AI DECISION GUIDE方式選定

RAG適性の判断

検索意図:自社の課題にRAGが合うか、導入前に判断したい

1行で回答

RAGは、正しい根拠文書を管理でき、質問ごとの取得結果と回答結果を分けて評価できる業務に向きます。

対象:社内文書検索・問い合わせ対応のAI化を検討する担当者 最終更新:2026.08.18 根拠区分を各主張に表示
ライブラリ内を探す

DECISION CRITERIA

発注前に確認する3つの判断基準

検索対象の文書、正解の根拠、更新責任、権限、例外対応を確認し、検索と回答を分けて評価する。

01根拠

答えの根拠となる文書があるか

判断できる状態
代表質問ごとに参照すべき正本を示せる。
見送りのサイン
文書に答えがない課題を検索で解こうとしている。
02管理

版・権限・更新者を管理できるか

判断できる状態
旧版除外と閲覧権限を検索前に適用できる。
見送りのサイン
共有フォルダ全体を無条件で取り込もうとしている。
03評価

検索と回答を別々に測れるか

判断できる状態
正解文書と期待回答を含む評価セットがある。
見送りのサイン
利用者の印象だけで精度を判定する。

DECISION FLOW

文書の準備から安全な回答運用までを分けて確認する

01COVER

根拠文書がある課題か

RAGは、回答の根拠となる社内文書があり、その文書を参照して答える課題の候補になる。

rag.problem
02INSIGHT

文書を管理できているか

文書の正しさ・更新責任・閲覧権限が不明な場合は、検索方式より先に情報管理を整える。

rag.readiness
03FRAMEWORK

検索と回答を分けて測る

評価では、必要な文書を取得できたかと、取得した根拠から適切に回答できたかを分けて確認する。

rag.measure
04ACTION

答えられない時を設計する

重要な判断に使う回答は、根拠の表示、回答不能の扱い、人への確認導線を運用に含める。

rag.control

CLAIMS & EVIDENCE

判断の根拠と成立条件

外部統計のように見える根拠なしの数値は置かず、各判断がどの実務フレームに基づき、どの前提で成立するかを明示します。

01

根拠となる文書があるか

RAGは、回答の根拠となる社内文書があり、その文書を参照して答える課題の候補になる。

根拠区分
BlueAI実務フレーム
更新日
2026-08-18

成立条件:利用可能な文書に、質問へ答えるための情報が含まれていることを前提とする。

02

文書管理を先に確認する

文書の正しさ・更新責任・閲覧権限が不明な場合は、検索方式より先に情報管理を整える。

根拠区分
BlueAI実務フレーム
更新日
2026-08-18

成立条件:誤った旧版や権限外の文書を参照すると、回答品質や情報管理に影響する。

03

検索と回答を分けて評価する

評価では、必要な文書を取得できたかと、取得した根拠から適切に回答できたかを分けて確認する。

根拠区分
BlueAI実務フレーム
更新日
2026-08-18

成立条件:評価用の質問と期待する根拠文書を、業務担当者が準備できることを前提とする。

04

答えられない時の運用を決める

重要な判断に使う回答は、根拠の表示、回答不能の扱い、人への確認導線を運用に含める。

根拠区分
BlueAI実務フレーム
更新日
2026-08-18

成立条件:回答誤りの影響が無視できない社内・顧客向け業務を想定する。

RELATED CASES

判断条件を事例で確かめる

全ケースを見る →
モデルケースBlueAI試算

卸・商社 / 従業員80名想定

問い合わせメールの一次回答をAIが下書き

返信作成時間を1通15分から3分へ短縮できる規模感。

根拠と条件を見る →
モデルケースBlueAI試算

製造 / 従業員200名想定

社内規程・マニュアルを横断検索できるナレッジAI

一次回答の7〜8割を自動化できる規模感。

根拠と条件を見る →
モデルケースBlueAI試算

製造 / 2工場・利用者150名想定

製造マニュアルを根拠付きで検索するRAG

月400件、月133時間の検索・問い合わせを置いたモデルでは、標準シナリオで工数50%削減を試算。

根拠と条件を見る →

DEFINE THE REQUIREMENTS

RAGの前に、文書と運用を棚卸しする。

対象文書、権限、期待する回答、人へ戻す条件を要件整理シートで揃えます。

AI導入要件の型を見る →