GenAI エンタープライズサーチ

• 既存の検索機能は従来のキーワードベースであり、複数分野にまたがる膨大で複雑なデータセットから有用な情報を見つけるのが困難
• 構造化データと非構造化データの両方を含む大規模データベースの管理により、正確な検索には手作業と技術的知識が必要
• クエリ処理の非効率性により、情報取得に時間がかかり信頼性の低下
• 厳格なデータプライバシーとセキュリティ要件により、従来の検索手法では効果的な情報管理が困難
• 一般的な検索ツールでは、必要な情報が欠落または不適切な結果しか得られず、何度もクエリの修正が必要
• 旧システムの応答時間が遅く、迅速な意思決定や報告業務に支障をきたしていた点

クライアントは、透明性ポータル上でのデータ検索体験を最適化するため、生成AIを活用した検索モジュールを求めていました。新システムには、既存のデータソースとのシームレスな統合、高速な検索性能、そして高度なセキュリティ対応が求められました。

GenAI検索ソリューションは、以下の3フェーズからなるロードマップに基づいて構築されました：

• SQLジェネレーター： ユーザーの自然言語リクエストを正確なデータベースクエリに変換するモジュールを開発
• 類似検索エンジン： ベクトルベースの類似検索を実装し、ナレッジベースから関連情報を迅速に特定
• LLMルーター＆統合処理エンジン（Text & SQL）： クエリの種類に応じて、テキスト分析またはSQL処理を自動で振り分け、最適な応答を生成

この多層的なアプローチにより、ユーザーはデータベースの構造やクエリ言語の知識がなくても、自然言語で情報を簡単に検索できるようになりました。検索処理の自動ルーティングと高度な言語モデルの活用により、常に最も効率的で正確な検索結果を提供します。

• 複雑な情報の取得にかかる時間を85%短縮し、情報アクセスを高速化
• 意思決定支援を強化し、データへのアクセス性を向上
• 多言語対応により非英語話者のチームメンバーの利便性が大幅に向上
• データに基づくインサイトにより、プログラムや地域横断での傾向把握が容易に
• ドナー向け報告を改善し、関係者への正確かつ迅速な情報提供を実現
• ナレッジ共有を促進し、組織全体でのプログラムと成果の可視性を向上
• スケーラブルで安全な設計により、将来的な拡張とセキュリティ規制への準拠を確保

• インテリジェントなGenAIクエリルーティングが最適な処理方法を自動判定
• 自然言語処理により複雑な会話型クエリを理解
• 多言語対応により複数言語でのクエリ処理を実現
• 文脈を考慮した回答で、質問の背景まで理解
• 動的SQL生成により自然言語を最適化されたDBクエリに変換
• ベクトル検索でナレッジベースから関連情報を高速抽出
• 高性能アーキテクチャにより大規模処理でも速度を維持
• エンタープライズグレードのセキュリティで機密データを保護
• クリック可能な用語でインタラクティブなインサイト探索が可能
• 賢いクエリ補正で曖昧なリクエストの精度を向上
• 会話型検索により直感的なユーザー体験を提供
• マルチパートクエリで複雑な情報要求に対応
• GenAI最適化によりスピードと精度を強化
• データを可視化して分析しやすくするグラフィカルインサイト

• Azure OpenAI
• LLMs
• RAG
• Python
• FastAPI
• pgvector
• LangChain
• LlamaIndex
• PostgreSQL
• MongoDB
• プロンプトエンジニアリング
• Azure API Management
• Azure Pipelines
• 再ランク処理（Re-ranking）