メインコンテンツへスキップ
見出し画像

業務を変える生成AI活用【規制文書編 Vol.2】なぜRAGが注目されるのか ― 生成AI活用の成否を左右する「情報検索」

    なぜRAGが注目されるのか ― 生成AI活用の成否を左右する「情報検索」


    はじめに

    前回は、治験関連文書の作成支援に生成AIが期待される背景について紹介しました。規制文書作成業務では、文章を書くこと以上に、多数の情報を整理し、整合性を維持することが重要になります。

    そのため、生成AI活用を考える上では「どのような文章を生成するか」だけではなく、「どのような情報を参照するか」が大きなテーマになります。

    今回は、近年注目されているRAG(Retrieval-Augmented Generation)を題材に、生成AI活用における情報検索の重要性について考察します。


    生成AIは情報を知らない

    ChatGPTをはじめとする生成AIは、多くの知識を持っているように見えます。しかし実際には、企業固有の情報や最新の業務文書を理解しているわけではありません。

    • 社内規程

    • 業務マニュアル

    • 過去の報告書

    • 治験関連文書

    これらの内容は学習対象に含まれていません。

    そのため、企業で生成AIを活用する場合には、必要な情報をAIへ適切に提供する仕組みが必要になります。


    なぜ検索が重要になるのか

    システム開発の現場で生成AI活用を検討すると、多くの場合、AIそのものより先に別の課題に直面します。

    それは、

    「必要な情報がどこにあるのか分からない」

    という問題です。

    実際の業務では、情報が複数の場所に存在しています。

    • SharePoint

    • ファイルサーバー

    • PDF

    • Excel

    • 業務システム

    利用者が必要な情報を探すだけでも時間がかかります。
    当然、AIも同じです。
    適切な情報へアクセスできなければ、期待する回答は得られません。


    RAGとは何か

    RAG(Retrieval-Augmented Generation)は、生成AIへ外部情報を提供する仕組みです。

    利用者の質問に対して関連する文書を検索し、その内容を参照しながら回答を生成します。

    生成AI単体では回答できない内容でも、社内文書を活用して回答できるようになります。

    近年、多くの企業がRAG導入を検討している理由もここにあります。


    実際のプロジェクトで課題になること

    ただし、RAGを導入すれば解決するほど単純ではありません。

    実際のプロジェクトでは、次のような課題が挙げられます。

    • 検索対象の品質

    • 文書構造

    • 更新運用

    • アクセス権限

    例えば古い文書を検索してしまった場合、AIは誤った情報を参照する可能性があります。また、文書が適切に整理されていなければ、必要な情報を見つけられません。

    RAGの精度はAIモデルの性能だけではなく、検索対象となる情報資産の品質にも大きく左右されます。


    システム開発の視点で重要なこと

    システム開発の現場では、

    「どのAIモデルを使うか」よりも、「どの情報を参照させるか」が重要になる場面も少なくありません。生成AIの回答品質は、参照する情報品質によって大きく変わるためです。

    その意味では、生成AIプロジェクトはAI開発というより、情報活用基盤の整備プロジェクトと言えるかもしれません。


    おわりに

    生成AI活用の成否は、AIモデルの性能だけで決まるわけではありません。

    必要な情報を適切に検索し、活用できる仕組みを構築できるかどうかが重要になります。

    次回は、規制文書領域において特に重要となる「説明可能性」と「トレーサビリティ」について考察します。

    なぜ生成AIの回答だけでは十分ではないのか。

    規制産業ならではの視点から整理していきます。


    次に読む記事

    生成AIの回答は、なぜ「根拠」まで追えないと使いにくいのか

    RAGで必要な情報を参照できても、それだけで規制業務に使えるとは限りません。

    どの文書を根拠にしたのか。誰が確認したのか。後からその判断を説明できるのか。

    規制文書で重要になる、説明可能性とトレーサビリティを整理しています。


    製薬ITでは、なぜ情報そのものの信頼性が重要なのか

    RAGの回答品質は、検索対象となる文書やデータの品質にも左右されます。

    古い情報、誤った情報、更新されていない情報を参照すれば、AIの回答も信頼できません。

    製薬ITにおけるData Integrityの考え方から、情報を信頼できる状態とは何かを整理しています。


    製薬ITの全体像から、生成AIとRAGの位置づけを確認する

    GxP、CSV、記録、Data Integrity、変更管理、CAPA。

    生成AIやRAGも、こうした製薬IT全体の品質・情報管理の中で捉える必要があります。


    製薬・ライフサイエンス領域での生成AI活用について相談する

    社内文書や規制文書を生成AIで活用したい。
    必要な情報を検索できる仕組みを整えたい。
    RAGを試しているが、検索精度や文書管理、アクセス権限、更新運用に課題がある。

    そうした課題があれば、ディーシステムへご相談ください。


     
     
    現場に眠る経験や判断を、AIと仕組みで組織資産へ変えるIT・DX支援会社です。 製薬・ライフサイエンスを中心に、ERP、IT運用、業務改善、生成AI活用を支援しています。 品質・文書管理・業務知識で培った実践をもとに、利益改善、人材育成、離職防止の成長課題にも取り組んでいます。

    あなたへのおすすめ