®AIアシスタントとRAG
従業員はマニュアルやチケット、社内文書の中から答えを探しています。該当する内容を見つけ出し、出典を表示し、貴社システムのアクセス権限を考慮するアシスタントを構築します。業務システムでの操作は、純粋な知識検索とは切り分けて計画し、承認します。
OTOKO®へのご依頼内容
検索拡張生成、略してRAGでは、質問に合致する文書箇所を検索し、言語モデルにコンテキストとして提供します。抽出、意味のある区切り、メタデータ、更新を担当します。古くなった内容や削除された内容は、検索対象から確実に除外する必要があります。選定結果は実際の質問を用いて検証し、検索が正しい箇所を見つけているか、その箇所から回答を裏付けられるかを確認します。出典を示すだけでは回答の正しさは証明されず、内容面での評価が必要です。
具体的な範囲、貴社の関与、検収基準は、開始前に取り決めます。
技術を分かりやすく解説
アシスタントは、質問した利用者が閲覧を許可されている内容のみを見つけるように設計します。この確認は、自由形式のモデル回答の外側で技術的に行われ、変更されたグループ権限も反映します。見つかった文書はデータとして扱い、指示としては扱いません。アシスタントがチケットを作成したりデータを変更したりする場合には、許可するツール、対象システム、パラメーターを限定します。影響の大きい操作には、人による承認を必須とします。ログの記録は保護要件に応じて設計し、機密性の高い質問と回答を一律にすべて保存する必要はありません。
この質問集には、回答可能な質問、情報の欠落、矛盾する出典、許可されないアクセスの試みを含めます。測定するのは、根拠の裏付け、有用な回答拒否、応答時間、1件あたりのコストです。モデルやインデックスを変更した場合も、同じ比較を行います。最初のパイロットは、限定された知識ベースと指定された利用者の範囲で実施します。その後になって初めて、追加の情報源や、必要に応じて書き込み機能を組み込みます。
検証可能な成果
引き継ぎでは、実装とドキュメントを一体的に扱います。合意したケースを共に確認し、残る課題を記録します。
貴社の取り組みの詳細
具体的なナレッジ業務や作業プロセスに向けたAIアシスタントを開発します。これには、文書の整備、検索、権限管理、回答の検証、そして貴社の既存のユーザーインターフェースへの統合が含まれます。
RAGは、承認済みコンテンツの検索と、回答の生成を結び付ける仕組みです。文書をどのように取り込み、意味のある単位に分割し、出典、日付、権限情報を付与するかを設計します。削除または変更された文書は、検索インデックス側でも更新する必要があります。一度限りの取り込みでは、日々更新される企業内のナレッジには対応できません。
検索の品質は、現実的な質問と、期待される根拠を用いて検証します。専門用語、略語、構成の悪い文書があると、正しい箇所が見つからない原因になります。そのため、検索の誤りと回答生成の誤りを区別し、該当する段階を的確に改善します。
ナレッジアシスタントは、業務システムに自ら変更を加えることなく、情報源を説明できます。アクションの実行が求められる場合、各連携には限定された権限と明確に定義されたパラメータを付与します。発注やマスターデータの変更といった重要な操作には、別途確認が必要となる場合があります。取り込んだ文書によってこれらのルールが上書きされてはなりません。
リリース前に、権限のない質問、矛盾する情報源、そして文書内容を通じてアシスタントを誘導しようとする試みについてテストを行います。ログ記録は、障害調査と保護要件に合わせて調整します。回答品質、レイテンシ、利用コストに関する分析は、機密性の高い問い合わせを不必要に長期保存することなく、運用を管理するのに役立ちます。
プロジェクトシナリオの例
例：従業員が社内の作業手順を検索するケースです。アシスタントは承認済みの版を見つけ、参照した箇所へのリンクを示し、根拠が不足している場合はその旨を明示します。他チームの人事関連文書は対象から除外されます。アシスタントが業務システムで承認済みのタスクを実行できるようになるのは、別のプロジェクトを経てからです。
この例は想定される進め方を説明するものであり、顧客事例ではありません。
最初の一歩の前に
いいえ。検索と生成のいずれにも誤りが生じる可能性があります。出典の表示、適切なテスト、根拠が不十分な場合の明確な対応方針によってリスクは低減できますが、重要な意思決定には業務部門による確認が必要です。
必ずしもそうではありません。ホスト型サービスと貴社環境内での運用を、データフロー、性能、コスト、責任分担の観点で比較します。具体的なアーキテクチャは実装前に合意します。
