますか？（はい / いいえ）」など）。
- 出力例：
  - 評価結果が書き込まれたExcelファイル（レポート）。
  - 各評価項目に対して、以下の4つの情報が出力されます：
    - 判定結果（例：対応済み／未対応／対象外／判断不可など）
    - コメント（判定理由の説明文）
    - 引用 / エビデンス（判定の根拠となった情報源からの引用）
    - 参照元（判定に使用されたファイル名）
- 利用者が最終的に行う作業：
  - AIが自動判定した結果のうち、「判断不可」「未対応」「基準未満」「追加確認が必要」「条項なし」「要確認」などの項目だけを目視レビュー（最終判断）する。
  - 必要に応じて、ベンダーへの追加質問や、是正アクションのトラッキングを行う。

### Q: デモ用の資料でなく、自分たちの資料でAIの回答を試せますか？

**Answer (English)**

The documentation gives concrete examples of how AskDona supports validation using the user's own materials, including inputs, outputs, and the user's remaining tasks.
Example inputs
Register and process available materials—such as company design documents, operating procedures, internal policies or requirements, and contract PDFs—in the RAG database. Upload an Excel checklist of assessment items to Batch Assessment.
Example outputs
The AI agent automatically assesses each item and exports four fields together to Excel:
- Result: Implemented / Not implemented / Not applicable / Unable to determine, or options such as Meets the standard / Below the standard / Further confirmation required.
- Comment explaining the assessment.
- Evidence excerpt from the supporting information.
- Source filename used in the assessment.
What the user does next
The model assigns the initial assessment to AI and the final decision to a person. Users focus manual review and final decisions only on specified results, such as Unable to determine, Not implemented, Below the standard, and Review required.

**回答（日本語）**

ドキュメントにおいて、AskDonaが「手元の資料で検証」をどのように支援できるか、入力例、出力例、および利用者が最終的に行う作業が具体的に示されています。
手元の資料での検証支援（入力例）
利用者は、自社の設計書・運用手順書、社内規定（要求事項一覧）、契約書PDFなどの手元の資料をRAGデータベースに登録・処理し、評価項目（チェックリスト）が記載されたExcelファイルをBatch Assessmentにアップロードします。
AIによる自動判定（出力例）
AIエージェントが各評価項目について自動判定を行い、以下の4つの情報をExcelファイルに一括出力します。
- 判定結果：対応済み / 未対応 / 対象外 / 判断不可（または基準を満たす / 基準未満 / 追加確認が必要など）
- コメント：判定に至った理由の説明
- 引用（エビデンス）：判定の根拠となった情報源からの引用
- 参照元：判定に使用されたファイル名
利用者が最終的に行う作業
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ています。利用者は、AIが判定した結果のうち「判断不可」「未対応」「基準未満」「要確認」といった特定の項目だけを集中的に目視でレビューし、最終判断を行います。

### Q: 例外や前提条件も含めて、AIに正確に説明してもらうにはどうすればよいですか？

**Answer (English)**

Answer: The feature can automatically exclude items and fill in the reason.
Basis: Step 5, Item Filters, explains how to mark items Not applicable automatically based on input-flow answers. For example, answering No to “Does it support mobile devices?” can produce “Mark this item Not applicable; reason: mobile devices are not supported.”

**回答（日本語）**

【回答】自動除外や理由の自動入力まで支援可能。
【根拠】ドキュメントの「ステップ5：項目フィルタ」において、入力フローの回答に基づき項目を自動的に対象外に除外する設定が説明されており、入力例「モバイルデバイスに対応していますか？＝いいえ」に対し、出力例「この項目を対象外とする（理由：モバイル非対応のため）」が示されています。

### Q: 数百項目のチェックリストを、社内資料と一つずつ照合しています。効率化できますか？

**Answer (English)**

Answer: Concrete examples cover inputs, outputs, and the user's final tasks.
Basis: Case 1 explicitly describes inputs such as design documents and Excel files, Excel outputs with comments and evidence, and final tasks such as manual review.

