戸田建設、過去の事故事例をAIが提示する安全指示書づくり支援とRAG精度改善

まず効いたのは、大規模なシステム構築から入らず、現場で試して直すことを前提に置いた段階的な進め方です。対話形式で過去事例を検索・参照できるプロトタイプを先に立ち上げ、実際の現場で使ってもらったところ、情報収集が速くなる、リスクに気づきやすくなるという手応えの一方で、回答のばらつきと検索精度の弱さが表面化しました。注目したいのは、この否定的な結果を失敗として片づけず、システム構成とデータ処理プロセスを見直す入力として扱った点です。何が足りないかは机上では分からない、という前提に立った設計判断だったと考えられます。

精度改善の攻め方も、この事例の特徴が出ています。回答が的外れなときにAIモデルそのものを取り替えて解決しようとするのではなく、データ構造の最適化、独自の前処理、複数の検索手法を組み合わせたアルゴリズムの実装という、データ側と検索側の作り込みで押し返しました。社内文書は書式も粒度もばらばらで、そのまま検索に載せても目当ての一件には届きません。手を入れる場所を「探される側」に置いた設計が、実運用に耐える精度へ近づける道筋をつくったと見ています。

もう一つ見逃せないのが、実務で利用しやすい回答フォーマットの制御です。安全指示書は毎日決まった形で作られる書類ですから、AIの答えが正しくても、書式がばらつけば現場は結局それを整え直す手間を負います。出力の形をあらかじめ型にはめる工夫は、精度の話とは別軸で、使われるかどうかを分ける現実的な設計です。