生成AI基盤の月間利用率3割、信用金庫が取引先同士をつなぐマッチングAI

閉域内での構築と、回答文の直後にその都度参照リンクを出す表示方式を組み合わせた設計が、金融業務にAIを載せる前提を整えました。参照元を示す仕組み自体は珍しくありませんが、ファイル名だけを返したり、回答の前後にまとめて並べたりする形では、どの一文がどの文書に基づくのかを読み手が突き合わせる手間が残ります。表示位置を回答文の直後に寄せたことで、融資や預金の規程をRAG（社内文書を検索してAIの回答に活用する仕組み）で参照する使い方でも、回答だけで判断せず提示された規程を自分で読んで確かめる、という運用ルールが実務として成立しました。

良い使い方を個人の技量に委ねず、配れる部品の形にしたことも効いています。面談記録の校閲、年金業務のナレッジ応答、訪問前のヒアリングポイント作成といったアシスタントを営業店向けに優先して用意し、簡単なカタログを添えて公開時に周知する。さらに、条件をプロンプトに書き込んでもらう方式では入力漏れが避けられなかった部分を、直感的に埋められるカスタムフォームに置き換えました。作り手の意図どおりに動かす仕掛けを画面側に持たせた点が、普及と品質の両方に働いています。

ビジネスマッチングAIでは、似た者同士を返す類似度検索ではなく、探している側と提供できる側という相互補完性——「凹凸」を見つけにいく設計が採られました。加えて、表記ゆれや言い回しの差を吸収する検索の仕組みと、入力時に必要な情報が欠けていればやり直しを促すニーズ入力支援を、当初から一体で構想しています。検索精度だけを磨いても、元の情報が薄ければ答えは出ない——その順序を取り違えなかったことが要点でしょう。人事異動への対応のように、長く運用し続けられるかという論点を要件定義で最後まで詰めた進め方も、週次で認識を合わせ続けた体制があって初めて可能になっています。