**回答（日本語）**

【回答】入力・出力例、最終作業を含め具体的に示せます。
【根拠】ドキュメントの「ケース1」に、設計書やExcelの入力、コメント・エビデンス付きExcelの出力、目視レビュー等の最終作業が明記されています。

### Q: 今のExcel評価票を作り直さずに、AIで一次評価できますか？

**Answer (English)**

Answer: Upload Excel, receive automatically assessed results, and complete the work through manual review.
Basis: Case 1, the annual system risk assessment, explains that uploading an Excel file of assessment items produces AI-assessed Excel results with comments and evidence. The person responsible manually reviews only items marked Unable to determine or Not implemented. The documentation also states that an existing Excel file can serve as the template for results, comments, and other output fields.

**回答（日本語）**

【回答】Excelをアップし自動判定を出力、目視レビューのみで支援可能。
【根拠】ドキュメントの「【ケース1】年1回のシステムリスクアセスメント」によれば、評価項目入りのExcelをアップロードすると、AIが自動判定しコメント・エビデンス付きでExcel出力します。担当者は「判断不可」「未対応」の項目だけを目視レビューします。また、ドキュメントによれば、既存のExcelをテンプレートとして判定結果やコメント等を出力できます。

### Q: AIに質問を一つずつ貼り付けるのが大変です。一括で回答案を作れますか？

**Answer (English)**

Answer: Import items together from Excel, export results and related fields to Excel, and review them manually.
Basis: The creation instructions describe uploading an Excel file of assessment items and extracting them together by dragging across the relevant cells in the preview. Documented use cases include an Excel file with 400 security requirements. AI automatically assesses the items and exports results with comments and evidence. Users manually review only items such as Unable to determine and Not implemented. The four output columns are Result, Comment, Evidence excerpt, and Source.

**回答（日本語）**

【回答】Excelから一括投入し、判定結果等をExcel出力して目視レビューする。
【根拠】ドキュメントの「新規アセスメントの作成手順」によれば、評価項目が含まれたExcelファイルをアップロードし、プレビュー上でドラッグ選択して一括抽出します。ドキュメントの「ユースケース」によれば、入力例としてセキュリティ要件400項目等のExcelがあり、AIが自動判定してコメント・エビデンス付きでExcel出力します。利用者は「判断不可」「未対応」等の項目だけを目視レビューします。出力項目は判定結果、コメント、引用、参照元の4列です。

### Q: 評価の根拠が設計書と運用手順に分かれています。まとめて確認できますか？

**Answer (English)**

Answer: The documentation explicitly covers this topic.
Basis: Case 1, the annual system risk assessment, gives concrete details of support for finding evidence across multiple documents, including design documents and operating procedures. It specifies example inputs and outputs and the user's remaining tasks.

**回答（日本語）**

【回答】明確に言及している情報がある
【根拠】ドキュメントの「【ケース1】年1回のシステムリスクアセスメント」において、設計書と運用手順書を用いた複数文書の証拠探索（アセスメント）の支援内容、入力例、出力例、および利用者が最終的に行う作業が具体的に記載されています。

### Q: 評価結果だけでなく理由も一覧にして、確認しやすくしたいです。

**Answer (English)**

According to the documentation, Batch Assessment uses an assessment AI agent to automatically assess many predefined items. The example input and output is an Excel file that serves both as the source of assessment items and as the result template. Preparing columns for Result, Comment, Evidence excerpt, and Source beforehand is recommended. The use cases explicitly describe the user's final task as focusing review on specific AI results, such as Review required.

**回答（日本語）**

ドキュメントによれば、AskDonaの「Batch Assessment」機能は、あらかじめ定義した多数の評価項目に対して評価AIエージェントが自動で判定を行う機能です。また、ドキュメントによれば、入力例および出力例として、評価項目の入力元であり評価結果の出力先（テンプレート）ともなるExcelファイルが示されており、あらかじめ「判定結果、コメント、引用、参照元」を記入するための列を用意しておくことが推奨されています。さらに、ドキュメントのユースケースによれば、利用者が最終的に行う作業として、AIエージェントが判定した結果のうち「要確認」などの特定の項目に集中してレビューを行うことが具体的に示されています。

### Q: 大量の評価項目で未処理や確認漏れが出ます。見えるようにできますか？

**Answer (English)**

Answer: The documentation explicitly covers this topic.
Basis: Cases 1 and 4 provide concrete example inputs, such as design documents and Excel files; outputs, such as assessment results and Excel files with comments and evidence; and final user tasks, such as manually reviewing items marked Unable to determine or Not implemented.

