生成AIを“自社業務に特化”させて使いこなすための具体的ステップとは？

　業種や分野を問わず、人材不足が深刻化している。限られた人的リソースで業務を回すには、1人当たりの作業効率を高める必要がある。その課題を解決するための切り札として、生成AIへの期待が高まっている。

　汎用的なLLM（大規模言語モデル）は多言語に対応しており、議事録の要約や翻訳といった一般的なフロントオフィス業務では、多くの企業がある程度手応えを得られるようになってきた。一方、制御系システムや生産ラインの管理、IT運用といった特定業務への適用は、汎用LLMでは事足りない。形式知化した暗黙知などの業務データも特定業務に特化したLLMに取り込む必要があるが、機密情報を含む業務データを外部環境に出して学習させることはできない。

　これを受けて、RAG（Retrieval-Augmented Generation：検索拡張生成）に取り組む企業が増えたが、「期待する回答精度には届かない」という声も多い。そこで本資料では、生成AIを“使える”状態に近づけるための考え方と利用ステップについて解説する。暗黙知の形式知化やデータパイプライン整備、LLMのチューニングを段階的に実践する日立製作所の事例も紹介しているので、参考にしてほしい。