サービス · RAG ナレッジ

RAG ナレッジシステム

社内のドキュメントとデータを、本当に信頼できる回答に変えます。どの回答も出典を示し、検索は貴社の権限に従い、検索品質は評価ベンチマークに対する一つの数値として見えます。

DEFINITION · RAG とは

RAG ナレッジシステムとは？

RAG ナレッジシステム（検索拡張生成）とは、大規模言語モデルがまずクエリ時に貴社自身のドキュメント群から関連する箇所を検索し、それを根拠に回答を生成するアーキテクチャです。狙いはモデルを賢くすることではなく、回答を検証可能にすることにあります。すべての主張に文レベルの引用（ドキュメント／ページ／チャンク）が付き、検索は既存の AD/SSO 権限を継承し、品質は検索再現率・引用精度・回答忠実性といった指標で測定され、増分インデックスによってデータの新鮮さが保たれます。ひと言で言えば、RAG はモデルの記憶を、監査できる知識に置き換えるのです。

生成の前に検索する

モデルはトレーニングで記憶した内容から答えるのではなく、クエリごとに貴社の文書群から最も関連性の高い箇所を検索し、ソースを根拠に回答します。知識の更新は再トレーニングではなく再インデックスで済みます。

回答に引用が付く

すべての結論は、開いて確認できる特定のドキュメント・ページ・箇所までさかのぼれます。信頼できる根拠がない場合は、もっともらしい文章で埋めるのではなく、その旨を伝えます。

権限と分離が組み込まれている

検索レイヤーが既存のアクセス制御を適用するため、ユーザーはすでに許可された情報のみを検索できます。データは VPC やオンプレミスに保持でき、AI の導入で新たな露出面が生まれることはありません。

数値で受け入れ判断できる品質

ドメインエキスパートと構築したゴールデンセットに対し、再現率・引用精度・忠実性が「正確か？」を測定可能な数値に変えます。すべてのチューニングは勘ではなくベンチマークに裏付けられます。

COMPARISON · RAG vs 一般的な LLM / キーワード検索

RAG は単に LLM に聞くこととキーワード検索とどう違うのか？

一般的な LLM に聞けば、もっともらしいが検証できない回答が返ってきます。キーワード検索を使えば、自分で読むべきリンクの山が返ってきます。RAG ナレッジシステムはその中間に位置しつつ、両者を上回ります。セマンティック検索で適切な箇所を見つけ出し、モデルに引用付きで監査可能な回答を組み立てさせるのです。この表では、Tenten が提供する RAG をこれらの代替手段と項目ごとに対比します。

一般的な LLM / キーワード検索 / ファインチューニングのみ

RAG ナレッジシステム（Tenten が提供）

ソース / 追跡可能性

一般的な LLM は何も引用せず、キーワード検索はリンクを返すだけで回答の組み立ては自分任せ

すべての結論に、開いて確認できるドキュメント／ページ／チャンクの引用が付く

ハルシネーションの抑制

モデルが空白をもっともらしい文章で、自信たっぷりに、見抜きにくい形で埋める

回答は検索したソースの範囲に限定され、信頼できる根拠がなければ明確に「見つかりません」と伝える

権限の考慮

一般的なモデルやほとんどのキーワード検索は権限を考慮せず、見せるべきでない情報まで露出する

検索が既存の AD/SSO/グループを継承し、ユーザーは権限のあるドキュメントのみを検索する

新鮮さ / 更新

モデルの知識はトレーニング時点で固定され、更新にはコストと時間のかかる再トレーニングやファインチューニングが必要

ソースシステムと増分同期し、古いバージョンは降格または再インデックスされる——速く安価

測定可能な品質

良し悪しが主観的で、退行や改善を追える一貫した指標がない

ゴールデンセットが再現率／引用精度／忠実性を定量化し、イテレーション間で比較できる

マルチフォーマット / 表の解析

キーワード検索はスキャンや表が苦手で、一般的なモデルは条項番号や列構造を取り違える

PDF／スキャン／Excel／長い契約書を構造化解析し、条項番号や表の正確さを保持する

デプロイ / データ分離

公開 API は機密文書を境界の外へ送り、ファインチューニングはデータをモデルの重みに焼き込む

VPC やオンプレミスにデプロイ可能で、データは境界外に出ず、SOC 2 / GDPR を満たす

追跡できない回答は誰も使わない

エンタープライズ RAG の本当のボトルネックは、モデルが回答を生成できないことではありません。生成された回答を誰も信頼しないことです。契約書・SOP・プロジェクト記録・サポートチケットが SharePoint・Confluence・Google Drive・チケットシステム・メール添付ファイルに分散し、バージョンが競合し、権限が複雑に絡み合っています。システムが回答を返しても、どのドキュメント・ページ・バージョンからのものかを示せなければ、法務・監査・営業チームは手動での確認に戻り、ロールアウトは PoC で止まります。

Tenten AI はエンジニアをオンサイトにデプロイ（FDE）し、チャットボットのデモではなく、実際に承認できる検索システムとして RAG を構築します。すべての回答にはドキュメント・ページ・チャンクまでの文レベルの引用が付与され、クリックしてソースに対して検証できます。検索レイヤーは既存のアクセス制御（AD/SSO/権限グループ）を再利用するため、ユーザーはすでに閲覧権限を持つ情報のみを検索できます。AI が権限を回避するバックドアにはなりません。