**回答（日本語）**

【回答】明確に言及している情報がある。
【根拠】ドキュメントの「ケース1」や「ケース4」において、入力例（設計書やExcel）、出力例（コメント・エビデンス付きExcel、判定結果）、利用者が最終的に行う作業（「判断不可」や「未対応」等の目視レビュー）が具体的に示されています。

### Q: 自社独自の「適合・不適合・対象外」などの区分で、AIに評価させられますか？

**Answer (English)**

Answer: Custom result categories can be configured and exported together to an Excel assessment form.
Basis: In Step 6, Result Options, Add option lets users define custom categories and assessment criteria. Step 7 assigns the Excel output columns. Result, Comment, Evidence excerpt, and Source can then be exported together to Excel, and users review this initial assessment.

**回答（日本語）**

【回答】独自の判定区分を設定し、Excel評価票へ一括出力できます。
【根拠】ドキュメントの「ステップ6：評価選択肢」によれば、「＋ 選択肢追加」で独自の判定区分と判定基準を設定できます。また、ステップ7でExcelの出力列を指定し、ドキュメントの通り判定結果、コメント、引用、参照元をExcelで一括出力できます。利用者はこの一次評価結果を確認・レビューします。

### Q: 評価基準が曖昧で人によって判断が違います。AI活用の前に何を決めるべきですか？

**Answer (English)**

Answer: Configure assessment criteria, then manually review the automatically generated results.
Basis: Step 6, Result Options, defines criteria for categories such as Implemented and Unable to determine. Step 7, Output Settings, configures the four output columns: Result, Comment, Evidence excerpt, and Source. Case 1 states that users manually review only items marked Unable to determine or Not implemented.

**回答（日本語）**

【回答】判定基準を設定し自動出力された結果を目視レビューする形で支援
【根拠】ドキュメントのステップ6「評価選択肢」にて判定基準（例：対応済み、判断不可など）を設定し、ドキュメントのステップ7「出力設定」で判定結果、コメント、引用、参照元の4列を出力設定します。ドキュメントのケース1によれば、利用者は「判断不可」や「未対応」の項目のみを目視レビューします。

### Q: 対象外の項目を不適合と判定しないように、AIの評価条件を設定できますか？

**Answer (English)**

Answer: Items can automatically be excluded as Not applicable based on input-flow answers.
Basis: Step 4, Input Flow, and Step 5, Item Filters, explain how answers can trigger exclusion rules. For example, answering No to “Does it support mobile devices?” can automatically mark matching items Not applicable, with the reason “Mobile devices are not supported.”

**回答（日本語）**

【回答】入力フローの回答に基づき自動で対象外に除外可能。
【根拠】ドキュメントの「ステップ4：入力フロー」および「ステップ5：項目フィルタ」によれば、入力フローの回答（例：「モバイルデバイスに対応していますか？」が「いいえ」）に基づき、条件に合致した項目を自動的に「対象外」として除外（例：理由「モバイル非対応のため」）する設定が可能です。

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

### Q: 「判断不可の扱い」には、担当者の個別判断と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explains how handling “Unable to determine” results in AskDona Batch Assessment differs from case-by-case human judgment, when it is useful, and when another approach is preferable.
What changes with the same documents and task
- AI performs the initial assessment and people make the final decisions. Staff can focus their manual review on items marked “Unable to determine” or “Not implemented,” reducing the effort involved in high-volume work.
- Including “Unable to determine” among the assessment options prevents the LLM from forcing conclusions when information is insufficient.
When AskDona is a good fit
- Recurring checks involving hundreds or thousands of items, such as system risk assessments, compliance checks, and vendor assessments.
- Work that requires greater consistency between reviewers.
- Checks currently performed manually every year or quarter.
When another approach is preferable
- A short, simple checklist is sufficient, or individual questions in RAG chat can resolve the task.
- If the knowledge base lacks the information needed for a decision and the AI returns “Unable to determine,” a person still needs to review the item and exercise judgment.

