社内データから根拠ある回答を出し、
判断スピードを上げる

ゼロスタートでは、NDAを結んで要件を伺い、簡易デモを0円で作ります。合わなければ、デモの段階で費用なしに終了できます。デモのあとの開発は準委任（月額）で、単価は時間あたりで公開しています。デザイナーは1時間あたり4,000〜5,500円、エンジニアは1時間あたり5,000〜8,000円、PMは1時間あたり10,000円、AIエンジニアは1時間あたり8,000円〜。いずれも税別です。小さな範囲なら100万円から始められます。PoCから本番運用まで（おおむね3〜4か月）の目安は300万〜400万円（税別）です。金額と期間は、対象業務と連携範囲が決まった時点で都度お見積もりします。クラウドやAPIの利用料は別途です。

ファインチューニングはLLM自体を追加データで再学習させる手法で、RAGは外部データを検索してLLMに参考情報として与える手法です。社内文書のように頻繁に更新されるデータにはRAGが適しています。ファインチューニングは文書更新のたびに再学習が必要でコストが高く、ハルシネーションの抑制も困難です。BeekleではほとんどのケースでRAGを推奨しています。

通常のRAGは、質問に近い文章や資料を探して回答に使います。一方、GraphRAGは資料の中に出てくる人・部署・案件・出来事を結び付けて登録し、複数の資料を突き合わせて回答に使います。「この規程はどこ？」のような一点検索は通常RAGで答えられます。「複数資料をまたいで全体像を知りたい」「原因や影響範囲を整理したい」といった質問ではGraphRAGが有効です。

必ず上がるわけではありません。答えが少数の資料やチャンクにまとまっている質問では、通常のRAGの方がシンプルで精度が出ます。GraphRAGが強いのは、必要な情報が複数資料に分散している場合、文書全体の流れを見たい場合、大量の資料から関係する情報だけを絞りたい場合です。部署・案件・時期・出来事で絞り込めるため、検索ノイズを抑えられます。導入時は想定質問を分類し、通常RAG・GraphRAG・ハイブリッド検索のどれが適しているかを検証します。

議事録、仕様書、障害報告、問い合わせ履歴、規程、マニュアルなどが別々に存在し、それらをまたいで判断する業務に向いています。たとえば「この障害は過去のどの仕様変更と関係しているか」「この制度変更はどの部署・手続きに影響するか」「この案件の経緯をまとめてほしい」といった質問です。1つのFAQから答えを探すだけなら、通常RAGで答えられます。

代表的なユースケースは、社内問い合わせ対応、規程・マニュアル検索、障害原因の調査、案件や商談の経緯整理、仕様変更の影響調査、監査・コンプライアンス確認です。GraphRAGは、複数資料に分散した情報を突き合わせて整理するのが得意なため、「担当者が資料を探し回っている」「過去の経緯が追えない」「影響範囲の確認に時間がかかる」といった業務に向いています。大量のドキュメントがある場合でも、部署・案件・時期・関連する出来事で絞り込めるため、不要な検索結果を減らせます。

改善できます。まず、精度が出ない原因が「チャンク分割」「検索モデル」「メタデータ不足」「類似資料によるノイズ」「複数資料をまたぐ質問」のどこにあるかを切り分けます。単純な検索改善で足りる場合は通常RAGを改善し、情報分散や全体像の把握がボトルネックであればGraphRAGやハイブリッド検索を検討します。

データのお預かりは、NDAを結んだあとです。回答に使うモデルは、入力を学習に使わない契約のAPIか、こちらで用意したサーバー上で動かすモデルから選べます。Beekleは自社の検索システムを自前のサーバーで運用しているので、外部のSaaSに資料を預けない構成も作れます。閲覧権限は検索結果にも反映し、権限のない人の質問には該当資料が出ない状態にします。

対応できます。文書管理システムとの連携により、文書の追加・更新・削除をリアルタイムまたは定期バッチでインデックスに反映します。差分更新の仕組みを組み込むため、全件再インデックスの必要はなく、運用コストを抑えられます。