本文へスキップ
BigTree108

AIナレッジ検索・RAG開発サービス

AIナレッジ検索・RAG開発サービス：検索拡張生成（RAG）により、文書、Wiki、チケット、契約書、データベースの内容に出典付きで答えます。各ユーザーの権限を反映したエンタープライズAI検索、サポート・営業・運用チーム向けのナレッジアシスタント、誤った回答を出すRAGシステムの改修に対応します。Azure AI Search、PostgreSQLのpgvector、Elasticsearch、OpenSearch、Qdrant、Pinecone、Weaviateを利用します。御社チームに加わる専任のRAG開発者としても、プロジェクトを企画から納品まで一貫して請け負う形でも承ります。

構築するRAGシステム

  • ナレッジアシスタント

    従業員や顧客向けの回答を、ヘルプセンター、社内規程、製品ドキュメント、過去のチケットから導きます。すべての記述に出典へのリンクを付け、情報源から答えられない場合はその旨をはっきり伝えます。

  • エンタープライズAI検索

    SharePoint、Confluence、Google Drive、Notion、Jira、データベースを横断する1つの検索です。キーワードとベクトルのハイブリッド検索、リランキングを備え、クエリ実行時にユーザーごとのアクセス権を確認します。

  • ドキュメントの取り込み

    PDF、スキャン、スライド、スプレッドシート、Webページを、レイアウト、表、画像を保ったまま解析します。読み手が見て分かるまとまりに分割し、情報源が変わると自動で再インデックスします。

  • 検索のチューニング

    ハイブリッド検索、リランキング、クエリの書き換え、メタデータフィルター、コンテキストを踏まえたチャンク分割を、御社の実際の質問でチューニングします。回答がレコード間の関係に左右される場合は、グラフベースの検索も使います。

  • 構造化データからの回答

    SQLデータベース、スプレッドシート、APIに対する質問に、モデルが書いてコードが検証する読み取り専用クエリで答えます。回答に両方が必要な場合は、テキスト検索と組み合わせます。

  • エージェント型RAG

    複数の検索を計画し、情報源を比較して、最初の回答が不十分なときは追加の質問を投げかけるアシスタントです。多数の文書にまたがるリサーチ、デューデリジェンス、サポート案件に向きます。

  • 誤答するRAGの改修

    既存のRAGシステムを実際の質問のセットで測定し、失敗の原因をパース、チャンク分割、検索、プロンプトのいずれかまでたどります。それぞれの改善は、デモではなくスコアで裏づけます。

  • 評価とモニタリング

    検索と回答の品質をRagasやDeepEvalで変更のたびに採点し、ユーザーのフィードバックを集めて、回答できなかった質問を報告します。これにより、コンテンツ担当チームは次に書くべき内容が分かります。

  • 権限とデータ保護

    文書の権限はプロンプトではなく検索の段階で適用し、モデルに不要な個人データは伏せ字にします。インデックスは、御社自身のクラウドアカウントに置きます。

RAG開発者を採用する

  • 専任のRAG開発者

    御社のチームにフルタイムで参画し、御社のツールとプロセスの中で働き、御社のリードに報告するRAG開発者です。面接は御社が行い、ウクライナでの雇用契約、給与支払い、請求書発行、休暇管理は当社が担います。

  • AIナレッジ検索プロジェクト

    スコープと固定の計画が定まったAIナレッジ検索の一区切りの業務です。当社側の担当リードが成果に責任を持ち、進捗は御社のチャネルで報告します。

  • 継続的なAIナレッジ検索

    AIナレッジ検索を継続サービスとして提供します。毎月同じメンバーが担当し、優先順位は御社がバックログで決め、稼働時間は当社のポータルと請求書で確認できます。

スペシャリストが御社のチームに参画する方法は専任チームのページで、プロジェクトのデリバリー、引き継ぎ、料金の考え方はアウトソーシングのページで説明しています。

御社のAIナレッジ検索を担当するメンバー

  • RAG・AI開発者

    検索、プロンプト、評価

  • データエンジニア

    取り込みパイプラインとコネクタ

  • 検索エンジニア

    Elasticsearch、OpenSearch、ベクトルデータベース

  • .NET、Python、フロントエンドエンジニア

    アプリケーションとインターフェース

  • QAエンジニア

    評価セットと回帰テスト

確認できる回答

RAGシステムの品質は、検索の質で決まります。まず、ユーザーが実際に尋ねる質問と、専門家が期待する回答から出発します。検索と回答は別々に測定し、パース、チャンク分割、検索、プロンプトの変更は、スコアが改善を示したときにだけ行います。

すべての回答に、根拠とした箇所の引用を付けるため、ユーザーは1クリックで確認できます。情報源が質問をカバーしていない場合、アシスタントは空白を埋めようとせず、そう伝えます。そうした質問は、これから書くべきコンテンツのリストになります。

その他のAI開発サービス

AI開発の概要

AIナレッジ検索とRAGに関するご質問

ハルシネーション（事実と異なる回答）をどう防ぎますか。

検索で取得した情報源に基づいて回答し、引用元を示します。情報源から答えられない場合はそう答えるようモデルに指示し、答えられない質問も評価セットに残します。これにより、作り話の回答は減り、残る分も測定できます。ただし、現在のモデルで完全になくせるものはありません。

どのベクトルデータベースを使いますか。

すでに御社で運用しているものを使うことが多いです。PostgreSQLのpgvector、Elasticsearch、OpenSearch、Azure AI Searchで、たいていの文書コレクションは対応できます。大規模な場合やマネージドのベクトルサービスが適している場合は、Qdrant、Pinecone、Weaviateが向いています。選定は、データ量、レイテンシ、データの置き場所によって決めます。

ユーザーが閲覧を許可された文書だけから回答を得られますか。

はい。SharePoint、Google Drive、Confluence、御社独自のシステムの権限を、インデックス化した各箇所とともに保存し、質問した本人について検索時に確認します。そのため、本人が開けない文書が、その人の代わりにモデルへ渡ることはありません。

当社のRAGチャットボットが誤った回答をします。改善できますか。

はい。実際の質問から評価セットを作り、どこで回答が失敗するかを測定して、各失敗の原因をパース、チャンク分割、検索、プロンプトのいずれかまでたどります。改善は効果の大きい順に行い、それぞれスコアで裏づけます。

RAG開発者は、どのくらいで開始できますか。

適任のRAG開発者がすぐに対応可能な場合、開始までの条件は、御社の面接と、NDAおよび知的財産権の譲渡契約の締結のみです。そうでない場合は人材を探索し、通常は2〜3週間以内に候補者のプロフィールをお出しします。御社が承諾するまで、誰も業務を始めません。

BigTree108を通じてRAG開発者を採用するには、どうすればよいですか。

必要な業務内容、シニアリティ、稼働時間をお知らせください。1〜2名の候補者をプロフィールとともにご提案し、御社が自社で採用する場合と同じ形で面接を行います。契約はBIG TREE 108 LLCとの1本、請求書は月1通です。

成果物の権利は、誰に帰属しますか。

御社です。すべてのスペシャリストはBigTree108と署名済みの契約を結び、成果物のすべてを会社に帰属させています。さらに、御社との契約により、その権利は御社に引き継がれます。コード、デザイン、ドキュメントは、当社だけが変更できる場所ではなく、御社のリポジトリとツールに納品します。

自社の文書から回答を得たいとお考えですか。

文書の保管場所、質問する人、質問の内容をお知らせください。1営業日以内に、計画、候補者のプロフィール、または既存システムのレビューをお届けします。

hello@bigtree108.comにメールする対応の流れ