**回答（日本語）**

AskDonaのBatch Assessment機能における「判断不可」の扱いについて、担当者の個別判断と比較した際の変化や、向く条件・別の方法がよい条件がドキュメントに明確に記載されています。
同じ資料・同じ課題で変わること：
- 「一次評価をAIに、最終判断を人間に」という分業モデルになり、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ることに集中できるようになり、大量業務を省力化・効率化できます。
- 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。
向く条件（AskDonaが向く条件）：
- 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）。
- 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。
- 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。
別の方法がよい条件：
- 数項目程度の簡単なチェックリストだけで十分な場合や、RAGチャットで個別に質問すれば解決する場合。
- 判定に必要な情報がナレッジベースに不足しており、AIが「判断不可」と判定した項目については、担当者による目視レビュー（個別判断）を行う必要があります。

### Q: 「複数システムの評価」には、対象ごとの手動評価と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explicitly compares AskDona Batch Assessment with manual assessment of multiple systems, including system risk assessments. It explains what changes, when the feature is useful, and when another method is preferable. Replacing manual work with an AI-assisted initial assessment can substantially reduce effort and improve consistency between reviewers. Under the approach of “AI for the initial assessment, people for the final decision,” staff need to manually review only the items marked “Unable to determine” or “Not implemented.” The feature is suited to hundreds of assessment items currently checked manually every year or quarter. Another method may be preferable when a short, simple checklist is sufficient or individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、複数システムの評価（システムリスクアセスメントなど）でAskDonaのBatch Assessment機能を使用する場合と手動評価との比較、変わる点、向く条件、別の方法がよい条件について明確に言及されています。具体的には、手動評価と比べて「担当者の手作業からAIによる一次評価に置き換え、工数を大幅に削減する」ことや「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する」ことが可能になります。また、「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、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ます。向く条件としては「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」場合などが挙げられ、別の方法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」が示されています。

### Q: 「一次評価と最終判断」には、全項目の人手評価と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation compares AskDona Batch Assessment with reviewing every item manually. For the same documents and task, the AI agent evaluates the items and exports results to Excel with comments and evidence excerpts. Staff can then limit their manual review and final decisions to items such as those marked “Unable to determine” or “Not implemented.” This can substantially reduce work and improve consistency between reviewers.
The feature is suited to recurring checks of hundreds or thousands of items, such as annual or quarterly reviews, checking one document against many criteria, and reusing the same template. It may be unnecessary when a short, simple checklist is sufficient or individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、「一次評価と最終判断」でAskDona（Batch Assessment）を使う場合と全項目の人手評価を比較した際の変化、向く条件、および別の方法がよい条件について明確に言及されています。同じ資料・同じ課題で変わる点として、AIエージェントが自動判定を行いコメント・エビデンス（引用）付きでExcel出力するため、担当者は「判断不可」や「未対応」などの項目だけを目視レビュー（最終判断）すればよくなり、工数を大幅に削減して省力化・効率化できること、また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ることが挙げられています。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業務（毎年または毎四半期ごと）、1ドキュメント×多項目チェックを行う場合、同じテンプレートを何度も使い回す場合などが示されています。別の方法がよい条件（不要な場合）としては、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が示されています。

### Q: 「判定の再現性」には、一回だけの試用と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation identifies Batch Assessment as suitable for teams that want to reduce differences between reviewers and make assessments more consistent, or that manually check hundreds of items every year or quarter. It explicitly notes that another approach, such as RAG chat, is preferable when a short, simple checklist is sufficient or individual questions can resolve the task.
For the same documents and task, it explains that repeating an assessment quarterly allows teams to monitor operational changes over time. The same template can also be reused for different vendors: after the initial setup, subsequent assessments require only a new Excel upload. These examples illustrate consistent evaluation and ongoing monitoring.

**回答（日本語）**

ドキュメントにおいて、Batch Assessment（バッチアセスメント）が向いている条件として「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方」や「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方」が挙げられています。また、別の方法（RAGチャットなど）がよい条件として「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」が明記されています。
さらに、同じ資料・同じ課題で何が変わるかについては、ドキュメントにおいて「同じアセスメントを四半期ごとに実施することで、業務の変化を定点観測できます」や「同じテンプレートを別ベンダーで何度も使い回せます。1回設定すれば、次回以降は新しいExcelをアップするだけで済みます」と言及されており、一貫した評価や定点観測が可能になることが示されています。

