ポーラ・オルビスHDが内製した社内マニュアル検索AI、RAGで精度を検証

開発の座組みを「委託」ではなく「伴走」に置いた選び方が、この取り組みの土台になっています。社内にAWSの知見を持つ従業員はいてもAzureの知見は少ないという現状を踏まえたうえで、環境一式を発注するのではなく、自分たちで手を動かせるよう助けるアドバイザリー型のパートナーを探しました。支援側は相談をそのまま受け入れるのではなく、リスクがある場合は説明したうえで止め、代案をメリット・デメリットとともに提示する形で関与しています。開発の途中でMicrosoft TeamsだけでなくSlackとの連携を足したときも、セキュリティ面を考慮した検討を挟んで対応が進みました。

精度を押し上げたのは、回答生成を一つの大きなタスクとして処理せず、細かい単位に分割した設計です。質問から回答までを一息に任せてしまうと、どこで判断を誤ったのかが見えないまま出力だけが返ってきます。工程を刻んでおけば、検索と生成のどちらに問題があるのかを切り分けながら手を入れられる。あわせて回答には必ず参照元の資料URLを添える作りとし、利用者が原典に当たって確かめられる状態を保っています。

検証の場に包装設計部門を選んだ判断も見逃せません。ここは参照文書が多く経験の浅い従業員が最も困っていた領域であると同時に、文書が適切に作成・更新されていた領域でもありました。RAG（社内の文書を検索してAIの回答に活用する仕組み）は元になる文書の状態をそのまま結果に映すため、整った文書が揃う場所を最初の検証先に据えたことは、手法の実力を正しく測るうえで理にかなった置き方だったと考えられます。