AI・LLM / RAG
社内規定・マニュアル横断 RAG社内AIシステム
社内に散在する数千ページの規程集・マニュアル・技術文書をベクトル化し、根拠ページ引用付きで高精度に回答する社内検索AI。
PHASE 01 ｜ CHALLENGE
直面していた課題
総務・人事・技術部門に「申請方法」「製品仕様」に関する類似の社内問い合わせが集中し、担当者の調査・回答負荷が課題となっていた。
PHASE 02 ｜ REQUIREMENTS
システム要件と制約条件
既存の社内ファイルサーバー（PDF・Word・Excel）と自動同期し、社外にデータを出さないアクセス権限制御および回答の参照元ドキュメント明示が必須。
PHASE 03 ｜ TECH STACK SELECTION
採用技術スタック
Python
FastAPI
Qdrant (Vector DB)
bge-m3 (Embedding)
Llama-3-70B-Instruct
Docker
システム構成
社内ファイルサーバー → 定期バッチ前処理 → Embedding変換 → Vector DB → ハイブリッド検索 → LLMプロンプト注入 → 社内WebチャットUI
PHASE 05 ｜ PROCESS FLOW
処理ステップ・開発フロー
STEP 1
社内共有フォルダからPDF・マニュアル類を自動抽出・テキスト化
STEP 2
段落・表形式を保持したチャンク分割およびベクトル埋め込み（Embedding）
STEP 3
社内Webチャットからの自然言語質問をベクトル化しハイブリッド検索
STEP 4
検索された上位コンテキストと質問を統合し、参照元（PDF名・ページ番号）付きで回答生成
PHASE 06 ｜ ENGINEERING OUTCOME
実装結果
社内規程や技術仕様の検索が即時化され、引用元ページが明示されることで回答のファクトチェック工数を大幅に短縮。
CONTACT & CONSULTING
AIを「使う」だけではなく、
必要なら、その仕組みからつくる。
「既存のSaaSでは要件を満たせない」「データを社外に出せない」「現場のカメラやセンサーと連携したい」など、貴社の固有の課題から最適なAI・システム構成をご提案します。
PoC・技術検証フェーズから相談可能
NDA（秘密保持契約）迅速締結
研究開発から現場実装・運用まで一気通貫