### Q: 「監査提出資料の準備」には、証跡一覧の手作成と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation compares manual preparation with AskDona Batch Assessment and explains when each approach is appropriate.
What changes with the same documents and task
Reading documents and filling in implementation status manually can take several days per system. Batch Assessment has an AI agent evaluate the items and export results to Excel with comments and evidence. This reduces effort through a division of responsibilities: AI performs the initial assessment, and people make the final decisions. It also improves consistency between reviewers. When audit logs are needed as evidence, users can filter the relevant logs and export them in Excel or other formats, then submit them directly or edit them for submission.
When it is useful
Recurring checks of hundreds or thousands of items, such as annual or quarterly reviews, and work that requires greater consistency between reviewers.
When another approach is preferable
The documentation says the feature is unnecessary when a short, simple checklist is sufficient or individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、手作業（手作成）とAskDona（Batch Assessment）を比較した際の変化や、向く条件・別の方法がよい条件について明確に言及されています。
同じ資料・同じ課題で何が変わるか：
手作業でドキュメントを読み込んで対応状況を埋めると1システムあたり数日かかりますが、Batch Assessmentを使うことでAIエージェントが自動判定し、コメント・エビデンス付きでExcel出力するため、「一次評価をAIに、最終判断を人間に」という分業モデルで省力化・効率化できます。また、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。さらに、監査ログを証跡として提出する場合、必要なログを絞り込んでExcel形式等でエクスポートし、そのまま監査資料として提出または編集して提出できます。
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（毎年または毎四半期ごとなど）を担当している場合や、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に向いています。
別の方法（手作成や個別チャット）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や、RAGチャットで個別に質問すれば解決する場合には不要（別の方法がよい）とされています。

### Q: 「委託先の一次評価」には、調達担当の手動評価と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explicitly compares manual assessment with AskDona Batch Assessment. It describes substantial reductions in effort, greater consistency between reviewers, a more efficient workflow in which AI performs the initial assessment and people manually review only selected items, and reusable templates. The feature is suited to regular or frequent checks involving hundreds of assessment items. Another approach is preferable when a short, simple checklist is sufficient or individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、手動評価とAskDona（Batch Assessment機能）を比較した際の変化、向く条件、および別の方法がよい条件（不要な場合）について明確に言及されています。手動評価と比べた変化として、工数の大幅な削減、判定のばらつき防止と一貫性の確保、AIが一次評価を行い人間が特定の項目のみを目視レビューする分業モデルによる効率化、テンプレートの使い回しが挙げられています。向く条件としては、数百件規模の評価項目を定期的または頻繁にチェックする業務などが示されており、別の方法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RAGチャットで個別に質問すれば解決する場合が挙げられています。

### Q: 「システムリスク評価」には、人手でのリスクアセスメントと文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation compares AskDona Batch Assessment with manual system risk assessment and describes when each approach is appropriate.
For the same documents and task, work that can take several days per system is replaced by a workflow combining automated initial evaluation with human review and final decisions. This can substantially reduce effort and improve consistency between reviewers.
The feature is suited to recurring checks involving hundreds or thousands of items and situations where consistent evaluation is important. It is described as unnecessary when a short, simple checklist is sufficient or individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、システムリスク評価でAskDona（Batch Assessment）を使用する場合と人手でのアセスメントを比較した際の変化、向く条件、および別の方法がよい（不要な）条件について明確に言及されています。

同じ資料・同じ課題における変化として、人手では1システムあたり数日かかる手作業を、AIによる自動判定（一次評価）と人間による目視レビュー（最終判断）の分業モデルに置き換えることで、工数を大幅に削減し、判定のばらつきを減らして一貫性を確保できることが示されています。

また、向く条件として「数百〜数千の評価項目を定期的にチェックする業務」や「評価の一貫性を確保したい場合」などが挙げられており、別の方法がよい（不要な）条件として「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」が示されています。

