100GB+ / 10,000p+100GB+ / 10,000+ pages
ページ数の多いPDF、容量の大きい資料、過去から蓄積された社内文書まで、現場にある大量データを前提に扱えます。From long PDFs and large files to internal documents built up over years — AskDona is designed to handle the high-volume data your teams actually have.
Document
Intelligence Document
Intelligence
すべてのはじまりは、
知識の構築から It all begins with building your knowledge.
AskDonaが提供するプラットフォームを活用すれば、組織のデータを、すぐに活用できるナレッジへ。 With the AskDona platform, your organization's data becomes knowledge you can put to use right away.
お持ちのデータを加工せず、
実務に活用できるナレッジ基盤へ。 Your data, as-is —
a knowledge base you can put to work.
データ整備や検証にかかる負担を抑え、根拠に基づいた回答を実務で活用できる状態へ。 Cut the effort of data prep and validation, so grounded answers are ready for real operational use.
PDF・Excel・PPT・画像・表・数式PDF · Excel · PPT · images · tables · formulas
複数タブのExcel、画像入りPowerPoint、表や数式を含むPDFなど、現場の資料形式をそのまま知識化します。Multi-tab spreadsheets, image-rich slide decks, PDFs with tables and formulas — real-world file formats become knowledge as-is.
別途OCR-AIは不要No separate OCR-AI needed
スキャンPDFや画像内の文字も取り込み時にOCR処理。OCRツールを別途用意せず、知識データベース化まで進められます。Text in scanned PDFs and images is processed by OCR at ingestion, so you can reach a knowledge base without preparing a separate OCR tool.
AIが読み取りやすい形に自動整理Auto-organized into an AI-readable form
PDFやOffice文書を、事前にMarkdown形式へ変換する必要はありません。見出し、段落、表、箇条書きなどの構造を保ちながら取り込み、AIが文脈を理解しやすい形で知識化します。No need to pre-convert PDFs or Office files to Markdown. Content is ingested while preserving headings, paragraphs, tables, and lists, so the AI can understand context.
FAQ作成・個別チューニング不要No FAQ authoring or per-case tuning
高品質な回答体験を目指しながら、事前のデータ整備やシナリオ設計の負担をできるだけ減らします。Aiming for a high-quality answer experience while minimizing the burden of upfront data prep and scenario design.
今ある資料で、
まず精度を確認できます。 Check accuracy first — with the documents you already have.
社内規程、マニュアル、技術資料、業務手順書、FAQ、表データなど、現場で使われている資料をもとに、AskDonaの回答精度を確認できます。資料を整えるための準備に時間をかける前に、まずは実際の質問で、どこまで業務に使えるかをご確認ください。 From internal policies, manuals, technical materials, and operating procedures to FAQs and tabular data, check AskDona's answer accuracy using the documents your teams actually use. Before spending time getting your documents in order, try real questions first and see how far it goes in your actual work.
データ整備から始めなくていい。
今ある資料をアップロードするところから。 No need to start with data prep —
start with the documents you already have.
AskDonaは、社内にある既存資料をそのまま取り込み、AIが参照できる知識として活用できます。FAQ作成、Markdown変換、個別チューニングから始める必要はありません。まずは、現場で使われている資料をアップロードするだけで、実務に近い質問を試せます。 AskDona ingests your existing internal documents as-is and turns them into knowledge your AI can reference. There's no need to begin with FAQ authoring, Markdown conversion, or per-case tuning — just upload the documents your teams already use and try realistic, work-like questions.
対応ファイル形式Supported file formats
PDFスキャンPDFも対応Scanned PDFs too
Word文書ファイルDocuments
Excel複数タブ対応Multi-tab
PowerPoint画像入り資料も対応Image-rich decks
HTMLWebページ・社内HTMLWeb & internal HTML
画像ImagesPNG / JPGなどPNG / JPG, etc.
CSV表形式データTabular data
JSON / Markdown構造化データ・テキストStructured data & text
読み取り対象What it reads
表Tables複雑な表組みComplex tables
数式Formulas数式・計算式Equations & math
図表Chartsチャート・グラフCharts & graphs
画像内テキストIn-image textスクリーンショット・画像内文字Screenshots & in-image text
スキャンPDFScanned PDFs紙資料のPDF化データDigitized paper documents
複数タブMulti-tabExcel内の複数シートMultiple sheets in Excel
処理機能・規模Processing & scale
OCR内蔵Built-in OCR別途OCR-AI不要No separate OCR-AI
大容量Large volume100GB+ / 10,000p+100GB+ / 10,000+ pages
一括登録Bulk upload数百ファイル規模Hundreds of files
混在形式Mixed formats複数形式をまとめて登録Register multiple formats together
複雑なデータ整備は、
AskDonaが自動で。 Complex data prep,
handled automatically.
