JALの社内生成AI、間接部門の利用率が実質100%に至ったRAG改善

回答精度を一度きりのチューニングではなく、回し続ける対象として扱った設計が、最も大きく効いたと考えられます。社内に点在する多様な文書を取り込んだうえで、どこに課題があるかを見極めながらさまざまなRAG技術を投入し、評価と改善のPDCAを継続的に回す進め方が採られました。文書は種類ごとに構造も書き方も異なり、精度の崩れ方もそれぞれ違います。「どの文書で、どう外れるか」を突き止める工程を仕組みとして組み込んだからこそ、実用レベルへ届いたのでしょう。

用途を4つのテーマに切り分けた設計も見逃せません。何でも聞ける万能チャットを目指すのではなく、ナレッジ検索、他システムとのAPI連携、議事録の自動生成、整備部門向けの文書検索と、業務の単位で区切っています。この切り分けは、評価の物差しを具体にする働きを持ちます。議事録作成向けの機能追加やドライブ内のファイル高度検索の強化が随時進んだのも、狙う業務がはっきりしていた効果と読めます。

役割分担と利用環境の設計も、普及の下地になっています。アバナードが開発と利活用のコンサルティングで伴走し、JALのビジネス意図を汲み取る形で機能を形にする体制が組まれました。加えて、オフィスの端末を前提にせず、タブレットを使う現場スタッフまで含めたグループ全従業員が触れられる環境として構築したこと。使う人を最初から限定しなかった判断が、ツールを一部門の実験で終わらせなかったと見ています。