### Q: 「セキュリティ対策の証拠」には、規程と証跡の目視確認と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation compares manual review with AskDona Batch Assessment and identifies when each approach is appropriate.
What changes with the same documents and task
Instead of spending several days reading documents and recording implementation status, users can have an AI agent perform the initial evaluation and have people manually review only items marked “Unable to determine” or “Not implemented” for the final decision. This reduces effort and improves consistency between reviewers.
When it is useful
- Recurring checks involving hundreds or thousands of assessment items.
- Hundreds of items currently checked manually every year or quarter.
- Situations where consistency between reviewers is important.
When another approach is preferable
- A short, simple checklist is sufficient.
- Individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、手作業による目視確認とAskDona（Batch Assessment）を比較した際の変化、向く条件、および別の方法がよい条件について明確に言及されています。
同じ資料・同じ課題で何が変わるか：
手作業でドキュメントを読み込んで対応状況を埋める場合に数日かかっていた業務が、AIエージェントによる自動判定（一次評価）と、人間による「判断不可」「未対応」の項目のみの目視レビュー（最終判断）という分業モデルに変わることで、省力化・効率化されます。また、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るようになります。
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
- 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
別の方法がよい（不要な）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

### Q: 「仕様書と要求の照合」には、仕様書の手動照合と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation compares manual document matching with AskDona Batch Assessment and explains when each approach is appropriate.
What changes compared with manual work
- Replacing several days of document reading and implementation-status entry with an AI-led initial assessment can substantially reduce effort.
- The AI evaluates the items and exports results to Excel with comments, evidence excerpts, and sources.
- AI performs the initial assessment and people make the final decisions, so staff need to manually review only items marked “Unable to determine” or “Not implemented.”
- The workflow reduces differences between reviewers and improves consistency.
- The same template can be reused.
When it is useful
- Recurring checks of hundreds or thousands of items.
- Checks currently performed manually every year or quarter.
- Work that requires greater consistency between reviewers.
When manual work or ordinary RAG chat is preferable
- A short, simple checklist is sufficient.
- Individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、手作業（手動照合）とAskDonaのBatch Assessment機能を比較した際の変化、向く条件、および別の方法がよい条件について明確に言及されています。
手動照合と比べた変化：
- 手作業で数日かかるドキュメントの読み込みと対応状況の記入を、AIによる一次評価に置き換えることで工数を大幅に削減できます。
- AIが自動判定し、コメント、引用（エビデンス）、参照元付きでExcel出力します。
- 「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、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。
- 同じテンプレートを何度も使い回すことができます。
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であること。
- 毎年または毎四半期ごとに手作業でチェックしていること。
- 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。
別の方法（手動や通常のRAGチャット）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。

### Q: 「社内基準への準拠」には、内部点検の手作業と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explicitly compares AskDona's Batch Assessment with manual internal checks, explaining what changes, when the feature is useful, and when another approach is preferable or the feature is unnecessary.
What changes when the materials and task are the same
Manually reading the documents and recording implementation status can take several days per system. AskDona introduces a division of responsibilities: AI performs the initial assessment, and a person makes the final decision. AI produces results with comments and supporting evidence, so reviewers need to manually check only items marked Unable to determine or Not implemented. This substantially reduces effort and improves efficiency. It also reduces differences between reviewers and makes assessments more consistent.
When it is useful
- Recurring assessment work.
- Hundreds of items currently checked manually every year or quarter.
- Work that requires more consistent assessments across reviewers.
When another approach is preferable
- A simple checklist with only a few items is sufficient.
- Individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、AskDonaのBatch Assessment機能と手作業による内部点検を比較した際の変化、向いている条件、および別の方法がよい条件（不要な条件）について明確に言及されています。
同じ資料・同じ課題で何が変わるか：
手作業では担当者が各ドキュメントを読み込んで対応状況を埋めるのに1システムあたり数日かかりますが、AskDonaを使うことで「一次評価をAIに、最終判断を人間に」という分業モデルに移行できます。AIが自動判定を行い、コメントやエビデンス付きで出力するため、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、工数を大幅に削減・省力化・効率化できます。また、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：
- 定期的なアセスメント業務を担当している場合
- 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
別の方法がよい条件（不要な条件）：
- 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

### Q: 「契約条件の一次確認」には、担当者による条文チェックと文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explicitly compares AskDona's Batch Assessment with a manual initial review of contract terms, explaining what changes and when each approach is appropriate.
What changes when the materials and task are the same
- AI performs the initial assessment, using results such as Clause present / Clause absent / Review required. The person responsible focuses review and final decisions only on items marked Clause absent or Review required. This division of responsibilities reduces manual effort and improves efficiency.
- It reduces differences between reviewers and makes assessments more consistent.
When it is useful
- Checking many items against a single document, for example 50 items.
- Recurring checks involving hundreds or thousands of assessment items.
- Work that requires more consistent assessments across reviewers.
When another approach, such as manual checking or individual chat questions, is preferable
- A simple checklist with only a few items is sufficient.
- Individual questions in RAG chat can resolve the task.

