スルガ銀行が社内規程AI検索を全社展開、2か月で正答率9割に到達した進め方

社内規程や業務手続を読み込ませ、プロンプトを投げて正答率を測る。この地味な往復を約2か月繰り返した進め方が、取り組み全体の土台になっています。誤った回答が出るたびに、何が原因なのか、どこを直せば正しい答えにたどり着くのかを考え、仮説を立てて検証する。あらかじめ9割という合格ラインを置いたことで、精度づくりが「なんとなく良くなった」で終わらず、達成と未達を判定できる作業へと変わりました。ここに、どこを疑いどのプロンプトを調整すべきかという当たりの付け方が、プロンプトエンジニアリング（AIへの指示文の設計）に慣れたベンダー側から持ち込まれています。

精度づくりの場に、Know Narratorを管理するシステム部だけでなく、社内規程や業務手続を管理する業務企画部を同席させた体制も見逃せません。AIが参照する文書の中身と、その文書が現場でどう使われているかを最もよく知るのは、システム側ではなく文書の管理部署です。回答の誤りを技術だけの問題として扱わず、元の文書や業務の側からも見直せる状態にしたことが、短期間での精度向上を支えたと考えられます。開発を担った電通総研は、セキュアな環境構築とRAGの助言に加え、研修開発と導入後の伴走まで受け持ちました。

使い方を広げる側では、2時間の研修を前半の講義と後半の演習に割った構成が効いています。グループワークで扱われたのは、自動車メーカーの格付けレポートをその場で取り込み、その企業への融資を判断するという、参加者が日々向き合う判断そのもの。汎用的な操作説明ではなく自分の業務の題材で手を動かす設計だからこそ、短時間でも自分に使えそうだという感触が生まれたのでしょう。最初から100%の結果を期待せず使い続けてほしいという伝え方も、精度への失望で離脱することを防ぐ現実的な期待値の置き方です。