Amazon Bedrockを活用したRAG導入の試み

ツール導入前の課題

当時、助太刀では社内に蓄積された膨大な情報を効率的に検索・活用する手段が不足していました。従業員が必要な情報にアクセスするためには、複数のシステムやドキュメントを手動で検索する必要があり、その過程で多くの時間と労力がかかっていました。特に以下の点で問題が顕在化していました。

• 情報の分散とアクセスの困難さ: 社内情報はGoogle Drive、Slack、社内Wikiなど様々なプラットフォームに散在しており、どこにどの情報があるのかを把握するだけでも大きな負担でした。

• 検索の精度と関連性の低さ: 従来のキーワードベースの検索では、関連性の高い情報を素早く見つけることが難しく、必要な情報にたどり着けないケースが多々ありました。

• 業務効率の低下: 情報検索にかかる時間が長引くことで、業務の効率が低下し、迅速な意思決定や問題解決が妨げられていました。

どのような状態を目指していたか

これらの課題を解決するために、助太刀では以下のような目標を掲げてツールの導入を検討しました。

• 統一された情報アクセス基盤の構築: 社内に散在するすべての情報に対して、統一された検索インターフェースを提供し、情報の一元的な管理と効率的なアクセスを可能にすること。

• 高度な検索機能の実現: 単なるキーワード検索ではなく、質問に基づいて適切な情報を抽出し、関連性の高い結果を提供することで、検索時間の短縮と業務効率の向上を図ること。

• 柔軟で拡張性のあるシステム: 将来的な情報量の増加や新たなデータソースの追加にも対応できる、柔軟でスケーラブルな検索システムを構築すること。

• OpenAI

• AWSとの統合性: 助太刀では、すでにインフラの大部分をAWS上で運用しており、新たに導入するシステムもこのエコシステム内で統一的に管理したいと考えていました。Amazon Bedrockを利用することで、既存のAWSサービス（例えば、Amazon Kendra、Amazon S3、AWS Cognitoなど）とスムーズに連携できる点が大きなメリットでした。

• セキュリティとコンプライアンス: AWSは高いセキュリティ基準とコンプライアンスを提供しており、特に企業向けの機密データを扱う際に安心感があります。Amazon Bedrockを選択することで、既存のセキュリティポリシーに準拠しながら、RAGを実装することが可能となりました。

• スケーラビリティ: 将来的に情報量やアクセス数が増加しても、AWSのスケーラブルなインフラを活用して、システム全体のパフォーマンスを維持しつつ拡張できる点も重要な決め手でした。

これらの理由から、OpenAIも非常に有力な候補ではありましたが、最終的にはAmazon Bedrockが最適な選択肢であると判断しました。

どのような成果が得られたか

導入の結果、当初抱えていた課題の多くは解決されました。

• まず、社内に分散していた情報へのアクセスが大幅に改善され、社員が必要な情報に素早くアクセスできるようになりました。
  • 具体的には、全社員の約2/3が新しい検索システムを利用しており、月平均で約70件の検索クエリが発行されるなど、システムの活用が進んでいます。
• この結果、業務効率が向上し、社員が日常業務で直面する様々な疑問や問題に対して、迅速かつ効果的に対応できるようになりました。
  • たとえば、Slackの招待プロセスの簡素化や、内装業者への提案作成支援など、実務に直結する支援が得られています。
• 導入後に収集したメトリクスからも、システムが社内業務の効率化に寄与していることが確認できています。
  • これにより、社内の情報管理において、大きな前進を果たせたと感じています。 とはいえ、導入してまだ間もないため、長期的な成果や費用対効果については、今後さらに評価を進めていく予定です。今後は、利用ユーザである社員からのフィードバックをもとに、さらにシステムの精度を高めていく予定です。