**回答（日本語）**

ドキュメントにおいて、「契約条件の一次確認（契約書レビュー）」でAskDona（Batch Assessment）を使用する場合と、担当者によるチェックを比較した際の変化、向く条件、別の方法がよい条件について明確に言及されています。
同じ資料・同じ課題で何が変わるか：
- AIが一次評価（「条項あり / 条項なし / 要確認」などの判定）を行い、担当者は「条項なし」や「要確認」だけに集中してレビュー・最終判断を行うという「一次評価をAIに、最終判断を人間に」という分業モデルに変わることで、省力化・効率化が図れます。
- 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。
向く条件：
- 1ドキュメントに対して多項目（例：50項目など）をチェックする場合。
- 数百〜数千の評価項目を定期的にチェックする業務。
- 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。
別の方法（担当者によるチェックや個別チャットなど）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。

### Q: 「指定形式での報告」には、調査後の手動整形と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explicitly compares the feature with manual work and formatting, and explains when it is useful and when another approach is preferable or it is unnecessary.
Changes compared with manual work
- Reading documents and filling in implementation status manually can take several days per system. The AI agent automatically assesses items and exports results to Excel with comments and evidence. With AI handling the initial assessment and people making final decisions, reviewers manually check only items marked Unable to determine or Not implemented, reducing effort and improving efficiency.
- Assessments become more consistent across reviewers.
- The same template can be reused, and recurring assessments can track changes in operations over time.
When it is useful
- Recurring checks involving hundreds or thousands of items.
- Hundreds of items currently checked manually every year or quarter.
- Work requiring more consistent assessments across reviewers.
- Checking many items against one document, even when the volume of source data is small.
When another approach is preferable
- A simple checklist with only a few items is sufficient.
- Individual RAG chat questions can resolve the task.

**回答（日本語）**

ドキュメントにおいて、手作業（手動整形）と比べた場合の変化、向く条件、および別の方法がよい（不要な）条件について明確に言及されています。
手作業と比べた場合の変化：
- 担当者が手作業でドキュメントを読み込んで対応状況を埋める場合（1システムあたり数日かかる業務など）と比べ、AIエージェントが自動判定し、コメント・エビデンス付きでExcel出力します。これにより「一次評価をAIに、最終判断を人間に」という分業モデルが確立され、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、省力化・効率化が図れます。
- 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。
- 同じテンプレートを何度も使い回したり、定期的に実施することで業務の変化を定点観測したりできます。
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
- 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
- 分析対象とするデータが大量でなくても、1ドキュメント×多項目チェックを行う場合
別の方法がよい（不要な）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

### Q: 「比較表の作成」には、比較表の手入力と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation clearly explains what changes when AskDona's Batch Assessment replaces manual data entry, and when it is or is not appropriate.
Tasks that take days of manual work can become more efficient by assigning the initial assessment to AI and the final decision to a person. Other changes include more consistent assessments across reviewers, reusable templates, and the ability to track operational changes through recurring assessments.
It is useful for recurring checks involving hundreds or thousands of items, checks performed manually every year or quarter, and checking many items against a single document.
Another approach is preferable when a simple checklist with a few items is sufficient or individual RAG chat questions can resolve the task.

**回答（日本語）**

ドキュメントにおいて、手入力（手作業）と比較してAskDonaのBatch Assessmentを使うことで何が変わるか、また向く条件と別の方法がよい条件が明確に示されています。

手入力と比べた変化として、担当者が手作業で行うと数日かかる業務を「一次評価をAIに、最終判断を人間に」という分業モデルにすることで省力化・効率化できること、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ること、同じテンプレートを何度も使い回せること、定期的に実施することで業務の変化を定点観測できることが挙げられています。

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業務、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、1ドキュメント×多項目チェックを行う場合などが示されています。

別の方法がよい（不要な）条件としては、数項目程度の簡単なチェックリストだけで十分な場合、またはRAGチャットで個別に質問すれば解決する場合が示されています。

### Q: 「数百項目の確認」には、手作業の照合と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explicitly compares using Batch Assessment to check hundreds of items with performing the work manually, and explains when each approach is appropriate. AI automatically performs the initial assessment, while people manually review only items marked Unable to determine or Not implemented. This division of responsibilities substantially reduces effort and improves consistency across reviewers. The feature is suited to recurring annual or quarterly checks involving hundreds or thousands of items. It is unnecessary when a simple checklist with a few items is sufficient or individual RAG chat questions can resolve the task.

