資料の紹介

　近年、社内データと生成AIを連携させて、自社業務に特化した回答を得るRAG（検索拡張生成）の活用が広がっている。しかし、AIが誤回答を生成する「ハルシネーション」の発生の懸念から、実業務での活用に踏み切れないケースは少なくない 。自社の正確な情報が必要なのに「回答精度が低い」という問題は、生成AI活用の推進を阻む大きな壁となっている。

　こうした精度の課題は、検索対象となるデータの整備不足に起因していることが多い。AIが読み取りにくい形式のままのデータでは情報を正しく抽出できず、誤回答を誘発しやすい。しかし、膨大な非構造化データの構造化には専門知識と多大な工数が必要で、多くの企業が対応に苦慮している。

　本資料では、ツールを活用して生成AIと社内データ連携に必要なデータ構造化・精度評価を実現することで、生成AIを上手に活用している様々な業界の5社の事例を紹介する。AI活用の土台となるデータ整備の効率化と、回答精度の向上を両立させる手法について解説する。例えば建築設備大手のダイダンは、図表を含む資料の検索回答の精度を約80％向上させたという。

この先は日経クロステック Active会員の登録が必要です

日経クロステック Activeは、IT／製造／建設各分野にかかわる企業向け製品・サービスについて、選択や導入を支援する情報サイトです。製品・サービス情報、導入事例などのコンテンツを多数掲載しています。初めてご覧になる際には、会員登録（無料）をお願いいたします。