依頼内容とその背景

• 社内の技術文書、過去の提案書、関連ナレッジなどがファイルサーバーや複数のシステム内に分散している状況が大きな課題となっていました。これにより、社員が質問や調査を行う際に、必要な情報に辿り着くまでの工数が非効率になっていました
• この解決策として、生成AIを活用したRAG（検索拡張生成）システムの導入を検討されていましたが、以下の２点について強い懸念をお持ちでした
  1. **実用性への疑問：**RAGが本当に自社の複雑な専門知識に対応し、業務で信頼できるレベルの回答精度を実現できるのかという確信が持てない
  2. PoC設計の難しさ：単なる技術的なプロトタイプではなく、ビジネス成果（ROI）に直結する、適切なPoC（概念実証）の検証設計をどう行えば良いかという戦略的な指針を求めている
• そこで当社は、「RAGを導入する」という技術的な要望だけでなく、「どのようにPoCを設計すれば、再現性高く本番へ移行できるか」という課題解決に焦点を当てたご依頼をいただきました。具体的には、以下の内容をワンストップで担当しました
  1. 戦略的PoC設計：RAG導入によるROIを最大化するためのユースケースの策定と、精度の評価指標設計
  2. 技術選定と実装：最適なLLMやベクトルDBなどの技術選定を行い、要件定義~プロトタイプ実装
  3. **本開発ロードマップ策定：**PoCの結果を分析し、ハルシネーション対策を含めた安定運用のための本開発ロードマップと、スケーラブルなシステムアーキテクチャ設計

開発イメージ

お客様の声

<aside> 💡

RAG開発を依頼して本当に良かったのは、「まずはPoCから」というフェーズの設計思想です。多くのベンダーが技術検証に終始しがちな中で、貴社は「PoCをどう設計すれば、ビジネス成果と技術の確からしさの両方を検証できるか」という戦略的な視点で入ってくださいました。

特に評価したいのは、検証項目が明確で、精度評価の手法が極めてロジカルだった点です。これにより、PoCの結果が「できた・できない」の二択ではなく、「どの業務フローにRAGが有効で、本番環境で何が必要か」という具体的なロードマップに直結しました。結果として、PoCの成功は偶然ではなく再現性の高いものとなり、本開発へ無駄なく、かつ自信を持って移行できたことは、プロジェクト全体のコストとリスクを大きく低減してくれました。

（ご担当者様より）

</aside>