生成AI・LLM — 04 / 30
生成AIが答える前に、社内の文書やデータベースなどから関係する情報を探し、その内容をもとに答えさせる仕組みです。Retrieval-Augmented Generation(検索拡張生成)の略です。
RAGの流れは、大きく「探す」と「答える」の2段階です。質問が来ると、まず登録された資料の中から関係しそうな部分を探し出し、その部分をAIに渡して「この資料をもとに答えて」と指示します。AIが自分の記憶だけで答えるのを防ぐ仕組みです。
資料を探すときは、言葉が完全に一致しなくても、意味が近い部分を見つけられる方法がよく使われます。たとえば「有休」と聞かれても「年次有給休暇」と書かれた規程を見つけられます。ただし、資料の書き方がバラバラだと、探し漏れが起きやすくなります。
最近は、AIチャットのサービスにファイルを登録するだけで使える機能や、社内のファイル保管サービスと連携する機能が増えています。自社でシステムを作らなくても、まずはこうした機能でRAGに近い使い方を試し、効果を確かめてから本格導入を考える流れが現実的です。
社内規程やマニュアル、過去の問い合わせ回答をもとに答える「社内問い合わせAI」が代表的な使い方です。AIが一般論で答えるのではなく、自社の資料に沿って答えるため、ハルシネーションを減らしやすくなります。
従業員40人ほどの機械加工会社が、作業標準書や過去の不具合対策の記録を登録し、若手社員が「この材料の加工で気をつけることは」と質問できる仕組みにするといった使い方ができます。答えと一緒に元の資料名が出るようにしておきます。
ビルメンテナンス会社が、設備ごとの取扱説明書や過去の対応記録を登録し、現場担当者がスマホから対処方法を調べられるようにするといった例が考えられます。ベテランへの問い合わせを減らし、知識の引き継ぎにも役立ちます。
介護施設が、事業所内のマニュアルや感染対策の手順書を登録し、夜勤の職員が手順を確認できるようにするといった使い方ができます。利用者の個人情報は登録せず、手順書の更新時には登録内容も入れ替える運用にします。
※ 特定の企業の事例ではなく、よくある場面をもとにした想定例です。
元の資料が古い・まちがっている・探し方がずれている場合は、やはり誤った答えになります。資料の整理が品質を左右します。
最近は、ファイルを登録するだけで似た仕組みを使えるサービスも増えています。小さく試すことができます。
社員からの質問が多く、内容が比較的はっきりしている資料が向いています。たとえば就業規則、経費精算のルール、よくある問い合わせへの回答集などです。最初は資料を絞って試し、答えの正しさを確かめてから対象を広げてください。
スキャンして文字を読み取れる形(PDFなど)にすれば使えることが多いです。ただし、読み取りの精度が低いと探し漏れや誤りの原因になります。よく使う資料から順にデータ化し、読み取った文字が正しいかを確認しながら進めるのがおすすめです。
その心配はありますが、答えと一緒に元の資料の場所を表示させれば、必要なときに原文を確認する習慣をつけやすくなります。大事な判断の前には原文を確認する、というルールを決めておくと安心です。探す時間を減らし、考える時間を増やす道具と考えるとよいでしょう。
「AIに“うちの資料を見ながら答えて”とお願いする仕組みです。資料が整っているほど賢くなります」