Typical Challenges
想定される典型課題
AIプロトタイプを本番に進めようとするとき、よく起こる課題を2つ紹介します。診断では、どこを見て、何を判断するのかのイメージとしてご覧ください。
ここに示すのは、実在の顧客事例ではなく、起こりやすい状況を想定した例です。成果や効果の数値は掲載していません。実際の取り組みは、実績ができ次第、お客様の許可を得たうえで掲載します。
Scenario 1
社内向け生成AI(RAG)が、回答の正確性と閲覧権限の壁で止まる
よくある状況
自社の技術文書を読み込ませた社内Q&Aチャットボットを試作したが、誤った回答が混ざる。役職や部署ごとの閲覧権限を制御できず、全社展開に進めない。
診断で確認する観点
- 文書の分割や検索の設計が、回答の正確性にどう影響しているか
- 回答の正しさを、どう評価・確認する仕組みになっているか
- 閲覧権限が、アプリの中だけで制御されていないか
- ログ、監視、機密情報の扱い
進め方の例
- 権限の制御を、データの取得段階から分離する設計を検討する
- 既存の認証基盤(社内ディレクトリなど)との連携方法を比較する
- 評価用の質問セットを作り、改善の前後を比べられるようにする
Scenario 2
既存システムにAI機能を足したいが、既存の構造が足かせになる
よくある状況
稼働中の主力プロダクトにAIによる分析機能を追加したい。しかし既存の構造が複雑で、変更の影響範囲が読めず、開発が長引いたり、不具合が増えたりしている。
診断で確認する観点
- 既存コードとデータ構造の依存関係
- 変更の影響範囲と、テストで守られている範囲
- AI機能を直接組み込む場合と、切り離す場合の比較
- データの流れと、安全に参照できる範囲
進め方の例
- 既存システムには手を入れず、API経由でAI機能をつなぐ構成を検討する
- 参照専用の連携から始め、基幹業務への影響を確認しながら広げる
- 段階ごとに、受入基準と残る課題を共有する