✓ 社内文書を読ませるAI（RAG）を作ったが、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

✓ 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

✓ 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

もし一つでも当てはまるなら、

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。

「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。

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。

■ こんな方におすすめです

────────────────────────────────

✓ RAGを導入したが「精度が出ない」で止まっている方

✓ 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

✓ 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

✓ 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

✓ 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

■ セッション説明

────────────────────────────────

「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。

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。RAG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。

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。

■ 今回話す内容

────────────────────────────────

1. 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
2. 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
3. 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

■ 登壇者

────────────────────────────────

三好大悟（株式会社リベルクラフト 代表）

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。

X: 三好大悟, リベルクラフト