一般的な AI チャットボットに自分の会社のことを聞いてみてください。きっとつまずきます。「私たちの返金ポリシーは?」 自信たっぷりで、それらしく聞こえる答えを返してきますが、それは間違っています。あなたのポリシーを一度も見たことがないからです。これこそ AI プロジェクトが期待外れに終わる最大の理由です。AI は一般的なことには優秀でも、あなたのことは何も知らないのです。
これには解決策があり、ちょっと無骨な名前がついています。RAG、retrieval-augmented generation の略です。専門用語は気にしないでください。考え方はシンプルで、AI でできる最も役立つことのひとつです。
AI に「調べさせる」
普通の AI は記憶から答えます。学習中に身につけたすべて、つまりあなたのビジネスについては何も含まないものです。RAG はそこに一手間を加えます。答える前に、あなた自身の信頼できる情報を調べるのです。ポリシー、製品の詳細、ヘルプ記事、データ。そして、見つけたことをもとに答えを書きます。
賢い人が当てずっぽうで答えるのと、同じ人があなたの実際のハンドブックを読んでから答えるのとの違いです。同じ頭脳。でも、はるかに良い答えになります。
なぜこれがそれほど大事なのか
AI をあなたのデータに根づかせると、AI の 2 つの大きな問題が溶けて消えます。第一に、でっち上げをやめます。あいまいな記憶ではなく、本物の情報源から答えるからです。第二に、ようやくあなたのことを知ります。製品、ルール、お客さま。だから答えは、ありきたりではなく、実際に役立つものになります。
これが、面白いデモを、人が信頼する道具へと変えるものです。あなたの実際のポリシーを引用するサポートアシスタント。実際の業務プロセスを知っている社内ヘルパー。あなたが胸を張れる答え。
静かな前提条件
ここに落とし穴があり、聞き覚えがあるはずです。RAG は、向ける先の情報の質を超えません。ポリシーが古かったり、データが散らかっていたりすれば、AI はその間違ったデータから、間違った答えを忠実に差し出してきます。AI を知識に根づかせるということは、その知識が根づくに値することを前提にしています。だからこそ、情報を整えておく理由がもうひとつ増えるわけです。
まとめ
AI をビジネスに役立てる方法は、もっと賢いモデルを探すことではありません。あなたのデータを与えることです。RAG はそのためのやり方です。AI が答える前に、あなたの信頼できる情報を読ませる。そうすれば当てずっぽうをやめ、本当に役立ち始めます。AI にあなたのデータを与えれば、それはついにあなたのために働き始めるのです。