【生成AIチャットボット】RAGの精度を向上させる手法を解説

近年、生成AIチャットボットを活用して、カスタマーサポートや社内の情報共有を効率化する事例が増えています。生成AIチャットボットは、LLM（大規模言語モデル）の自然言語処理によってユーザーからの幅広い質問に回答を提供することができます。

しかしLLMの提供する情報には誤った情報が含まれる可能性（＝ハルシネーションの問題）があり、生成AIチャットボットを運用する上で大きな課題となっています。その問題への対処として、一般的になりつつあるのがRAG（検索拡張生成）と呼ばれる手法です。

本記事では、生成AIチャットボット「SELFBOT」の標準機能の一つである「カテゴリ設定機能」について詳しく解説します。この機能はRAGの精度をさらに向上させ、ユーザーのニーズに合った回答を生成するのに役立ちます。

◇RAG（検索拡張生成）とは

RAG（Retrieval Augmented Generation）は、自然言語処理分野における技術の一つです。従来のAIモデルは事前に学習済みのデータのみを使って回答を生成していましたが、RAGは外部のデータベースから情報を検索し、その結果を元に回答を生成することで、より精度の高い回答を生成することができます。
企業固有の情報を「データベース」として検索対象にすることで、ハルシネーションのリスクを抑えた上で、その企業の情報に特化した生成AIチャットボットを構築することができます。

RAGについて、詳しくはこちらの記事もご覧ください。

◆それでも起こるハルシネーション…

RAGは現時点におけるハルシネーションへのもっとも有効な対策と言われていますが、それでもハルシネーションの問題を完全に克服するには至りません。たとえば検索対象のデータベースに答えが存在しない質問に対しては、LLMが学習済みの情報を使って回答を生成するため、やはりハルシネーションが起こる可能性があります。また、信頼性の高いデータベースを検索しているにも関わらず、必要な情報をうまくピックアップできずに正確性を欠く回答を出力してしまうこともあります。

◇生成AIチャットボット「SELFBOT」とは

SELF株式会社が提供する「SELFBOT」は、RAGの機能を備えた生成AIチャットボットです。
SELFBOTの特徴は下記の通りです。

• エンベディング+RAG（検索拡張生成）により精度の高い回答出力
• 自動データ学習で手軽な導入・運用が可能
• Azure OpenAI Service利用によりセキュリティも万全
• 多機能かつ直感的に操作可能な管理画面を提供
• 多数の導入実績に基づく、手厚い運用サポート

◆ChatGPT連携+RAGで高品質の回答を自動生成

SELFBOTは、ChatGPTの自然言語処理とRAGを組み合わせることで、精度の高い回答出力を実現しています。さらに、使いやすさにこだわった専用の管理画面を提供しており、複数のボットを共通の管理画面で運用することも可能。会話ログ閲覧など、管理者にとって便利な機能が充実しており、多くの導入企業様からご好評をいただいています。
そして、SELFBOT管理画面には「カテゴリ設定」というRAGの精度を一段と向上させる独自機能が搭載されています。

ここからはSELFBOTの「カテゴリ設定機能」の詳細と、その活用法を解説していきます。

◇RAGの精度向上「カテゴリ設定機能」とは

◆参照するデータの優先度をコントロール

「カテゴリ設定機能」は、SELFBOTの標準機能の一つです。これは、RAG（検索拡張生成）で優先的に参照するリソースデータを指定する機能です。下記の条件に適合するリソースデータを、人為的に関連づけることができるため、生成される回答の品質が向上します。

• ユーザーが閲覧中のページURL
  ユーザーが閲覧中のページURLに応じて、優先的に参照するリソースを指定
  
• ユーザーから入力されるキーワード
  ユーザーからの質問文に含まれる「キーワード」によって優先的に参照するリソースを指定

上記のほか、個別開発が必要にはなりますが、ユーザーのログイン情報などのデータと連携して参照するリソースを指定することも可能です。

◆「カテゴリ」は検索精度を高める「付箋」

この機能で設定するカテゴリは、RAGエンジンの検索精度を高める「付箋」のようなものです。

RAGに用いるデータベースを分厚い「辞書」とした場合、検索エンジンは通常、その辞書の最初のページから最後のページまでを網羅的に検索して質問文に関連する情報をピックアップします。そうしてピックアップされた情報を基にLLMが回答を生成するのですが、検索エンジンがデータベースを検索する過程で、質問文と関連性の低いページの情報までピックアップしてしまうことで、最終的に生成される回答品質が低下してしまうことがあるのです。

