「社内情報をAIに食わせればいい」だけでは足りない、情報検索精度向上の鉄則

「社内情報をAIに食わせれば検索精度が上がる」という期待は、多くの企業が抱いてきた。しかし現実は違った。Skyが導入したRAGシステムでも、初期段階では検索精度が期待値に達せず、複雑な権限制御の壁にぶつかった。同社はそこで重要な決断をした。単純なベクトル化から脱却し、データ構造に応じた複数の検索方式を使い分ける「Agentic Search」へ転換したのである。

興味深いのは、Skyが問題の根本を正しく診断したことだ。検索精度不足の犯人はAIではなく、データ側にあった。社内システムごとに分散した情報を、事前にAmazon RedshiftやOpenSearchに整理し、アクセス権限をRow Level Securityで制御する必要があった。つまり「何をAIに食わせるか」という準備段階が、AIの性能以上に重要だということだ。さらに注目すべきは、AI Innovation Labという専門組織を立ち上げた判断。AI導入を技術課題ではなく、データガバナンス課題として捉え直す必要があるという認識が、同社に成功をもたらした。

中小企業がRAGシステム導入を検討するなら、Skyの失敗から学ぶべき点は明白である。進める順序は「データ構造化→アクセス権限設計→検索方式の選択」。この順序を逆にして「とりあえずRAG」と始めると、導入後も精度不足に悩まされ続ける。実装の技術スタックより、組織のデータリテラシーと権限設計のほうが、成功を左右する要因になる時代へ突入した。