技術解説 - Allganize Japan Blog

技術解説

A collection of 6 posts

■お知らせ■ホワイトペーパー『企業向けRAG戦略、成功のための3つのポイント』を公開

■お知らせ■ホワイトペーパー『企業向けRAG戦略、成功のための3つのポイント』を公開

〜企業向けRAGにおける独自技術（特許申請中）の研究開発やRAG Leaderboardの公開で培った知見、お客様への導入実績をもとに、企業がRAG導入のために押さえるべきポイントを解説〜 AIで企業の生産性を革新するオールインワンの生成AI・LLMソリューションを提供するAllganize Japanは、ホワイトペーパー『企業向けRAG戦略、成功のための3つのポイント』を公開しました。公開の背景 RAG（Retrieval Augmented Generation：検索拡張生成）は、質問や問い合わせに対して企業内の関連ドキュメントや特定情報から信頼できるデータを検索、情報抽出し、同データに基づいてLLM（大規模言語モデル）に回答させる技術です。企業内情報の生成AI・LLM活用や、ハルシネーション低減の役割で注目されています。 RAGの活用においては、質問と関連性の高い情報をAIで検索し抽出することが非常に重要です。導入したRAGの回答精度に課題を持つ企業も増えており、検索精度を高めるためのデータの処理をはじめ、従来のドキュメント管理とは異なる技術や経験が求められて

■ホワイトペーパー■ 企業向けRAG戦略、成功のための3つのポイント

■ホワイトペーパー■ 企業向けRAG戦略、成功のための3つのポイント

企業の生成AI活用において、必ず求められるのが社内情報・特定情報からの回答自動生成です。特定情報からの回答生成を実現する「RAG（Retrieval Augmented Generation）」が注目されています。しかし、企業の扱うドキュメントは複雑で、思ったような回答精度が出ないといった課題も少なくありません。期待した回答精度が出なかった場合、せっかく導入しても利用されず、生産性向上や業務効率化に繋がらない恐れもあります。では、どのように自社に最適なRAGシステムを実現すれば良いのでしょうか？ RAGシステムの構築には、専用のデータベースの構築、回答精度の調整などが求められ、これまでのドキュメント管理とは異なるアプローチや知見、環境が必要です。 Allganizeでは、「成功する企業向けRAG戦略の3つのポイント」をホワイトペーパーにまとめました。ホワイトペーパー「成功する企業向けRAG戦略の3つのポイント」ダウンロード本ホワイトペーパーはAllganize Japanの資料ダウンロードページからダウンロードいただけます。自社データの生成AI活用、

■技術解説■「日本語 RAG Leaderboard」とは？企業の生成AI活用の検討に役立つ理由

■技術解説■「日本語 RAG Leaderboard」とは？企業の生成AI活用の検討に役立つ理由

Allganizeでは、日本初の日本語に特化した「Allganize RAG Leaderboard」を公開しています。RAG Leaderboardは、企業の生成AI活用の検討に効果的なツールの一つです。 RAG Leaderboardの仕組みや、本Leaderboardが企業の生成AI活用の検討にどのように役立つのか、わかりやすくご紹介します。 ■お知らせ■日本語RAG性能を評価した「Allganize RAG Leaderboard」を本日公開国内初、RAG性能に特化したLeaderboard（性能表）を公開。金融、情報通信、製造、公共、流通・小売の5つの業種ドメインにおける、主要なRAGソリューションの日本語RAG性能を評価。 Allganize Japanは、日本語RAG性能を評価した日本初の「RAG Leaderboard」を公開しました。 RAG（Retrieval Augmented Generation：検索拡張生成）は、社内ドキュメントや特定情報から信頼できるデータを検索の上で情報抽出し、同データに基づいてLLMに回答させる技術です。企業内部情報の生成AI・LL

■技術解説■ RAGを活用した生成AIの回答生成精度に直結する「Retriever」。Retrieverの仕組みと最適化戦略とは？

■技術解説■ RAGを活用した生成AIの回答生成精度に直結する「Retriever」。Retrieverの仕組みと最適化戦略とは？

生成AI・LLMを活用し、企業の社内情報や特定情報から回答を生成するにあたって、LLMのハルシネーションを低減するRAG（Retrieval Augmented Generation：検索拡張生成）への関心が高まっています。最近では、多数のRAGソリューションの中から自社に適したものを探す企業が増えています。 RAGの仕組みや企業向けのRAGにつきましては、以前の当ブログの記事でもご紹介しておりますので、よろしければ過去記事（技術解説：企業向けRAGとは？）もご覧ください。 ■技術解説■ 生成AIのハルシネーションを低減するRAG。図表データまで特定できる”企業向けRAG”とは？（前編）生成AIのハルシネーションを低減する技術として注目されるRAG（Retrieval Augmented Generation：検索拡張生成）。このRAGという技術を活用することで、特定ドキュメント等から回答を自動生成できます。本記事では、RAGの概念、動作の仕組み、RAGにおける検索性能の重要さ、RAGの性能を向上させる戦略について説明します。 1回目の今回は、RAGの概念や仕組みや、RAGにお

■技術解説■ 生成AIのハルシネーションを減らす RAG。図表データまで特定できる"企業向けRAG"とは？（後編）

■技術解説■ 生成AIのハルシネーションを減らす RAG。図表データまで特定できる"企業向けRAG"とは？（後編）

生成型AIのハルシネーションを減らす手段としてRAG（Retrieval Augmented Generation : 検索拡張生成）が注目されていますが、複雑な表やチャートなどを解釈できるRAGはまだ少数です。 1回目の記事では、RAGの概念、仕組み、高性能な検索機能の重要性について簡単にご紹介しました。（RAGで実現できることや基本的な仕組みについて知りたい方は、ぜひ記事前編をご覧ください！） ■技術解説■ 生成AIのハルシネーションを低減するRAG。図表データまで特定できる”企業向けRAG”とは？（前編）生成AIのハルシネーションを低減する技術として注目されるRAG（Retrieval Augmented Generation：検索拡張生成）。このRAG（ラグ）という技術を活用することで、特定ドキュメント等から回答を自動生成できます。企業向けの生成AIツールを提供している企業でも、RAG機能を前面に打ち出す企業も増えているため、目にしたことのある方も多いかもしれません。本記事では、RAGの概念、動作の仕組み、RAGにおける検索性能の重要さ、RAGの性能を向上させる戦略に

■技術解説■ 生成AIのハルシネーションを低減するRAG。図表データまで特定できる"企業向けRAG"とは？（前編）

■技術解説■ 生成AIのハルシネーションを低減するRAG。図表データまで特定できる"企業向けRAG"とは？（前編）

生成AIのハルシネーションを低減する技術として注目されるRAG（Retrieval Augmented Generation：検索拡張生成）。このRAG（ラグ）という技術を活用することで、特定ドキュメント等から回答を自動生成できます。企業向けの生成AIツールを提供している企業でも、RAG機能を前面に打ち出す企業も増えているため、目にしたことのある方も多いかもしれません。本記事では、RAGの概念、動作の仕組み、RAGにおける検索性能の重要さ、RAGの性能を向上させる戦略について説明します。 1回目の今回は、RAGの概念、仕組み、RAGにおいて重要なポイントについて簡単に解説します。 RAGとは？ RAGの概念 RAGは、2020年5月に発表された論文「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks（知識集約型NLPタスクのための検索拡張生成）」で初めて登場した概念です。この論文の第一著者であるパトリック・ルイス（Patrick Lewis）博士はMeta社に在籍中にこの論文を執筆