概要
生成AI（LLM）をビジネス活用するにあたりキーとなるのがRAG（検索拡張生成）ですが、生成AIに社内データを参照させ精度高く回答させるには、基盤システムのチューニングや、社内データをLLMが解釈できるデータ構造への変換といった課題があります。
本ウェビナーでは、「社内データと連携したRAG」のユースケースを、製造・金融業の課題に沿ってそれぞれ深堀りします。 また、生成AIの回答精度をあげるためにRAG構築後にすべきポイントを解説すると共に、 「データ構造化」を支援するサービス「TASUKI Annotation」をご紹介します。
社内データを参照させても回答精度が低いなど、RAGの回答精度向上にお悩みの方はぜひご視聴ください。
※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。
開催日時
-
日程：2024年7月23日(火)
-
時間：11:00-11:30
想定する対象者
-
生成AI×社内データ連携時のRAG回答精度向上を検討されている方
アジェンダ
-
ソフトバンク TASUKI事業の紹介
-
製造・金融業での生成AI活用事例と展望
-
生成AIの回答精度をあげる為にRAGですべきことは？（RAG高度活用）
-
回答精度向上のための支援サービスの紹介
スピーカー
-
中島 宏幸
ソフトバンク株式会社
IT統括 AI戦略室
AI&データ事業推進統括部 TASUKI事業部 事業開発課
担当課長大学卒業後、ソフトバンクに入社。 流通事業にて、IAサーバやストレージ製品のプロダクト営業やチャネルマーケティングを経験後、 画像認識AIスタートアップの子会社に出向し、マーケティング組織の立ち上げからビジネスをリード。 その後、AI開発企業/生成AI導入企業向けデータ作成サービス「TASUKI Annotation」事業に参画。
