企業名:株式会社Wanderlust カテゴリ名: AI受託開発製品名:Wanderlust RAG コンシェルジュ

機能
利用
料金
製品
概要
会社
概要

お急ぎの方は、まずお電話で 03-6452-4750 10:00〜18:00 年末年始除く

お急ぎの方は、まずお電話で03-6452-4750

研究の最前線で生まれたAI技術を、
最速でビジネスの武器に。

Wanderlust
RAG コンシェルジュ

株式会社Wanderlustは、東京大学・松尾研発のAI開発コンサルティング会社です。AI研究開発チームと技術コンサルタントを軸に、設立4期目の創業期ながら、既に多くのプライム上場企業と協業実績があります。LLM技術を基盤とした社内データ活用を強みとし、開発・検証で得た知見を形式知化。高品質なPDCAを実現し、経営課題起点でビジネスと技術の両面から幅広く支援しています。

最短30秒で申込み完了!

無料で資料請求する

最短30秒で申込み完了!

無料で資料請求する

RAG Conciergeの全体像

RAG Conciergeによるご支援内容

RAG/Agent領域のプロフェッショナルコンサルティング

お客様の現在地を的確に判断し、最短ルートを伴走支援
Wanderlustの知見・経験に基づき、状況に応じた最適なソリューションを選択
ヒアリングと顧客理解の徹底により、投資対効果の良いユースケースを提案可能

RAGの全体像

RAGの構成要素

データの前処理

データ前処理：データ変換の例

Indexing

概要
・「事前の知識登録」社内文書やマニュアルなどのデータを、AIが検索・理解しやすい形式（ベクトルデータ等）に変換し、データベースに保存する準備フェーズです。「図書館の蔵書整理」にあたります。
失敗例
・必要な情報がヒットしない、または文脈が分断されて意味が通じない。
対策
・チャンク最適化 (Semantic Chunking): 文字数ではなく「意味のまとまり」で文章を区切ります。
・Knowledge Graph (KG) 構築: 文書間の関係性（AはBの一部、CはDの前工程など）をグラフ構造化し、キーワード検索では辿れない関係性を網羅します。

Pre-retrieval

概要
・「検索前の質問最適化」ユーザーが入力した質問をそのまま使うのではなく、データベースが最も正解を見つけやすい形に「翻訳」や「補正」を行うフェーズです。「司書への上手な聞き方を考える」工程です。
失敗例
・ユーザーの質問が曖昧で、検索が空振りする。
対策
・文書をAIがクエリ拡張 (Query Expansion): 「有給」という質問に対し「休暇申請」「年休」「欠勤」などの類義語を自動生成し、検索のヒット率（Recall）を高めます。
・メタプロンプト: 検索意図（要約なのか、事実確認なのか）を分類し、最適な検索戦略を自動選択します。

Retrieval

概要
・「情報の検索・取得」膨大なデータベースの中から、ユーザーの質問（最適化済み）に最も関連性が高い文書やデータを実際に探し出すフェーズです。「書棚から本を抜き出す」工程です。
失敗例
・欲しい情報が上位に来ない。
・不要な情報まで取得してしまう
対策
・ハイブリッド検索 (Hybrid Search): キーワード検索とベクトル検索を組み合わせ、それぞれの弱点を補完します。
・KG検索: ナレッジグラフを用いて、文書A→文書B→文書Cといった多段階の推論が必要な情報を手繰り寄せます。

Post-retrieval

概要
・「検索結果の選別・精査」検索でヒットした大量の候補の中から、本当に回答に必要な情報だけを厳選・並べ替えを行い、AIに渡す情報の純度を高めるフェーズです。「抜き出した本の中身を確認し、付箋を貼る」工程です。
失敗例
・検索結果にゴミ（ノイズ）が多く、LLMが混乱して誤回答する。
対策
・リランキング (Reranking)
　-リランキング取得件数の調整
　-セマンティックリランキングの導入
・Self-Correction: 取得した情報で十分回答可能かを判定し、不足していれば自動で再検索を行います。

Generation

概要
・「回答の生成」選別された情報（コンテキスト）とユーザーの質問を元に、LLMが最終的な回答文章を作成するフェーズです。「集めた資料を元に、レポートを書く」工程です。
失敗例
・回答の口調がおかしい、指示を守らない、嘘をつく。
・回答が長過ぎる
対策
・プロンプトエンジニアリング: Chain-of-Thought（思考の連鎖）などを組み込み、論理的な回答を強制します。
・Fine-Tuning: 専門用語や特殊な社内フォーマットを厳密に出力させたい場合、モデル自体を追加学習させます。

