セゾンテクノロジーがRAG製品と連携基盤をつなぐ検証、社内文書検索の精度を確認

一から構築せず、完成したプロダクトを検証の起点に据えた判断が、この取り組みの土台になっています。選定理由として挙がっているのは、エンジニアが苦労するチャンキング（長い文書を検索しやすい単位に区切る処理）を含め、精度を出すための独自技術が製品側に作り込まれていた点です。最も沼にはまりやすい精度づくりの工程を製品に預け、自社は連携の設計に力を注ぐ。この役割分担が、検証を短い助走で立ち上げる条件になったと考えられます。

疎結合という設計思想を連携の中心に置いた点も見逃せません。HULFT Square自体はデータ連携基盤でありRAGの機能を持たないため、データを最適化してSuper RAGへ渡し、返ってきた回答を社内チャットや後続の業務プロセスへ流す受け渡し役に徹する構成が採られています。AIの画面の中ですべてを完結させず、既存の業務の流れの途中にAIを差し込む形にしたことで、検索精度は製品側、データの整え方と回答の行き先は連携基盤側という切り分けが保たれます。業務ワークフローの中にSuper RAGを一人の担当者として登場させるという構想も、この切り分けがあって初めて具体的な設計に落ちるものです。

検証の進め方そのものにも工夫がありました。API連携を組む際、仕様書の記載箇所を人に尋ねる代わりにSuper RAGへそのまま質問を投げるという方法が示され、その体験が製品理解の入り口になっています。検証対象のAIを、検証作業そのものの道具として使ってしまう発想です。導入を検討している段階から、どう聞けば欲しい答えが返るのかを実地で覚えられる進め方といえます。