チャットでファイルの添付とダウンロードができるようになりました

リリース日: 2026年9月1日
※本機能はClaudeのモデルのみで動きます。

ファイル添付(新機能)

AIチャットにファイルを添付して、その内容について質問・依頼ができるようになりました。

対応形式: Excel (.xlsx) / Word (.docx) / PDF / CSV / テキスト (.txt, .md, .log)

• 添付したファイルの中身をAIが読み取り、要約・分析・質問への回答に活用します。

• 一度添付したファイルは会話の中で覚えているため、続けての質問でも再添付は不要です。

• 1メッセージにつき最大5ファイル、1ファイルあたり最大10MBまで添付できます。

活用例

障害報告のCSVを添付して「先月の障害を種類別に集計して」

手順書のPDFを添付して「この手順の中で自動化できそうな箇所は?」

ファイル生成・エクスポート(新機能)

チャットの回答を、そのまま使えるファイルとして受け取れるようになりました。

• AIによるファイル生成 — 「この集計結果をExcelにして」のように依頼すると、AIがExcel・Word・PDF・CSV形式のファイルを生成します。回答に表示されるダウンロードボタンからすぐに保存できます。

• 回答のエクスポート — AIの回答メッセージごとに「ファイルとしてダウンロード」メニューを追加しました。任意の回答をExcel (.xlsx) / Word (.docx) / PDF / CSV形式で保存できます。

活用例

「今月のインシデント一覧を表にまとめてExcelでちょうだい」

障害分析の回答をWordでダウンロードして、そのまま報告書のたたき台に

なぜこの機能が必要なのか

これまでの課題

インシデント対応や運用の現場で扱う情報の多くは、チャットの外にあります。

監視ツールから出力したCSV、ベンダーから届いた障害報告のPDF、Excelで管理している構成一覧や当番表、Wordの手順書など。これまでAIチャットに相談するには、これらの中身を人が読んで、要点をコピー&ペーストで貼り付ける必要がありました。

この「貼り付け作業」には3つの問題がありました。

1. 手間がかかる — 数百行のCSVや数十ページのPDFは、そもそも貼り切れません。人が事前に取捨選択する時点で、AIに渡る前に情報が欠けます。

2. 転記ミスが起きる — 急いでいる障害対応中ほど、コピー漏れや行ズレが起きやすくなります。

3. 緊急時に使えない — インシデントの渦中に「ファイルを開いて、整形して、貼る」余裕はありません。結局AIに聞かずに済ませてしまい、活用が定着しない原因になっていました。

AIの回答は、チャットの中に閉じていた

逆方向も同じです。AIに集計や分析をさせても、結果はチャット画面の中のテキストのまま。上司への報告、顧客への説明、定例会議の資料にするには、人がExcelやWordに転記し直す必要がありました。せっかくAIが数分で作った分析が、資料化に数十分かかっていては本末転倒です。

この機能で何が変わるか

「ファイルを渡して、ファイルで受け取る」が一つのチャットで完結します。

• 監視ツールのCSVをそのまま添付して「先月の障害を種類別に集計して」と頼み、返ってきた集計をExcelでダウンロードして、そのまま定例資料に使う。

• ベンダーの障害報告PDFを添付して「うちのシステムへの影響を整理して」と頼み、その整理結果をWordで受け取り、社内向け報告書のたたき台にする。

前処理(転記・整形)と後処理(資料化)という、AIを使う際の前後の手作業がなくなることで、「AIに聞いたほうが早い」が実際に成り立つようになります。

特にインシデント対応のような時間との勝負の場面で、生のファイルを投げるだけで分析が始められることは、初動の速さに直結します。

また、添付したファイルは会話の中で引き継がれるため、「この表の3列目について」「さっきのログの続きだけど」といった深掘りも、再添付なしで自然に続けられます。単発の質問ツールではなく、ファイルを囲んでAIと一緒に作業する場としてチャットを使えるようになるというのがこの機能の狙いです。

なぜ汎用AIではなく、Incident Lakeでやるのか

「ファイルをAIに読ませて分析させるだけなら、ChatGPTでもできるのでは?」というのはもっともな疑問ですが、インシデント対応という文脈では、汎用AIチャットには埋められない差が3つあります。

1. 御社の過去データと「つながった」分析ができる

汎用AIに監視ログのCSVを渡しても、AIが知っているのはそのファイルの中身だけです。Incident Lakeのチャットは、御社の過去インシデント・ナレッジベース・サービス構成と同じ場所で動いています。

添付したログを分析させれば、「似た症状の障害が過去に3件あり、いずれもDBコネクションプールの枯渇が原因だった」というところまで踏み込めます。ファイル単体の分析ではなく、組織の対応履歴をふまえた分析になるというのは、データを持っている場所でしかできないことです。

2. インシデントデータを外に出さずに済む

Incident Lakeでは、添付ファイルはテナントごとに分離された自社管理のストレージに保存され、アクセス権限(RBAC)や監査の仕組みも既存のインシデントデータと同じ統制下に置かれます。利用状況もテナント単位で管理者が把握できます。「便利だから使う」と「ガバナンス」を両立させるには、業務データがある場所にAIを持ってくるのが正しい順序です。

3. 分析結果が「次のアクション」に直結する

汎用AIの回答は、チャット画面で行き止まりです。Incident Lakeなら、分析の結果「これは障害だ」となればその場で起票でき、生成したレポートは対象インシデントと同じ画面に残り、チームはSlackやTeamsの通知でそのまま動き出せます。

つまり、分析 → 判断 → 起票 → 対応 → 報告というインシデント対応の一連の流れの中に、AIが組み込まれていることが本質的な違いです。ツールをまたいでコピー&ペーストするたびに失われていた時間と文脈が、そのまま残ります。