キューサイの生成AI全社活用、利用率75％を支えた研修とRAG検索

性質の異なる二つの要望を、ひとつの環境にまとめて解こうとした点が起点になっています。社内にあったのは「生成AIを業務で使いたい」という声と「社内文書を検索したい」という課題でしたが、RAGを組み込めるパッケージを選ぶことで、どちらも同じ入り口から扱える形になりました。加えて、最新のLLM（大規模言語モデル）を複数使い分けられることが選定条件に据えられています。どのモデルが最良かを先に決め切らず、業務に合うものを使いながら見定められる状態をつくるという判断の順序が、その後の使い道の広がりを許容したと考えられます。

浸透のさせ方も、興味のある社員任せにしない設計でした。全社展開の前には有志を募って1か月間それぞれの部署の実務で使ってもらい、活用方法や利点・欠点を聞き取ったうえで全社へ広げています。展開後は社内の活用事例をポータルサイトに掲載し、生成AIのプロンプト（AIへの指示文）で課題をクリアしていく独自アプリ「Q’sAI冒険門」を立ち上げ、個人別と部門別のランキングを設けた参加型イベントまで行いました。使い方を先に社内から集め、他の社員が真似できる形に整えて配るという順序が、道具を配るだけでは起きない広がりをつくった要因と見ています。

RAGの作り込みでは、失敗の中身に合わせて構造そのものが変えられています。導入当初は古い情報をもとにした回答や、健康食品について尋ねたのに化粧品の法律が返ってくるといったずれが起きていました。そこで採られたのは、すべての資料をひとつのRAGにまとめるのをやめ、カテゴリごとにRAGを分けるという設計変更で、AIに賢く探させるのではなく、探す範囲をあらかじめ絞る考え方です。構築を担ったクラスメソッド側が相談や細かな要望を随時受け止め、画面のレイアウト調整まで含めて手を入れ続ける役割分担も、この作り替えを可能にしています。