機能・特長

高性能なRAGが、さまざまな問いに社内資料から柔軟に対応。
運用面では、AIエージェントが高精度の解析で作業効率を高めます。

RAG

Retrieval Augmented Generation（検索拡張生成）

画像、グラフ、表などしっかり読取り、
Hybrid、Rerank 検索で正しく検索し、
独自のPrompt Engineering で LLM の出力を高度に安定化します。

回答の正確性

平均90%

読取、検索、回答の
全てが高品質

最先端のAIを駆使して、あらゆる形式の資料から
情報を正しく認識し読取ります

膨⼤な量の読取りデータから正確で網羅的に検索し回答する技術

Step1

Vector Seach

ユーザの質問と読取データをAI で数値値化し類似度を距離計算。⾔葉遣いや表現の揺れ、⾔語の違いを超えた検索を可能にします。
Step2

Semantic Reranker

得られた検索結果に対し、AI で質問の意味を加味し再度ランキング。質問の意図に限りなく相応しい情報を取得します。
Step3

Augmented Generation

RAG 1回につき、たっぷり10,000 token分の検索結果を使⽤。正確性に加え、網羅的な検索拡張⽣成を実現しています。

思考連鎖的な推論を⾏いより実⽤的な回答を導き出す技術

たとえ曖昧で不正確な質問でも、何を聞かれているのか真意を思考した上で回答し、関連情報も考えて提⽰し、さらに確信が得られない場合はエスカレーション先を案内するなど、臨機応変な対応は「忙しい現場」で本当に役⽴つ性能です。

RAGの実行ごとに応答分析、RAGの不足情報を統計分析し、
SharePoint/OneDriveからRAGに必要な資料を取得し自動追加

提案の有効性

平均92%

情報ニーズを分析、
関連資料を自動追加

会話を一件ずつ分析し、ニーズをクラスタリングすることで、必要な追加資料を洗い出し、提案します。

分析結果をクラスタリングし情報ニーズを捉え
優先度の高い追加すべき資料を検討・提案する

該当する資料をSharePointから探索しINDEX追加へ登録する下準備まで行う