評価軸の定義 & 評価

概要
・事前にRAGで参照したい資料に関してユースケースに合わせた理想の質問とその回答のペアを作成しておき、RAGアプリケーションを通してその精度を検証します。

理想解答の作成→テスト実行→解答比較→定量・定性評価→ボトルネック分析

評価軸の定義＆評価: 事前ヒアリングシート

ID	QA			Source Info		Evaluation
ID	想定質問	想定回答	ArkRAGの回答	資料名	ページ番号	コメント	評価
1	デジタル社会の実現に向けた重点計画の策定日はいつですか？	令和4年（2022年）6月7日です。	令和4年（2022年）6月7日に策定されました。	デジタル推進.pdf	p.1 タイトル周辺	文章内の情報に基づき、正確かつ過不足なく回答できている。	A
2	政府のデジタル改革推進体制を強化するため、具体的にどのような部局の体制を充実させますか？	各府省庁のPMOやPJMOの体制充実や、会計部門等との連携強化を行います。	政府全体のデジタル改革を進めるため、デジタル人材の配置や確保を強力に行います。	デジタル推進.pdf	p.134 第3-1	内容は間違いではないが、質問にある「PMOやPJMO」といった具体的な部局名への言及が不足している。	B
3	デジタル庁の人員増強において、どのような人材を含めるとしていますか？	常勤・非常勤の民間人材を含めた人員増強を図るとされています。	常勤・非常勤の民間人材に加え、各省庁からの出向者を一律3割削減して人員を構成します。	デジタル推進.pdf	p.134 第3-1	民間人材の記述は正しいが、「出向者を3割削減」という文書にない虚偽の情報（ハルシネーション）が混ざっている。	C
4	DFFTの推進について、具体的な国際連携の国名を教えてください。	（文書内に具体的な国名の記載なし）	提供されたドキュメントには、DFFT推進における具体的な連携国名の記載はありません。	デジタル構想会議議事録.pdf	p.5 目次周辺	文書にないことを正しく「ない」と回答しており、RAGとして適切な挙動であるためA。	A
5	本計画の策定根拠となる法律と条項を教えてください。	デジタル社会形成基本法第37条第1項などに基づき策定されています。	デジタル社会形成基本法第37条第1項や、官民データ活用推進基本法第8条第1項などに基づいています。	デジタル構想会議議事録.pdf	p.3	複数の根拠法と条文を正確に引用されており、回答として適切である。	A
6	デジタル社会構想会議は誰によって構成されますか？	デジタル大臣が指名する有識者によって構成されます。	内閣総理大臣が選出した国会議員によって構成されます。	デジタル構想会議議事録.pdf	p.140 第3-4	「デジタル大臣指名の有識者」という正解に対し、全く事実と異なる回答を生成している。	D

評価軸の定義＆評価: 評価基準

ユースケースに合わせて柔軟に評価基準を設定することで、
現場にフィットした評価が可能に。

無駄な改善を避け、最短距離で理想のRAGを目指します。

評価	カテゴリ	定義
A	正確かつ必要十分	参照資料が適切で、模範解答と同等の論点を過不足なく、かつ正確に回答できている。
B	正確だが過剰	参照資料は適切で、要点も満たしているが、回答として不要・余計な情報が含まれている。
C	正確だが不足	参照資料は適切で、回答内容も正しいが、模範解答が要求する要点の一部が欠落している。
D	誤情報を含む	参照資料は適切だが、その資料に記載のない情報や内容を誤解釈した回答が含まれる。
E	参照不全	参照している資料そのものが、質問に回答する上で不適切である。

評価軸の定義＆評価: 評価結果

精度検証の際には、目的に合わせて最適な
比較フォーマットを選択し項目を絞り込むことで、
より正確な分析をすることが可能です。
改善後表

本表では、左下の領域（青色）に数値が集中しているほど、評価が改善したことを示しています。
具体的には、以前はD・E評価だった低精度な回答の多くが、改善施策によってA・B評価へと大きくシフトしており、RAGの回答精度が劇的に向上したことを裏付けています。

利用料金

利用料金: 別途お見積もり

初期費用: 別途お見積もり

無料プラン: なし

無料トライアル: なし