日立が熟練者の勘を生成AIで再現、品質保証の検索時間9割削減を実証

形式知化の対象を、答えではなく探し方に定めた切り分けが、この取り組みの起点になっています。熟練者がどのようなキーワードを選び、どんな順番で情報をたどっているのかというパターンや業務プロセスそのものを聞き取り、生成AIのプロンプトへ落とし込んでいます。正解の知識を覚えさせるのではなく、正解にたどり着く手順を移すという発想であり、すでに蓄積されたデータベースを作り直さずに済む点でも、現実的な選択だったと考えられます。

精度を高める工程に、熟練者の目線を組み込んだ評価の仕組みを置いた点も見逃せません。実際の業務を想定した質問と模範解答のペアを100件以上、熟練者と生成AIの専門チームが一体となって作り上げ、品質保証業務を網羅する共通の評価基準に仕立てています。判断の物差しが共有されれば、出力の良し悪しを感覚で語らずに済み、改善・評価・チューニングの往復が回り始めます。曖昧になりやすい暗黙知を扱いながら、半年ほどで現場水準まで精度を引き上げられた背景には、この測れる形にする工夫があったのではないでしょうか。

対象を鉄道システム分野の品質保証業務に絞り、既存の支援ツールへ組み込む形をとった進め方にも意味があります。担当者から見れば使う道具は変わらず、これまでの業務の流れの中で、精度の上がった検索や分析に触れることになります。新しいツールを覚え直す負担を生まないやり方は、その後も使われ続けるかどうかを大きく左右する部分です。