Hybrid Rag

01

社内GPT・RAG構築・ナレッジAI

課題 社内文書が構造化されていなければ、AIは正確に答えられません。「だいたい合っている要約」を返すだけでは、業務では使い物にならないからです。RAG構築でつまずくのは、AIの性能が足りないからではなく、社内の知識を検索前にどう構造化するかを飛ばしているからです。社内の知識は、正確な集計が要る表のデータ、意味の近さで探す文書、組織や依存関係のようなつながりの3種類に分かれ、それぞれ検索の戦略が違います。これを全部1つのベクトル検索に投げ込むと、数値の質問には推測で答え、更新されていない古い文書を平気で正解として返す、というどれも中途半端な結果になります。 ARCHECOのアプローチ ARCHECOは、精度をあとから上げるのではなく、入れる前の設計で決めます。まず社内文書の棚卸しを行い、どこに何があり更新は誰の担当かを洗い出します。次にAIが読める形へ構造化し、文書の性質に応じてチャンクの単位を決める。そのうえで、数値はデータベースへの問い合わせ、文書はベクトル検索とハイブリッド検索、関係性はグラフ探索というように、問いの型に応じて参照先を切り替える検索パイプラインを設計します。ベクトルデータベースの選定、Embeddingモデルの評価、リランキングの実装、そして回答の根拠を示しハルシネーションを検知するガードレール設計までを一貫して行います。この順番を飛ばすと、更新されない文書を正解として返し続ける事故につながります。 提供価値 社内の知識を3種類に区分し、集める工程と絞る工程の2段階に分けることで、検索の精度が上がります。社員が実際に使うのは、いつもの業務画面から自然文のまま聞け、根拠の原文を1操作で開ける状態です。閲覧権限のない文書は検索結果にも出さないように制御し、出典なしでは答えさせない設計にすることで、誤った回答をそのまま信じてしまう事故を防ぎます。文書は更新され続けるものなので、利用ログを分析しながら精度を保つ運用まで含めて設計します。答えが合っていることよりも、根拠をすぐに原文で確認できることのほうが、社内GPTが日常的に使われ続けるかどうかを決めます。

02

生成AI PoC・本番導入支援

課題 生成AI導入における最大の機会損失は、PoCが「動いた」ところで終わり、本番移行に進めないまま止まることです。ツールを配って研修をしても、業務が忙しくなると元のやり方に戻ってしまう状態は珍しくありません。生成AI導入支援でまず疑うべきなのは現場のITリテラシーではなく、元のやり方のほうが結果的に速いと現場が感じているという単純な事実です。PoCから本番移行への設計図がないまま「まずは動かしてみる」で進めると、対象業務の選定基準もセキュリティ要件も曖昧なまま実装が進み、本番運用に乗せる段になって初めて足りないものに気づく、という機会損失につながります。 ARCHECOのアプローチ ARCHECOの生成AI導入支援は、対象業務の選定、プロンプト設計、業務システムへの接続、受入・定着までを一気通貫で設計します。PoCを作ること自体は難しくありません。ChatGPT・Claude・Geminiのいずれも、数日あれば動くものは作れます。難しいのはその先で、PoCに着手する前に品質・速度・利用率・2週間後の継続利用という本番移行の判定基準を先に決めておくことです。あわせて、生成AIを別ツールとして配るのではなく、いまの業務画面や手順の中に置き換える形で組み込むことで、PoCから本番運用への移行を「感触」ではなく数字で判断できる状態にします。 提供価値 提供するのは、生成AI導入を実験で終わらせないための、PoC設計から本番移行までの一貫した支援です。定着の現場で見えているのは、業務画面から1操作で届くかどうかが分岐点になるという事実で、この1ステップの距離を最初の設計対象にします。プロンプトを個人の工夫に任せず型として固定すると品質のばらつきが消えるため、テンプレート化を先に行います。本番移行の判定は動いた瞬間ではなく2週間後も使われているかで行い、最終的に手順書に載って初めて定着したとみなします。PoCから本番までのギャップを、この基準と型で埋めます。