この問題に対処するために開発されたのがカテゴリ設定機能です。RAGで検索するデータベース内の情報にあらかじめ「カテゴリ＝付箋」を貼っておくことで、検索エンジンは質問文に関連する情報を「どこから探せばいいか」を判断することができ、より質問内容に適した情報を正確にピックアップできるようになるのです。

◇「カテゴリ設定機能」の活用法

カテゴリ設定機能には様々な活用方法が考えられます。以下は、その一例です。

◆ユーザーセグメントに応じて参照リソースを指定

カテゴリ設定機能は、ユーザーセグメントに応じて参照するリソースを指定することが可能です。ユーザーのニーズや状況に適したリソースを参照することで、ユーザーにとって有用な情報を提供しやすくなります。

• 会員専用ページからの質問には、会員向けの情報を優先的に参照して回答
• 閲覧しているページに掲載されている商品の情報を優先的に参照して回答
• 特定の商品名など、ユーザーの入力文に含まれるキーワードに応じて関連する情報を優先的に参照して回答

回答に含まれる情報がユーザーにとってより有用なものとなることで、ユーザー満足度の向上が期待できます。

◆ハルシネーションへの「より強力な」対策

現状、生成AIの事業活用における最大の懸念である「ハルシネーション」の問題に対して、RAGはある程度の抑制効果が認められています。RAGはLLMがテキストを生成する際に、信頼性の高い情報源を参照させることで、回答の品質を高める技術です。
「カテゴリ設定機能」は、このRAGの特性に加え「情報源のどの箇所を優先的に参照すべきか」を人為的に指定する機能です。検索エンジンと検索対象となるデータの間に管理者による関連付けが介在することで、より適切な検索結果を得ることができ、ハルシネーションに対する強力な抑制策となり得るのです。

◆パーソナライズされた情報提供が可能に

さらに、カテゴリ設定機能を使えば、これまでの生成AIチャットボットでは実現困難だった、より高度な会話体験を実現できる可能性があります。
SELFBOTのカスタムプラン（個別開発プラン）では、ユーザーが入力した特定の文言によって事前に登録しておいたテキストを出力できる機能があります。この機能を使えばユーザーの年齢や性別などの属性を取得する質問を投げかけることもでき、さらに取得した属性をカテゴリに設定しておくことで参照するリソースを指定し、特定の属性をもつユーザーにパーソナライズされた情報を出力することも可能となるのです。

たとえば、商品をネット販売するECサイトの場合、ユーザーの属性を取得した上でオススメの商品を提案する、といった活用法も考えられます。他にも、ユーザーの気分などの状況や状態を取得してアドバイスを送ったり、役立つ情報を提供する、といった会話体験も可能となります。ユーザーの目的やニーズを聞き取り、適合する情報を提供することができるため、様々なサービスに幅広い用途でご利用いただけます。

◇より精度の高い生成AIチャットボットを

カテゴリ設定機能は、RAGの検索精度を高めることができるSELFBOTの独自機能です。この機能を利用することで、SELFBOTはユーザーのニーズに合った回答を生成し、より満足度の高い顧客体験を実現することができるでしょう。

◆まずはトライアルプランで検証を

SELFBOTには目的に合わせて選べるトライアルプランがあります。無料トライアルでも専用の管理画面から設定可能なすべての機能を利用することができ、閲覧中URLやキーワード登録によるカテゴリ設定も可能です。
（ユーザーのログイン情報など、システム連携が必要なカテゴリ設定は個別開発が必要となります。無料トライアルではご利用いただけません）

SELFBOTのカテゴリ設定機能は、RAGの検索精度を向上させ、ユーザーのニーズに合った回答を生成するのに役立ちます。この機能を利用することで、より満足度の高い顧客対応をまずはトライアルプランで検証してみてはいかがでしょうか。