**回答（日本語）**

ドキュメントにおいて、「数百項目の確認」でAskDonaのBatch Assessment機能を使用する場合と手作業を比較した際の変化、向く条件、および別の方法がよい条件について明確に言及されています。手作業と比べた変化としては、AIが一次評価を自動判定し、人間が「判断不可」や「未対応」の項目のみを目視レビューする分業モデルにすることで工数を大幅に削減できること、および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ることが挙げられています。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定期的にチェックする業務が挙げられており、別の方法がよい条件（不要な場合）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、RAGチャットで個別に質問すれば解決する場合が示されています。

### Q: 「質問の一括投入」には、チャットへの個別入力と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

Answer: The feature can improve consistency and reduce effort, and is suited to many-item checks and recurring work.
Basis: The documentation recommends it for recurring checks involving hundreds or thousands of items where reducing variation and improving consistency are priorities. RAG chat is more appropriate when only a few items or individual questions are involved. Case 4 and other examples also identify recurring work and checking many items against one document as suitable uses.

**回答（日本語）**

【回答】一貫性の確保や工数削減が可能で、多項目や定期業務に向く。
【根拠】ドキュメントの「この機能が役立つ場面」等によれば、数百〜数千の評価項目を定期的にチェックし、判定のばらつきを減らし一貫性を確保したい場合に向く。数項目程度や個別質問で解決する場合はRAGチャットが適している。またドキュメントの「ケース4」等によれば、定期業務や1ドキュメント×多項目チェックにも適している。

### Q: 「チェック項目の抜け防止」には、Excelの目視確認と文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

The documentation explicitly compares Batch Assessment with manually reviewing Excel, explaining what changes and when each approach is appropriate. AI performs the initial assessment, while people manually review only specified results, such as Unable to determine, Not implemented, Clause absent, and Review required. This division reduces effort, improves efficiency, and makes assessments more consistent. It is useful for recurring checks involving hundreds or thousands of items, including annual or quarterly manual checks. Another approach is preferable when a simple checklist with a few items is sufficient or individual RAG chat questions can resolve the task.

**回答（日本語）**

ドキュメントにおいて、Excelの目視確認（手作業）と比べた場合の変化、向く条件、および別の方法がよい（不要な）条件について明確に言及されています。手作業と比べた変化として、AIが一次評価を自動判定し、人間は「判断不可」「未対応」「条項なし」「要確認」などの特定項目のみを目視レビューする分業モデルにより、省力化・効率化や判定のばらつき防止（一貫性の確保）が可能になることが示されています。また、向く条件として「数百〜数千の評価項目を定期的にチェックする業務」や「毎年または毎四半期ごとに手作業でチェックしている」場合が挙げられ、別の方法がよい条件として「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」が示されています。

### Q: 「独自の判定区分」には、汎用的な採点プロンプトと文書を使うAIをどう使い分けるとよいですか？

**Answer (English)**

Answer: Specific assessment criteria improve accuracy, and the feature suits large-scale, recurring checks.
Basis: Step 6 explains that detailed descriptions for each option guide AI assessment and help prevent forced conclusions. The documentation recommends the feature for recurring checks involving hundreds or thousands of items where consistency matters, and says it is unnecessary when a few items or individual questions are sufficient.

**回答（日本語）**

【回答】判定基準の具体化で精度が向上し、大量・定期チェックに向く。
【根拠】ドキュメントの「ステップ6」によれば、各選択肢に具体的な説明を設定することでAIの判定基準となり、無理な結論を防げます。またドキュメントによれば、数百〜数千の項目を定期チェックし判定のばらつきを減らす業務に向く一方、数項目程度や個別質問で済む場合は不要とされます。