社内情報を使うAIを検討するときは、仕組みの名前から決めず、必要な資料の量、更新、権限、回答の確認方法から考えます。RAGは資料の検索と生成を組み合わせる考え方ですが、導入するだけで回答が常に正しくなるわけではありません。
何を参照して答える必要があるかを整理する
短い資料を手順と一緒に渡せる場合と、継続更新される多くの資料から必要な箇所を探す場合では、必要な仕組みが変わります。
| 項目 | 確認・実施する内容 |
|---|---|
| 指示の整理 | 対象、作業手順、形式、禁止事項などを明確にする。 |
| 資料の参照 | 回答の根拠となる資料を入力や参照先として利用する。 |
| 検索と生成の連携 | 質問に関係する資料を検索し、その内容を用いて回答を生成する。 |
| 運用の管理 | 権限、更新、根拠表示、確認・例外対応を維持する。 |
Google Cloudの公式資料でも、RAGは情報検索と生成モデルを組み合わせる仕組みとして説明されています。ここでは製品選定ではなく、業務の要件を整理する視点を示します。
まずFAQ業務そのものを整理するには、社内FAQにAIを使う前に準備したい資料と回答ルールをご覧ください。
資料の量だけでなく更新と権限で選ぶ
技術の比較だけでは、実務で使えるか判断できません。質問、資料、利用者、確認担当をセットで整理します。
| 項目 | 確認・実施する内容 |
|---|---|
| 質問 | 何に答える必要があり、対象外は何かを決める。 |
| 資料 | 正確な版、更新頻度、重複、矛盾、利用できる範囲を確認する。 |
| 権限 | 利用者ごとに参照できる情報が異なるかを確認する。 |
| 評価 | 根拠が見つかるか、回答が条件を反映するか、確認方法を決める。 |
検索する資料が不適切なら、根拠を参照していても質問に合わない回答になる場合があります。検索と生成を一つの点数だけで判断せず、原因を切り分けます。
確認する手順や条件は、AI導入のPoCで確認したい合格条件と本番化の判断も参考になります。
小さな範囲で検索と回答を別々に検証する
最初は限定した資料と質問を使い、どの工程で問題が起きるかを見ます。本番の機密資料を使わなくても、公開資料などで構造を試せます。
| 項目 | 確認・実施する内容 |
|---|---|
| 資料の確認 | 必要な情報がそもそも資料に存在するか。 |
| 参照の確認 | 質問に関係する箇所を取得できるか。 |
| 回答の確認 | 参照した情報を正しく説明し、条件を省略していないか。 |
| 運用の確認 | 根拠がないときに確認へ戻し、更新と権限を保てるか。 |
ファインチューニングなど他の方法も、目的・データ・運用条件によって検討します。名称が高度だから採用するのではなく、必要な仕事に合う方法を選びます。
自社のサイト・業務への当てはめに迷ったら、AI導入・業務活用を相談するからご相談いただけます。
よくある質問
依頼や社内での実施を検討するときに確認したい点です。
| 項目 | 確認・実施する内容 |
|---|---|
| RAGなら誤回答はなくなりますか？ | なくなると保証できません。資料、検索、生成、権限、確認のそれぞれに課題がないかを検証します。 |
| 少ない資料でも大きなシステムが必要ですか？ | 必要な回答、資料、更新方法に応じて判断します。指示や資料の整理で試せる範囲から始める方法もあります。 |
個別の条件は、対象業務と資料を確認してから判断します。
相談前に整理すること
まず質問と基準資料を少数に絞り、参照と回答を分けて確認してください。業務要件と運用を整理してから技術を選びましょう。
| 項目 | 確認・実施する内容 |
|---|---|
| 対象 | 対象サイトや業務と、困っていることを共有する。 |
| 材料 | 利用できる資料と、公開・入力できる範囲を整理する。 |
| 分担 | 社内で担当できる作業と、依頼したい作業を分ける。 |
CommunityCreateでは、必要な調査・制作・実装・運用の範囲を整理してご提案します。
