RAGの回答を、業務の判断に活かすには何が必要か

直接の回答

RAG（検索拡張生成）は、質問との関連性をもとに回答に必要な資料や根拠を検索・取得し、生成AIが参照して答えられるようにする仕組みです。その回答を業務の判断に使うには、取り出した情報がどの対象の、いつ時点の、どの条件で有効なものかを確かめ、採用した理由を残す土台が要ります。RAG を置き換えるのではなく、役割を分けて組み合わせます。

RAG が担うこと、判断のために別に要ること

RAG が担うのは、質問に関係する資料や根拠を探して取り出し、生成AIが参照できるようにすることです。社内の資料を根拠に答えられるようになる点で、業務でも役立ちます。

関連性は文書の内容から見積もるため、内容は似ていても前提の違う資料を拾ったり、別の呼び方で書かれた資料を取りこぼしたりすることがあります。取り出した断片どうしが同じ対象を指しているか、どちらが新しいかも、検索の仕組みだけでは判断しません。

そこで役立つのが、対象（取引先、案件、部品、材料など）、対象どうしの関係、それぞれの意味、どの条件で成り立つかを、機械が扱える形で先に定義しておく考え方です。一般にオントロジーと呼ばれ、どのデータベースに保存するかとは別の、意味についての決まりです。

RAG だけで足りる場合、確かめる土台が要る場合

文書の数が限られ、表現がそろっていて、回答を人が読んで参考にする範囲なら、RAG だけでも十分に働きます。

回答を見積・発注・設計変更などの判断に使う場合や、時点や出典の違いが結論を左右する業務では、取り出した情報を確かめ、採用した理由を残す土台が必要になります。

業務での例

以下は説明用の例です。特定のお客様の事例や、効果の数値ではありません。

「A 社向けの部品 B の材料を変更した理由は？」と尋ねたとします。RAG は、この質問に関連する見積書・仕様書・変更の記録などを探して取り出します。

しかし、部品 B が途中で型番を変えていたり、材料変更の理由が承認のやり取りにしか残っていなかったりすると、関係する記録を集めきれません。旧型番と新型番が同じ部品であることや、材料変更と承認の記録どうしのつながりが定義され、記録がその定義に沿って結び付けられていれば、変更の記録と承認の履歴をたどれます。

また、同じ部品でも、用途・材料・工程・条件が異なれば、別の判断対象として扱う、という決まりを定義しておけば、条件の違う情報を混ぜずに回答の根拠を確かめられます。

業務の判断に使う前に確かめること

RAG の回答を判断に使う前に、次のことを確かめられるようにしておきます。

• 対象と同一性：何を 1 つのものとして扱い、別名・旧型番・表記ゆれをどう結ぶか
• 出典：その情報がどの資料・記録から来たか
• 時点：いつの時点で有効な情報か
• 条件：どの用途・工程・時点で、その情報や関係が成り立つか
• 採用理由：回答のどこを採用し、何を確かめ、なぜそう判断したか

AlcheLivrA / MDF での扱い

AlcheLivrA では、組織知AI「MDF」が、業務の記録・資料・相談の履歴などを、出典・意味・履歴とともに整理し、次の判断で使える状態にします。何の情報か、何と関係し、何を根拠としているかを、判断に使える形にすることを目指しています。

この土台があれば、RAG のように文書を探して渡す仕組みも、より的を絞って使えます。回答を確かめて採用した理由も、次の判断のために残せます。

設計・製造の領域では、一部開発済みの PrimLoop で、材料・形状・支持・荷重・動作といった工学的な意味と関係を扱うことを目指しています。