社内規格の検索を最大80%短縮、機密を外に出さない産業機械メーカーの生成AI

出力に必ず引用元を添えるという設計が、この取り組みの実務性を支えています。規格の確認は、それらしい文章が返ってくるだけでは足りず、どの規格のどこに書かれているかまで示されて初めて次の作業へ進めます。回答そのものを最終解にせず、担当者を原典まで案内する道具としてAIの役割を定めた判断が、もっともらしい誤りが混じりうるという生成AIの弱点を、業務が止まらない範囲に収めているのではないでしょうか。

学習させる対象を、全社・工場別・部門別と階層の異なる社内規格や、過去の仕様書とそこで実際に出された指摘事項に絞った点も効いています。汎用の知識では届かない領域だと分かっていたからこそ、閉じた環境を用意したうえで自社文書そのものを持ち込む構成が選ばれたと読めます。とりわけ仕様書レビューでは、過去に人が「これは対応できない」「ここが矛盾している」と判断した記録が学習素材になっており、熟練者の判断基準を教材の形に置き換える設計になっています。

開発を一度きりで終わらせず、テストとチューニングを反復して精度を積み上げる進め方も見逃せません。仕組みづくりと継続的な支援は日立システムズが担い、紙などアナログのまま残っていたデータをデジタル化する地道な工程まで含めて伴走しています。生成AIが扱える状態へ社内文書を整えるところから作業が要る以上、納得のいく精度に届くまで手を入れ続けられる体制そのものが、成立の条件だったと考えられます。