RAG
Retrieval Augmented Generation(検索拡張生成)
OfficeAI社員の
高いRAG性能を
実現する3大技術
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
データ認識技術
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
-
- レイアウト認識
- 複雑な構成の
ドキュメント
-
- 光学式文字認識
- 紙のスキャン
データ
-
- 画像認識
- グラフなど
描画された資料
-
- テーブル構造認識
- テーブル構造の
表データ
検索拡張技術
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 Search
- ユーザの質問と読取データをAIで数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。
CoT(Chain-of-Thought)
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。
たった1ステップで企業専用RAGの誕生
企業の情報資産をアップロードするだけ!
AI分析機能
OfficeAI社員の
AI分析機能の
3つのポイント
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
すべての質問を分析
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。
追加すべき資料を分析
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
専門文書を
大量に扱う現場で
多くの採用実績
高い専門性と正確性が求められる、
幅広い業種・部門で活用されています。