Stella AI for Biz、Notebook機能を提供開始

～指定した社内資料だけを根拠に、ハルシネーションを低減したAI回答・検索が可能に～

　生成AIサービス開発を⼿掛ける株式会社SUPERNOVA（本社：東京都港区　代表取締役社長 木本　東賢　以下、当社）は、当社の生成AIサービスStella AI for Bizにおいて、新たな社内ナレッジ活用機能である「Notebook機能」を2026年8月18日（火）より提供開始いたします。

概要 

　Notebook機能は、社内に散在するドキュメント、テキスト、URL、議事録、外部サービス上のファイルを情報ソースとして登録し、その内容をもとにAIが回答を行う機能です。

　利用者は、関連する資料を「Notebook」単位で整理・保存し、質問時に参照するNotebookを指定できます。指定した資料だけを根拠として回答を生成するため、意図しない情報が回答に混在することを抑え、必要な情報に基づいた回答を得やすくなります。

　また、情報ソースの登録から参照、回答生成までを一貫して行える操作性を備えており、専門知識を持たない業務担当者でも、社内ナレッジを活用しやすい環境を提供します。

 背景 

　社内規程やマニュアル、議事録などの組織固有のナレッジは、複数のファイルサーバーやクラウドストレージに分散しています。そのため、必要な資料を探し出し、さらに中身を読み解く負担が大きく、情報収集に多大な時間がかかっているという課題がありました。

　これまで当社が提供してきた従来型のRAG機能※1では、登録された情報を分割し、質問に関連する「箇所」を検索して回答を生成していました。

　一方、Notebook機能では、質問に関連する「資料」そのものを特定し、資料全体の内容や文脈を踏まえて回答を生成します。そのため、文書全体を読み解く必要がある質問や、複数の箇所に情報が分散している質問に対しても、より適切な情報にたどり着きやすくなります。 

特徴

■ 5種類の情報ソースに対応

　多数の情報ソースに対応することで、従来のRAGと比較してより柔軟にご利用いただきやすくなりました。（情報ソースは、一つのNotebookにつき100件まで登録可能です）

ドキュメント	PDF・Word・Excel・PowerPoint・テキストファイル等
テキスト	メモ・引用文などの直接入力
URL	Webページの内容
議事録	Stella AI for Bizの議事録データ
外部サービス連携	Google Drive / Microsoft Sharepoint / Box

ソース指定での回答生成

　あらかじめ関連資料を「Notebook」として整理・保存し、「Notebook」を指定してAIで生成できます。参照範囲を明確にすることで、意図しない情報が混在することを抑え、指定した資料に基づく回答を得ることが可能です。

＜活用シーン（例）＞

• 社内規程・就業規則・マニュアルへのQ&A 

• 議事録からの決定事項・ToDo抽出 

• プロジェクト資料の横断検索・要約 

• 営業提案書の過去事例参照

• 部門ごとの業務資料やナレッジの整理・活用

今後の展望

　Notebook機能の正式版提供にあわせ、当社がこれまで提供してきた従来型のRAG機能については、提供終了を検討しています。終了時期については別途お知らせさせていただきます。

　生成AI技術は日々進化を遂げ、新たなサービスが次々と生まれています。私たちは最新の技術を最大限に活用し、お客さまにとって使いやすく、高品質なサービスを提供することで、技術と人をつなぐ架け橋として、誰一人取り残さない社会の実現に貢献していきます。

■ 会社概要

社名：株式会社SUPERNOVA

本社所在地：東京都港区赤坂5丁目2番33号 IsaI AkasakA 403

代表取締役：木本 東賢

事業内容：生成AIを活用したサービスの開発・提供

設立：2024年1月11日

HP：https://supernova-inc.com

法人お問い合わせ先：https://stella-ai.tayori.com/f/stella-ai-for-biz-inquiry

ISO/IEC 27001取得（認証登録番号：SCC/INT/2505SN/11304）

プライバシーマーク取得（認証登録番号：第17005217(01)号）

デジタル化・AI導入補助金2026認定事業者

＊ 「Stella AI」は、株式会社SUPERNOVAの商標または登録商標です。

＊ その他、本プレスリリースに記載されている会社名および製品・サービス名は、各社の登録商標または商標です。

※1：RAG(Retrieval-Augmented Generation)とは、大規模言語モデルによるテキスト生成時に、外部情報を活用して推論の精度を高める技術のことです。従来のRAGはベクトル検索という手法を用いており、質問内容と類似度の高い「箇所」を検索する手法を採用しています。