プロジェクトでの支援領域

課題：社内文書データの品質

社内文書（約100万件）をRAGで活用しようとしたが、図や表が混在しており、単純なOCR/テキスト化では検索精度が出ないことが判明。手作業での修正は不可能な量だった。​

解決策：AIによるAI用データ整備

AIを活用して図表を含む文書を構造化し、RAGが理解しやすい形式へテキストを書き直す処理を実施。このアプローチにより高品質×低価格のデータ整備を実現。

プロジェクトでの支援領域

課題：用語不一致による検索漏れ

専門用語（例 : indicator）を、利用者が言い換え表現（例 : light）で質問した際に、適切な情報が検索結果にヒットしづらくなる事象が発生していた。​

解決策：AIによるAI用データ整備

継続事前学習を用いて検索用の埋め込みモデルにドメイン知識を付与し、言い換え表現と専門用語のギャップを埋めることで検索精度を改善。​

プロジェクトでの支援領域

課題：提案品質のばらつきとリスク管理

新規案件の提案において、リスクの見落としや品質のばらつきが発生。手戻りが多く、統制を効かせながら効率的に提案書を作成する仕組みが必要だった。​

解決策：リスク診断AIの構築

提案書をAIが診断・助言するシステムの構築にあたり、過去の提案書のマスキングからも判定ロジックのモデルチューニングを実施し、診断精度を向上。