OTSUMU KNOWLEDGE
RAG・エージェント.
知ることを、事業を動かす力へ。
検証・開発・運用の現場で使える知識を集めました。
14件のナレッジ
該当するナレッジはありません。お探しのテーマは、事業の状況に合わせて個別にご相談ください ↗
企業がMCPサーバーを公開するとき：判断と設計の基本
自社サービスをMCPサーバーとして公開すべきか。WebMCPとの役割分担、公開の判断軸、読み取りと書き込みの分離や最小権限など設計の要点、よくある失敗を、事業責任者と開発者向けに…
続きを読む ↗AIエージェント開発の進め方：ツール連携と人の承認ポイントの設計
AIエージェント開発は、業務システムとのツール連携、実行前の人の承認ポイント、失敗時のやり直しを先に設計することで本番に載せやすくなります。業務の再現から評価・試験運用ま…
続きを読む ↗AIエージェントの誤動作を防ぐ：権限制限と監視ログの設計
AIエージェントの誤動作は完全には防げないため、権限の最小化、操作ログ、監視と停止の仕組みで被害を小さく抑える設計が重要です。起こりうる誤動作の種類、権限の絞り方、ログの…
続きを読む ↗ワークフロー型AIと自律型AIエージェントの違いと業務での使い分け
手順が決まった業務は固定のワークフロー型AI、判断の幅がある業務は自律型AIエージェントが基本の使い分けです。両者の違い、向いている業務、五つの判断基準、組み合わせる設計と…
続きを読む ↗業務に使うLLMの選び方：精度・費用・データ取り扱いの比較軸
業務に使うLLMは、ベンチマークの順位ではなく、業務で求める精度・応答速度・費用・データの取り扱いから選ぶのが確実です。要件の整理方法、比較軸ごとの判断基準、自社データでの…
続きを読む ↗RAGでの権限管理：見てはいけない文書を回答に混ぜない設計
RAGの権限管理は、回答を作った後に隠すのではなく、検索の段階で質問者が閲覧できる文書だけを対象にするのが原則です。部署や役職ごとの閲覧権限を反映する設計、権限情報の持たせ…
続きを読む ↗RAGの回答精度を改善する方法：検索・分割・プロンプトの見直し
RAGの回答精度は、失敗を「検索で正しい文書が取れていない」と「文書は取れているのに回答がおかしい」に分けて原因を特定し、チャンク・検索方式・プロンプトの順に見直すと効率よ…
続きを読む ↗RAGとファインチューニングの使い分け：目的別の判断基準
RAGとファインチューニングは、知識を足したいならRAG、回答の形式や振る舞いを変えたいならファインチューニングと、目的で使い分けるのが基本です。両者の仕組みの違い、費用と更…
続きを読む ↗AIエージェントを業務に導入する：任せられる仕事と任せない仕事
AIエージェントの業務活用は、可逆性・影響範囲・頻度の三つの軸で仕事を切り分けると判断しやすくなります。任せる仕事・人が承認する仕事・人が担う仕事の振り分け方を、手順・判…
続きを読む ↗生成AIの出力品質をどう評価するか：評価セットと採点基準の作り方
生成AIが業務で使える品質かは、感覚ではなく評価セットと採点基準で判断します。評価データの集め方、採点項目と合格ラインの決め方、人による採点とLLMによる自動採点の組み合わせ…
続きを読む ↗MCPで社内システムとAIをつなぐ：導入の考え方と注意点
MCPは社内システムとAIをつなぐ共通の接続方式ですが、導入で重要なのは何をどの権限で使わせるかの設計です。従来のツール連携との違い、導入の手順、利用者本人の権限で動かす考え…
続きを読む ↗RAGシステムの構築手順：社内文書を検索して答えるAIの作り方
RAGシステムは、文書収集・前処理・ベクトル化・検索・回答生成・評価の六段階で構築します。最初に対象文書と評価の基準を決め、小さな範囲で一通り動かしてから広げるのが近道です…
続きを読む ↗RAGのチャンク分割の考え方：文書の種類別に最適な分け方
RAGのチャンク分割は、文字数で一律に区切るのではなく、規程・マニュアル・FAQ・議事録など文書の性質に合わせて分割単位とメタデータを決めることで検索と回答の精度が上がります…
続きを読む ↗PDFや表を含む社内資料をRAGで扱うときの前処理の工夫
PDFや表を含む社内資料をRAGで扱うには、テキスト抽出で起きるレイアウト崩れ・表の構造の喪失・画像内の情報欠落を前処理で防ぎ、構造を保ったデータにしてから分割することが重要…
続きを読む ↗FROM KNOWLEDGE TO ACTION
知識を、次の一手に。
新規事業の検証からMVP開発、運用の自動化まで伴走します。
事業について相談する ↗ 事業開発支援を見る ↗