AIエージェントが自社のドキュメントから回答すべき理由

RAG型AIエージェントとは

RAG型AIエージェントは、回答する前に自社の資料を検索します。RAGとは検索拡張生成（retrieval-augmented generation）の略です。エージェントは質問に合うドキュメントの該当箇所を探し出し、モデルがたまたまインターネットで学習した内容ではなく、その箇所をもとに返信を作成します。

一般的なチャットボットに返金期限を尋ねると、もっともらしいポリシーを推測で答えてしまいます。RAG型のエージェントなら、あなたのポリシーを読んだうえで「ヨーロッパのカードは3日、それ以外は5日」と答えます。社内マニュアルにそう書いてあるからです。

IMFAでは、AIチャットボットビルダーで作成するすべてのエージェントに、ナレッジ層としてRAGが組み込まれています。ファイルをアップロードすればエージェントがそれを読み込み、稼働しているすべてのチャネルで同じ資料をもとに回答します。

エージェントにRAGが必要になるのはどんなときか

お客様が、あなたのビジネスの中にしか答えがない質問をし始めた時点で必要になります。

• 価格、在庫、ポリシーは変わります。 昨年学習したモデルは、新しい配送料を知りません。でも、あなたの価格表は知っています。
• 毎週同じ20個の質問が届きます。 営業時間、返品、サイズ、予約ルール。答えはどこかにすでに書かれています。たいていは誰も読まないPDFの中に。
• 誤った回答は損失につながります。 提供していない割引を約束したり、守れない納期を伝えたりすれば、すばやい返信がクレームに変わります。
• 複数の言語でお客様に対応しています。 検索は単語の一致ではなく意味で行われるため、フランス語のマニュアル1冊でアラビア語の質問にも答えられます。

一般的な話題について会話するだけのエージェントなら、RAGは不要です。あなたのビジネスを代表して話す時点で、自社のドキュメントが必要になります。

IMFAエージェントにおけるRAGの仕組み

ファイルの読み込み、セクションへの分割、検索、エージェントごとの分離まで、IMFAがパイプライン全体を代わりに実行します。

1. ソースを追加します。 PDF、DOCX、XLS、XLSX、TXT、Markdown、CSVファイルをアップロードします。Proでは、公開WebページをURLで追加できます。各ソースには処理中、準備完了、失敗のいずれかの状態が表示されるので、エージェントが実際に使える資料を把握できます。
2. 回答時にエージェントが検索します。 質問が届くと、エージェントは自分専用の分離されたコレクションから最も関連性の高いセクションを探し、それをもとに回答します。ドキュメントを更新しても、モデルを再学習させる必要はありません。
3. わからないことは認めます。 資料の範囲外の質問にはそう伝えるよう指示しておけば、エージェントは即興で答える代わりに、範囲外であることを伝えます。
4. 主導権はあなたの指示にあります。 検索で取得したテキストは信頼できないデータとして扱われます。「ルールを無視せよ」と書かれたドキュメントがあっても、エージェントの指示を上書きすることはできません。また、サーバー側のルールによってプロンプトとツールは非公開に保たれます。
5. 公開前にテストします。 ビルダーで、直接的な質問、あいまいな質問、矛盾する質問、範囲外の質問を試してください。チームが答えるのと同じ回答が返ってきたら公開しましょう。

同じナレッジが、Webサイトのウィジェット、WhatsApp、Telegram、Discord、Instagram、Facebookでの会話、Proの音声通話、そしてAIエージェントAPIを通じたあなたのサーバーでも使われます。

自社のドキュメントから回答することの効果

誤った回答が減ります。 根拠に基づく返信は、あなたが書いた内容の範囲にとどまります。RAGは根拠のない回答を減らしますが、どんなモデルも完璧にするわけではありません。公開前に、最も重要な質問への回答を確認してください。

更新はプロジェクトではなく数分で終わります。 価格表を変更して再アップロードすれば、次の回答からその内容が使われます。同じ変更をモデルのファインチューニングで行うなら、学習をやり直す必要があります。

すべてのチャネルで情報源がひとつになります。 チャネルごとに台本を用意する代わりに、ひとまとまりのドキュメントを管理するだけで済みます。

同じ説明を繰り返す時間が減ります。 1日に20件の繰り返しの質問に1件2分ずつ答えているなら、1日約40分、週に3時間以上をエージェントが受信箱から引き受けられます。実際の数字は人によって異なるので、1週間分のメッセージを数えて確かめてください。

独自のパイプラインを作る道も残ります。 パーサー、埋め込み、ランキングを完全に制御したいチームは、自分たちで構築することもできます。IMFAは、そのインフラを運用せずに成果を得たいチームのためのものです。

RAG型AIエージェントに関するよくある質問

IMFAのナレッジベースにはどのファイル形式を追加できますか？

PDF、DOCX、XLS、XLSX、TXT、Markdown、CSVファイルです。各ソースは、利用する前に処理中、準備完了、失敗のいずれかの状態を表示します。

RAG型エージェントはWebサイトから学習できますか？

はい、Proで可能です。公開されているHTTPまたはHTTPSのページURLを追加すると、IMFAがその内容を同じナレッジコレクションに読み込み、同じように状態を表示します。

RAGを使えば、すべての回答が正しいことが保証されますか？

いいえ。検索によってモデルに適切な文脈が与えられ、根拠のない回答は減りますが、すべての誤り、あいまいさ、古い情報源がなくなるわけではありません。重要な質問はテストし、重要な回答は確認してください。

ドキュメント内のプロンプトインジェクションにIMFAはどう対処しますか？

検索で取得したドキュメントやページの抜粋は信頼できないデータとして扱われ、エージェントの指示を上書きすることはできません。サーバー側のルールがリスクを減らし、プロンプトとツールを非公開に保ちますが、完全な保護を約束できるAIプラットフォームはありません。

RAGはファインチューニングと同じですか？

いいえ。RAGは回答時に資料を参照するため、変化する情報に適しています。ファインチューニングは学習によってモデル自体を変えるもので、文体や振る舞いの調整に向いていますが、コストが高く、更新にも時間がかかります。