回答精度90%、自動車業界団体が専門的な問い合わせ対応にAIを活用

AI導入の前に、暗黙知と分散情報を「AIが正確に読み取れるデータ形式」へ整理する工程を独立して置いた設計が、この取り組みの土台になっています。RAGは、参照するデータの中に答えの手がかりが整った形で存在してはじめて機能する仕組みです。裏を返せば、担当者の頭の中と各所に散った資料をそのまま渡しても、精度は上がりません。汎用のAIを当てるのではなく、独自のデータ構造化技術で読み取れる形を先に作るという順番の置き方に、この事例の勘所があると考えられます。

もう一つの要因は、稼働後の運用を最初から仕組みとして組み込んだ点です。月次レポートで利用状況を分析し、FAQデータを最適化し、AIをチューニングし直すという流れが、伴走支援として継続されています。問い合わせ対応は、新しい論点が出てくれば参照すべき知識も変わる領域であり、一度作ったデータを固定したままでは答えられない質問が増えていきます。改善の担い手と周期をあらかじめ決めておくやり方は、精度を「維持する」ための現実的な備えです。

業界団体という位置に窓口を置いたことも、この手法と相性がよかったと見ています。個社ごとに散っていれば一件ずつ独立した相談になりますが、団体には同じガイドラインをめぐる質問が集まるため、問いの重なりが大きくなります。重なりの大きい領域は、整理したデータが繰り返し効く領域でもあります。