BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:「精度が出ない」の前に確認する5つのこと ー RAG構築で詰まる本当の理由 X-WR-CALNAME:「精度が出ない」の前に確認する5つのこと ー RAG構築で詰まる本当の理由 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:997312@techplay.jp SUMMARY:「精度が出ない」の前に確認する5つのこと ー RAG 構築で詰まる本当の理由 DTSTART;TZID=Asia/Tokyo:20260709T120000 DTEND;TZID=Asia/Tokyo:20260709T124500 DTSTAMP:20260625T061330Z CREATED:20260618T164737Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/99731 2?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n✓ 社内文書 を読ませるAI（RAG）を作ったが、精度が出ない\n✓ も っともらしいのに間違える、欲しい答えが返ってこな い\n✓ モデルを高性能なものに変えても、プロンプト をいじっても改善しない\n✓ 図面や仕様書のような画 像に答えがあるのに、検索でヒットしない\nもし一つ でも当てはまるなら、\n問題は「モデルの性能」でも 「プロンプトの書き方」でもありません。\n「精度が 出ない」を一括りにして、どこで詰まっているかを切 り分けていないだけです。\nこの45分で、RAGの精度が落 ちる原因を5つの観点に切り分け、「自社はどこで詰ま っているのか」を見極めて次の一手を決められる状態 を持ち帰ることができます。\n■ こんな方におすすめ です\n───────────────────── ───────────\n✓ RAGを導入したが「精度が 出ない」で止まっている方\n✓ モデル変更やプロンプ ト調整を試したが改善せず、次の打ち手に悩んでいる 方\n✓ 図面・仕様書・スキャンPDFなど画像の情報をAI に扱わせたい方\n✓ DX推進・情報システムの担当とし て、社内のRAGをどう改善するか考えている方\n✓ 勘で はなく数字で精度を測り、小さく育てる進め方を知り たい方\n■ セッション説明\n─────────── ─────────────────────\n「社 内文書を読ませるAI（RAG）を作ってみたが、精度が出 ない。もっともらしいのに間違える、欲しい答えが返 ってこない」。RAGを一度導入した現場で、この声を本 当によく聞きます。ですが「精度が出ない」と一括り にして、モデルを高性能なものに変えたり、プロンプ トをいじったりしても、たいてい解決しません。\n本 セッションは、その「精度が出ない」を感覚の問題で はなく技術的なトラブルシュートとして分解します。R AGの精度を決める要素は一つではなく、検索・文書の 切り方（チャンク分割）・データ品質・取り込み範囲 （画像や図面など非テキストを検索対象に入れている か）・プロンプトといった複数の要因が絡み合う「構 造的な問題」です。まず精度が落ちる原因をこの5つの 観点に切り分け、「自社はどこで詰まっているのか」 を見極める地図をお渡しします。特に4つ目の取り込み 範囲では、図面・仕様書・スクショのような画像デー タが標準のRAGでは検索対象から丸ごと漏れているとい う、製造業で精度の上限を決めがちな死角も扱います 。\n後半は、ハイブリッド検索・リランカー・メタデ ータでの絞り込み・データ整備・画像をAIに読ませて 検索対象に含めるマルチモーダル取り込みといった具 体的な打ち手を、効果の数値とともに整理します。あ わせて「そもそも検索インデックスを作るべきか」と いう方式選択も規模の目安つきで扱います。難しい技 術知識は前提にしません。今日のゴールは、自社のRAG の「精度が出ない理由」を切り分けて、次の一手を決 められる状態を持ち帰ることです。\n■ 今回話す内容\ n──────────────────────── ────────\n\nなぜRAGは「精度が出ない」のか。 モデルやプロンプトの一発解決で片付かない構造的な 理由\n精度が出ない理由を切り分ける5つの観点（検索 ・チャンク分割・データ品質・取り込み範囲＝マルチ モーダル・プロンプト）と、自社の詰まりどころを見 極める地図\nハイブリッド検索・リランカー・データ 整備・画像の取り込みといった具体的な打ち手と、数 字で測って小さく育てる進め方\n\n■ 登壇者\n──── ──────────────────────── ────\n三好大悟（株式会社リベルクラフト 代表）\ nデータサイエンティスト出身。製造業・大手ITを中心 に、AI・データ活用のコンサルティングと社内研修を 手がける。「技術を現場で動く施策に翻訳する」をミ ッションに、導入判断から構築・運用展開まで一気通 貫でサポートしている。Python・SQLによる実装経験と、 経営層へのプレゼン・合意形成の両方を持つ実務家。\ nX: 三好大悟\, リベルクラフト LOCATION: URL:https://techplay.jp/event/997312?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR