東京大学松尾研究室発スタートアップのWanderlustは、デンソーが推進する社内データ検索基盤の高度化プロジェクトにおいて、非構造化データの構造化技術を用いたRAG（検索拡張生成）精度向上に関する実証実験（PoC）を行った。
デンソーは社内外の多種多様なデータをシームレスに活用するAI基盤の構築を推進してきた。しかし、マーケティングレポートや技術資料で利用される「折れ線グラフ」や「棒グラフ」「散布図」など図表を含む非構造化データの正確な解釈が、AI回答精度向上の大きな障壁となっていた。こうした課題解決を目的に、非構造化データ処理技術に強みを持つWanderlustが技術を提供した。
実証実験では、デンソーが保有するさまざまな非構造化データに対して、OCR（光学文字認識）とVLM（視覚言語モデル）のパイプラインを活用し、AIが解釈可能な構造化データへ変換。その後、Copilot Studioなどで回答精度の変化を検証した。従来の非構造化状態と構造化後とで、AIの回答正確性や網羅性を定量的に計測したところ、プロンプト調整の最適化と合わせて回答精度が大幅に改善されることを確認した。
- 関連リンク
この記事は参考になりましたか？
- この記事の著者
-
AIdiver編集部（エーアイダイバーヘンシュウブ）
「AIdiver」（エーアイダイバー）は、株式会社翔泳社が運営する、企業およびビジネスパーソンのAIの利活用にフォーカスしたメディアです。経営、ビジネス、日々の業務をAIで変革したい「AIリーダー」の皆さまに役立つコンテンツを発信します。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
この記事は参考になりましたか？
この記事をシェア