Confidential Case 02
中堅企業向け
ChatGPT・RAG文書解析システム開発
2023-04 – 2024-03・6名のチーム
担当：AIエンジニア
Prologue
プロジェクトの課題
文書ごとに形式や書き方が違い、必要な情報を正確に探しにくかった。
生成AIの誤回答や、参照元を確認できない問題への対策も必要だった。
お客さまの名前と画面は、守秘義務などのため載せていません。
At a Glance
- 期間
- 12か月
- チーム
- 6名
- Python
- FastAPI
- OpenAI API
- LangChain
- PostgreSQL
- React
- AWS
関連するサービス：AIチャットボット・社内文書検索（RAG）◆ランサーズのプロフィール（ビジネス経験）（新しいタブで開きます）にも掲載しています
Chapter 01
担当したこと
役割：AIエンジニア
- RAG設計
- 文書取り込み
- テキスト抽出
- ベクトル検索
- LLM API連携
- フロント・バックエンド開発
チーム：6名（PM1・AIエンジニア2・Webエンジニア2・業務担当1）
Chapter 02
取り組んだこと
- PDF・Office文書のテキスト抽出、分割、ベクトル化、検索、RAGによる回答生成を実装。
- 回答に参照元を表示し、情報が足りないときは回答を控える仕組みにした。
- 評価用の質問データで検索精度と回答品質の改善を繰り返した。
Chapter 03
成果
担当者が大量の資料を1件ずつ確認する負担を減らし、社内文書の活用を効率化した。
Technology
使った技術を、役割ごとに。
- UI画面React
- Serverサーバー・APIPythonFastAPI
- AIAIOpenAI APILangChain
- DataデータPostgreSQL
- Infra基盤AWS
記録にある技術を、システムの中での役割ごとに並べた図です。
お客さまの名前と画面について
守秘義務などのため、お客さまの名前・画面・社内の数値は載せていません。業種・規模・期間・担当・成果は、ランサーズのプロフィールの「ビジネス経験」に載せている内容と同じです。
Inquiry
このような開発のご相談
似た課題をお持ちでしたら、まずは現状をお聞かせください。
NDAを結んでから伺うこともできます。