最も重要なのは、測定可能であることです。初日からドメインエキスパートとともにゴールデン評価セットを構築し、すべての変更を検索再現率・引用精度・回答忠実性に対して追跡します。データの新鮮さは増分インデックスとソース同期によって保証され、古いコンテンツはフラグが立てられるかダウンランクされます。「この回答はまだ有効か？」という疑問は、後から聞くクレームではなく、監視する指標になります。

機能

100% 文レベルの引用

すべての回答が、ユーザーが 1 クリックで展開・確認できる特定のドキュメント・ページ・箇所にマッピングされます。信頼できるソースが存在しない場合、システムは「根拠が見つかりません」と回答します。

権限対応の検索

既存の AD / SSO / 権限グループを再利用し、検索レイヤーと回答レイヤーの両方でアクセス制御を適用するため、ユーザーはすでに閲覧権限を持つドキュメントのみを参照できます。AI が権限を回避することは絶対にありません。

測定可能な検索品質

ドメインエキスパートとともにゴールデン評価セットを構築し、検索再現率・引用精度・回答忠実性を継続的に追跡します。すべてのチューニング判断はベンチマーク数値に基づき、感覚に頼りません。

データの新鮮さと増分インデックス

SharePoint・Confluence・Drive・チケット・契約書リポジトリなどのソースシステムと増分同期するため、古いバージョンはフラグが立てられるかダウンランクされ、無効なコンテンツが引用されることはありません。

マルチフォーマットと表の解析

PDF・スキャン文書・Word・Excel・長い契約書を、条項番号・表の列・セクション階層を保持した構造化解析で処理します。「第 X 条、第 Y 項」レベルの精度で検索できます。

プライベートデプロイとデータ分離

VPC またはオンプレミスにデプロイし、Anthropic・OpenAI・ローカルオープンソースから選択したモデルを使用します。データは境界外に出ることなく、SOC 2・GDPR・内部監査要件を満たします。

ユースケース

法的契約書の検索

法務・営業チームが数千件の契約書から自動更新条項・賠償責任上限・データ保護義務を即座に照会できます。各回答には正確な契約書の箇所が引用されるため、交渉やデューデリジェンスで手動でページをめくる必要がなくなります。

製造業 SOP と設備マニュアル

ライン作業員が機械のトラブルシューティング・保守サイクル・安全条項について平易な言葉で質問でき、システムが SOP・設備マニュアル・MES チケット履歴から、どのバージョンの作業指示書からの情報かを明示して回答します。

カスタマーサポートナレッジベース

サポートエージェントが過去のチケット・製品ドキュメント・FAQ から出典付きの回答を取得し、初回応答時間を短縮しながら、すべての返答が最新のポリシーと一致することを保証します。

金融コンプライアンス KYC/AML 照会

コンプライアンスチームがアクセス制御を保ちながら（異なる階層が異なるドキュメントを参照）、内部ポリシー・規制通知・手続きを照会できます。すべてのクエリと引用が監査トレーサビリティのためにログに記録されます。

プロジェクトナレッジと引き継ぎ

コンサルタントやエンジニアリングチームが過去のプロジェクト記録・意思決定文書・会議の成果を照会できるため、新入社員がコンテキストを素早く把握でき、ベテランの知識が退職とともに失われることもありません。

デリバリーのサイクル

第 1 週

データインベントリと評価ベースライン

ソースシステム・権限モデル・ドキュメント形式をマッピングし、ドメインエキスパートとともにゴールデン評価セットを構築します。インデックスを構築する前に「正解」の意味を定義します。

第 2〜3 週

インデックス・権限・検索パイプラインの構築

解析・増分インデックスパイプラインを立ち上げ、既存のアクセス制御を組み込み、出典付き検索・回答を実装し、評価セットに対して最初のベンチマークを取得します。

第 4〜5 週

チューニングとパイロット

評価指標に対してチャンキング・ランキング・プロンプトをイテレーションし、内部パイロットのフィードバックを取り込み、引用精度と忠実性を向上させます。

第 6 週

ローンチと引き渡し

プライベートデプロイ・モニタリングダッシュボード・データ新鮮さアラートを最終化し、貴社チームが独自にイテレーションを続けられるよう評価プロセスと運用ドキュメントを引き渡します。

100%

引用付きの回答

6 週間

本番稼働まで

SOC 2 / GDPR

準拠デプロイ

よくあるご質問

古いドキュメントや廃止されたドキュメントが引用されないようにするにはどうしますか？

ソースシステムと増分同期するため、ドキュメントが更新または廃止された場合、古いバージョンは再インデックスされ、ダウンランクされるか無効としてフラグが立てられ、検索に表示されなくなります。データの新鮮さは設定可能なアラートを持つ指標として監視されます。「この回答はまだ有効か？」は、クレームを受けて発見するものではなく、監視するものになります。

権限はどのように処理されますか？従業員が閲覧すべきでないコンテンツを見ることができますか？

いいえ。システムは既存の AD / SSO と権限グループを再利用し、検索レイヤーと回答レイヤーの両方でアクセス制御を適用するため、ユーザーはすでに閲覧権限を持つドキュメントのみを参照できます。RAG のために緩い権限モデルを構築することは絶対にしません。AI がデータ漏洩のバックドアになることを防ぎます。