資料をアップロードしたら、管理画面から処理を開始するだけ。AskDonaが、OCR、テキスト抽出、資料構造の整理、セマンティック分割、ベクトルデータ化まで、RAGナレッジベースに必要な前処理を自動で実行します。 Upload your documents, then just start processing from the admin interface. AskDona automatically runs everything your RAG knowledge base needs — OCR, text extraction, document-structure organization, semantic chunking, and vectorization.
スキャンPDF、画像入りのPowerPoint、複数タブのExcel、表や数式を含む専門資料など、資料の種類に応じて適切な処理を行います。処理が完了すると、チャット画面から質問し、根拠を確認しながら回答を利用できる状態になります。 It applies the right processing to each kind of material — scanned PDFs, image-rich PowerPoint, multi-tab Excel, and technical documents with tables or formulas. Once processing is complete, you can ask questions from the chat screen and use answers while checking their sources.
スキャンPDFや画像内の文字を読み取り、AIが参照できるテキストとして抽出します。 Reads text from scanned PDFs and images, extracting it as text your AI can reference.
見出し、段落、表、箇条書きなどの構造を保ちながら、回答に使いやすい形へ整理します。 Preserves structure — headings, paragraphs, tables, and lists — while organizing content into a form that's easy to use in answers.
文章を単純な長さだけで区切るのではなく、意味のまとまりを考慮して分割します。 Splits text by meaningful units rather than by length alone.
自動付与された情報や、任意で設定したメタデータを取り込み、管理・検索・分析に活用できる状態にします。 Incorporates auto-assigned and optional metadata so content is ready for management, search, and analysis.
質問に対して関連情報を探し出せるよう、資料の内容を検索可能なデータとして登録します。 Registers content as searchable data so relevant information can be found for each question.
まずはそのまま。必要に応じてメタデータで整理。 Start as-is — organize with metadata as needed.
必要に応じてメタデータを付与することで、管理画面での絞り込みや、チャット時の検索範囲の指定、利用状況の分析がしやすくなります。 By adding metadata as needed, you can more easily filter in the admin interface, scope searches during chat, and analyze usage.
メタデータを、負担なく。 Metadata without the overhead.
メタデータはAIにファイルの意味を伝えるためにも効果的です。一方で、付与作業の負担が導入の障壁となることもあります。 Metadata is also an effective way to convey the meaning of each file to the AI. At the same time, the effort of assigning it can become a barrier to adoption.
AskDonaでは、あらかじめ自動付与されたメタデータとは別にユーザーが任意でメタデータを設定できる柔軟性をもたせています。 In AskDona, beyond the metadata assigned automatically in advance, users have the flexibility to set their own metadata as needed.
メタデータの複数付与も、効率よく。 Assign metadata in bulk, efficiently.
メタデータを付与すると、チャットや分析時のフィルター条件として活用も可能です。カテゴリ、部門、文書種別などで絞り込みを行い、より的確な回答を導くことが可能です。 Once assigned, metadata can also be used as filter conditions during chat and analysis. Narrow by category, department, or document type to guide more accurate answers.
一方で、複数のメタデータを付与するには負担がかかります。AskDonaでは以下の手順に従ってメタデータを一括で付与できる機能を備えています。 Assigning metadata across many files can be a burden, so AskDona includes a feature to apply it in bulk with the following steps:
- CSVのテンプレートをダウンロードDownload the CSV template
- 必要なメタデータを該当するファイルに記載Enter the required metadata for each relevant file
- CSVデータを再度アップロードして完了Upload the CSV again to finish
信頼性の高い回答を提供 Reliable answers you can trust
大規模言語モデルの確率的な推測による回答をコントロールし、根拠に基づく回答生成を実現しています。
データは横断検索が可能な形で一元管理されながらも、文脈が混在することはありません。
- サイロ化されたデータベースの解消
- 信頼できる情報源（Source of Truth）
- 常に適切な文脈に基づく情報取得
AskDonaは、実際の業務での活用を前提として設計されています。単なる検証ではなく、組織の知識基盤として活用できるプラットフォームです。
When you start chatting:
- Answers are generated using a citation-first model
- Every response is grounded in explicit source documents
- Accuracy is consistent and verifiable
This is evidence-based answering — not probabilistic guesswork.
One database. Many categories. No confusion.
