RAGを使った社内情報を回答できる生成AIボットで業務効率化してみた | DevelopersIO

はじめに 新規事業部 山本です。 ChatGPT（OpenAI API）をはじめとしたAIの言語モデル（Large Language Model：以下、LLM）を使用して、チャットボットを構築するケースが増えています。通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができません。そのため、例えば社内システムに関するチャットボットを作成しようとしても、素のLLMでは質問に対してわからないという回答や異なる知識に基づいた回答が（当然ながら）得られてしまいます。 この問題を解決する方法として、Retrieval Augmented Generation（以下、RAG）という手法がよく使用されます。RAGでは、ユーザからの質問に回答するために必要そうな内容が書かれた文章を検索し、その文章をLLMへの入力（プロンプト）に付け加えて渡すことで、ユーザが欲しい情報に関して回答

[kiichi69251]

取組をまねしたい、取り組みのまとめ方も参考に

[michael-unltd]

“以前の記事では、新たにRAGの方式を考え、Google CloudのVertex AI Search（Enterprise Search）を使ってシステムを構築し、ドキュメントをもとにした詳細な回答を生成できることを確認しました。 Google Cloud Enterprise SearchとRetrieveReadCo

[sh2]

NotionやSharePointなどのドキュメント管理サービス自体がこの機能を持つようになると思うので、自前で作るのは躊躇する

[misshiki]

“社内で3週間試用し、フィードバックを分析した結果、70%以上の質問が解決できたと回答され、業務効率化に有効であることがわかりました。”

[sho]

さすがに「マネフォ」「HO」は質問者のリテラシーに問題があるんじゃ