目次
電話が鳴って、お客様から質問をされる。答えはわかっているはずなのに、資料がどこにあるか思い出せなくて、しばらく「少々お待ちください」で止まってしまう。こういう場面、心当たりがある方は多いんじゃないでしょうか。
僕もいろんな会社の業務改善を見てきましたが、この「資料探しの時間」に地味に苦しんでいる会社が本当に多いです。今日はその解決策としてよく使われる「RAG（ラグ）」という仕組みを、専門用語を使わずに説明していきます。
この記事でわかること
なぜ資料探しに時間がかかってしまうのか
RAGという仕組みが何をしてくれるのか
実際にhakadoruが作った事例
なぜ資料探しに時間がかかるのか
ファイルサーバーやGoogleドライブの中に資料はちゃんとある。でも、フォルダが深かったり、ファイル名がバラバラだったり、担当者しか場所を知らなかったりで、いざという時にすぐ出てこない。
これ、誰かの怠慢ではなくて、資料が増えれば増えるほど自然と起きる問題です。むしろ真面目に資料を作ってきた会社ほど、量が多くて探しづらくなっていたりします。
ChatGPTに聞くだけじゃダメなの？
「じゃあChatGPTに聞けばいいのでは」と思うかもしれませんが、そのままだと2つの壁にぶつかります。
1つ目は、会社の資料をAIは知らないこと。 一般的な生成AIは世の中の情報を学習していますが、御社の製品マニュアルや社内ルールまでは知りません。
2つ目は、知らないことを聞かれると、AIは「それっぽい嘘」を答えてしまうことがあること。 これはハルシネーション（幻覚）と呼ばれる現象で、自信満々に間違った情報を答えてくるので、かえって危険です。
この2つの壁を越えるために使われるのが、RAGという仕組みです。
RAGって何？図書館の司書さんをイメージしてください
RAG（Retrieval-Augmented Generation）は、日本語にすると「検索して、それをもとに答えを作る」技術です。
イメージしやすいのは、優秀な司書さんです。何か質問をすると、司書さんは自分の記憶だけで答えようとせず、まず該当する本や資料を探してきます。そのうえで「この資料にはこう書いてあります」と、根拠を示しながら答えてくれますよね。
RAGも同じで、AIがまず社内の資料の中から関連する部分を探し出し、それをもとに回答を作ります。当てずっぽうで答えるのではなく、「この資料にこう書いてある」を確認してから答える、というのが一番のポイントです。
実際にやったこと：医薬品業のお客様の場合
hakadoruで実際に取り組んだ事例を紹介します。
ある医薬品業のお客様では、電話対応のたびに資料を探すのに時間がかかり、担当者によって回答にばらつきが出てしまうという課題がありました。
そこで、社内資料を検索・要約できる生成AIのアプリケーションを開発しました。資料を探す時間が、5分から1分以内まで短縮できています。
何より大きかったのは、資料に基づいた正確な情報を、誰が対応しても同じように提供できるようになったことです。
うちの会社でもできる？
「専門知識がないと無理そう」と思われるかもしれませんが、大丈夫です。
大事なのは高度な技術の話ではなく、「どの資料を、どう整理してAIに読ませるか」を一緒に設計することです。ここさえ丁寧にやれば、会社の規模に関わらず取り組めます。
いきなり全部の資料を対象にする必要もありません。まずは問い合わせの多い分野の資料だけ、というように範囲を絞って始めるのがおすすめです。
おわりに
資料探しの時間は、目立たないけれど積み重なると大きなコストになっています。RAGという仕組みを知っておくだけでも、「うちの会社にも使えるかも」という視点が持てるようになると思います。
気になった方は、お気軽にご相談ください。まずは「どんな資料でお困りか」を聞かせていただくところから始めましょう🙌