Data is centralized for cross-search, yet context is never mixed. This allows organizations to:
- Avoid siloed databases
- Maintain a single source of truth
- Retrieve the right context every time
Deep Research Deep Research
探す・読み解く整理する調査を、
AIエージェントに。 Searching, reading, cross-referencing — handed to an AI agent.
社内ドキュメントとWeb上の公開情報を横断し、必要な情報を収集・整理。根拠付きの調査レポートまで生成する、AskDonaの調査AIエージェントです。 AskDona's research AI agent searches across your internal documents and public information on the web, collecting and organizing what you need — and even generates a cited research report.
組織のデータ整備を効率的に行える調査AIエージェント Understand what's written across all your documents
Deep Researchで、データ整備にかける調査時間を短縮。
依頼内容に応じて、調査AIエージェントがタスクを整理し情報を収集します。 Deep Research investigates information from the sources that make sense for your task.
Depending on your needs, you can run research across three different scopes.
組織情報の調査 Internal Knowledge
AskDonaの組織ナレッジベースを横断的に調査します。 Investigate across internal documents and organizational knowledge only.
公開情報の調査 Web Sources
ウェブ上の公開情報をベースとして、横断的に調査を行います。 Cross-domain investigation using public web data only.
ハイブリッド調査 Unified Investigation
組織ナレッジベースとウェブ上の公開情報を組み合わせた、双方の調査を行います。 Investigate across both internal knowledge and web sources together.
あなたの依頼に対して、能動的かつ再帰的に調査設計をAIエージェントが行います。 You decide the scope. The AI agent follows your instruction — actively, recursively.
目視や検索を駆使して文章を確認していませんか？ When information is scattered, research becomes manual.
社内ドキュメントがいくつもあり、整理されていない時、内容を特定することは想像以上に困難を極めます。 When you want to investigate a specific topic, the challenge is rarely finding some information — it's understanding how many documents mention it, where, and what each one actually says.
本当の課題は、次を把握することにあります： The real challenge is understanding:
- そのトピックに言及している文書がいくつあるか How many documents mention the topic
- それらの言及がどこにあるか Where those mentions appear
- 各文書が実際に何を述べているか What each document actually says
通常、これには次が必要です： This usually requires:
- 繰り返しの検索 Repeated searches
- 丁寧な読み込み Careful reading
- 手作業での突き合わせ Manual cross-checking
- 個人の記憶への依存 Reliance on personal memory
それでも、網羅性が保証されることはありません。Deep Researchは、この課題を解決するために生まれました。 Even then, coverage is never guaranteed. Deep Research is built to solve this problem.
調査AIエージェント Deep Research From manual research to agent-driven investigation
Deep Researchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは公開されているウェブ情報の調査業務を支援する機能です。AIエージェントは必要な情報を自律的かつ再帰的に深掘りしながら、調査結果を構造化してレポートを生成します。 Deep Research is a feature in which five specialized AI agents collaborate, based on your research request, to investigate either organizational data or public web sources. The agents autonomously and recursively dig deeper into the material, then structure the findings into a report.
一問一答形式ではなく、これまで人が数時間かけて行っていた調査業務を、AIエージェントが数十分で行うことを目指して設計されています。 Rather than a single-turn Q&A, Deep Research is designed so that investigation tasks that previously took a human several hours can be completed by the agent in tens of minutes.
- 質問の分解（サブクエリ化）Question decomposition (sub-querying)
- 自律的・再帰的な情報探索Autonomous, recursive information exploration
- 情報の分析と統合Analysis and synthesis of findings
- 調査レポートの生成Generation of the final research report
調査AIエージェントが、5つのステップで調査を進める How the agent runs an investigation, in five steps
依頼の受け取りから前提条件のすり合わせ、調査の実行、レポート生成までを、
5つの役割を持つAIエージェントが連携して自律的に進めます。 From receiving the request to clarifying assumptions, conducting the search, and generating the final report —
five role-specialized agents collaborate autonomously through the process.
Step 01
調査タスクを依頼する Assign a research task
Deep Researchは、最初に調査を依頼するところから始まります。「調査したい内容」「調査する目的」「調査後のアウトプット」の3点を伝えるだけで進められます。調査内容が不明瞭な場合でも問題ありません。AIがユーザーの依頼事項をヒントに、調査実行へ向けて計画を立てます。 Deep Research starts with the request itself. You tell the agent what you want to investigate, the purpose of the research, and the kind of output you expect. Even if the topic isn't fully crystallized, that's fine — the AI uses your prompt as a hint to plan the investigation.
