社内の知見が埋もれ、問い合わせ対応に工数を取られ、
本質的な業務に時間を割けない
品質規定、社内規定、仕様書、議事録。必要な情報は社内のどこかに保存されている。しかし保管場所も形式もばらばらで、目的の一文にたどり着くまでに検索と確認を繰り返すことになる。とくに図や表で説明された内容は、キーワード検索にかからない。探すことに時間が費やされ、成果を生む時間が削られています。
APPROACH
社内文書を探せないのは、情報がないからではなく、機械が読める形になっていないからです。製造業や金融の文書はとくに、要点が図や表に集約されていることが多く、テキストだけを対象にした検索では中身に届きません。
Spark+は、PDFや資料の中の図・表・テキストを分割し、図表についてはVLM（画像とテキストを統合的に扱うAIモデル）で内容を抽出したうえで、RAG（社内データを参照して回答を生成する仕組み）やAgentic Search により的確に検索ができるようにします。利用者の質問だけでなく直前までのやり取りも踏まえて検索するため、言い回しが揃っていなくても目的の情報に行き着くことができます。
SERVICE
CASE
図表を多く含む社内文書を、内容まで含めて検索
BEFORE
品質規定や社内規定に関するPDFなどの社内文書は表形式が中心で、既存のRAGでは内容の抽出が難しく、正確な回答が得にくい状況だった。
AFTER
PDF内の図・表・テキストを分割し、図表はVLMで内容を抽出する構成のチャットボットを構築。それまで難しかった図表を含めた情報も正確に検索でき、過去の検索が社内のナレッジとして蓄積される状態を実現した。
蓄積された提案書を、横断的に活用できる形に
BEFORE
過去の提案書が蓄積されているものの横断的な検索・活用が難しく、ナレッジとして機能していなかった。提案内容の良し悪しは属人的な判断に依存し、再現性のある評価・改善のプロセスがなかった。
AFTER
提案書・仕様書を対象に、類似案件の検索・比較分析・改善示唆の生成を一体化したシステムを構築。過去ナレッジを活用した提案検討ができる状態を実現した。
RELATED
CLIENT
問い合わせやもの探しに工数がかかっている領域を教えてください。 AI検索が可能かを、実データから確認します。
初回のご相談は無料です。構想段階や、課題がまだ言葉になっていない段階でも構いません。現状を伺いながら、AIで解ける課題かどうかのアセスメントからご一緒します。