【ChatGPT×社内データでお悩みの方必見】
検索拡張生成(RAG)を活用する上での課題と解決策

ChatGPTを始めとする生成AI(LLM)が台頭した2023年。LLM活用への期待が高まる一方、社内データを参照させて精度高く回答させるには大きな壁が立ちはだかっています。回答精度向上の壁は大きく２つあり、基盤システムのチューニングが難しいこと、社内データをLLMが解釈できるデータ構造に変換するのが難しいという課題が挙げられます。

本ウェビナーでは、社内データとLLMの連携を進めるために必要となるポイントをお届けします。社内データ連携を可能にするAIアーキテクチャのRAG*や、回答精度向上のために必要な基盤のチューニング、LLMが社内データを解釈するために必要な「データ構造化」についてお話しします。本ウェビナーの内容を実践し、LLMの回答精度が75%向上した事例も存在いたしますので、RAGの構築を検討・苦戦されている企業の担当者様はぜひご視聴ください。

※なお、本ウェビナーでは生成AI用データ構造化代行サービス「TASUKI Annotation」の説明が含まれます。 ※RAG：Retrieval-Augmented Generationの略称。質問に関連するドキュメントをデータベースから検索して、LLMがドキュメントを参照して回答するAIアプリケーション。

※本ウェビナーは、2024年1月31日に開催されたウェビナーの再放送となります。