Step 02
AIによる調査設計の開始 The agent plans the research
AIエージェントは、実際に調査を行う前に、調査にあたっての前提条件や必要情報が揃っているかを確認します。利用可能なドキュメントの事前確認、調査タスクの充足度の確認といったプロセスを経て、ユーザーへの追加質問（フォローアップ質問）の準備を行います。 Before collecting information, the agent first decides how the research should be conducted. It reviews the available internal databases and relevant web sources, then prepares follow-up questions based on what it learned during preparation.
Step 03
調査前に前提の解像度を上げる Clarify assumptions before investigating
AIエージェントが生成するフォローアップ質問は、調査精度を高めるための重要なプロセスです。事前調査で確認できた事項を共有し、不足している前提条件の提示や、調査の二度手間を防ぐための質問を行います。実際にヒトが調査を行うときに自然に行うヒアリングに近い作業を経て、調査内容をタスクに因数分解し、前提条件を揃えることで質の高い調査を実行できます。 Follow-up questions are how the agent confirms assumptions, identifies missing context, and prevents unnecessary rework later. The exchange mirrors how an experienced researcher prepares before starting a detailed investigation — you supply the missing context, and the agent proceeds with the research factorized into clearly-scoped sub-tasks.
Step 04
エージェントが調査を実行する The agent conducts the investigation
ユーザーからの調査タスクと追加情報をもとに実行項目を整理したら、いよいよ調査開始です。5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。調査項目の洗い出し、項目に基づいた検索、結果の分析・集計、項目の確認および再調査 — タスクを遂行するまで調査を続けるため、数十分の調査時間に対して参照情報は数十件から数百件に及ぶ場合もあります。 Once the agent has the task plus the additional context you provided, the investigation begins. Five role-specialized agents collaborate to autonomously and recursively search across internal data and web sources — listing research items, running queries against them, analyzing the results, then revisiting and re-querying as needed. The agent keeps going until the task is complete; in tens of minutes of investigation time, the number of sources referenced can range from dozens to hundreds.
Step 05
調査結果を報告する Turn findings into usable output
調査が完了したら、最終的なアウトプットを生成します。Deep Researchは、収集した情報を集めてまとめるだけでなく、読みやすいように文章を整えます。重複する情報の削除や集約、参照情報元に忠実な根拠の整理、論点ごとの構造化、そして指定された構造への文章作成といった工夫を凝らします。 When the investigation is finished, Deep Research generates the final output. The system does more than collect and bundle information — it consolidates large volumes of material, structures the content logically, organizes evidence faithfully against its source, removes duplicates, and writes in the format you specify.
調査レポートが完了すると、ユーザーは画面上で表示される結果を確認し、必要に応じてダウンロードすることも可能です。 Once the report is complete, you can review the results on screen and download the output if needed.
文書を、
書かれた意図どおりに。 Read documents
as they were meant.
表も図も参照も、正しく読み取ります。Tables, figures and references, read correctly.
よくあるご質問 Frequently asked questions
はい、RAGのデータベースにアップロードされたファイルは日本国内のサーバーで管理されます。 Yes — files uploaded to the RAG database are managed on servers within Japan.
はい。ログイン後の認証情報に基づき、お客様のデータに対して厳格な論理的分離を実施しています。そのため、他のお客様のデータにアクセスすることはない仕様となっています。 Yes. AskDona enforces strict logical separation of customer data based on login credentials, so other customers cannot access your data.
会社のポリシーで社内データの社外持ち出しができない企業様向けに、自社で契約しているクラウド (AWS、GCP) でAskDonaを導入する方法もございます。詳しくはお問い合わせください。 For organizations whose policies prohibit moving internal data outside, AskDona can also be deployed into your own contracted cloud (AWS, GCP). Contact us for details.
PDF、Word (.docx)、PowerPoint (.pptx)、Excel (.xlsx)、CSV、HTML、Markdown、画像ファイルなど主要なフォーマットに対応しています。容量や運用条件の詳細はお問い合わせください。 AskDona RAG supports major formats — PDF, Word (.docx), PowerPoint (.pptx), Excel (.xlsx), CSV, HTML, Markdown, and image files. Contact us for capacity and operational limits.
いいえ。AskDonaに送信される質問やアップロードしたファイルなどのデータが、ChatGPTなど生成AIモデルの学習に利用されることはありません。今後採用する生成AIモデルについても、学習にデータを使わない契約のものに限定する方針です。 No. Questions and uploaded files sent to AskDona are never used to train ChatGPT or other generative-AI models. Any models we adopt going forward will be limited to those covered by no-training-on-customer-data agreements.