検索の現状
検索はあらゆる場所で使われている。
日常的に使用するほぼすべての製品に、控えめながら強力な検索バーが搭載されています。検索は、EC、音楽ストリーミング、メッセージング、業務管理など、多様な利用シーンにおけるコアなワークフローです。検索機能は、時間を節約する便利な機能から、製品そのもの（Googleを例に挙げれば）まで、幅広い役割を果たしています。
検索がうまく機能しない。
従来の検索機能——特に企業における利用ケース（例えば、作業アイテムを閲覧したり、ヘルプセンターを検索したりする場面）では、ユーザーにとって良い結果を得られないことが多々あります。このようなケースでの標準的なアプローチは、ユーザーが目的の情報を検索するために、リンクのリストを返すことです。これらのアイテムは適切に並べ替えられている（主に）ものの、集約され、要約され、文脈に沿ったものやパーソナライズされたものとはなりにくい傾向があります。優れた検索アルゴリズムを適切に実装するのは困難です。しかし、どのアルゴリズムも、関連するコンテンツを探す負担をユーザーに委ねています。
このプロセスは、ユーザーの離脱と不満を引き起こします。さらに古いキーワードマッチングに依存することは、これらの問題をさらに悪化させるだけです。なぜなら、キーワードマッチングは、クエリの文脈や意図を適切に把握できないことが多いためです。離脱のコストは目に見えないものの、非常に現実的な問題です。質問を解決できないユーザーは、製品の活用度を向上させることができず、最終的に受け取る価値や製品への依存度も低下してしまいます。
検索はこれまで以上に重要になっています。
現在、処理すべきデータはますます増加しています。これらのデータは、人間によって生成されたもの、マシンログ、またはL LM（大規模言語モデル）によって生成されたものなど、多様なソースから得られます。Google は検索の基準を大幅に引き上げ、高い精度と驚異的な速度の検索結果を提供してきました。一方、LLM は検索の分野を根本から変革しています。 ユーザーがより迅速な対応とより良い結果を求め続ける中、検索機能が不十分であれば、ユーザーの信頼を喪失するリスクがあります。そのため、検索機能の向上は不可欠です。
AI 検索の概要
AI 検索は、ウェブサイトやアプリがユーザーとやり取りする方法を根本から変革しています。従来の検索方法では、関連する可能性のある結果のリストを返すことが多かったのに対し、AI 検索は AI を活用してユーザーのクエリを理解し、正確で関連性の高い情報を提供します。この検索技術の進化は単なるトレンドではなく、現代のエンタープライズ生産性ツールとやり取りするための必須条件となりつつあります。
生成 AI + オブザーバビリティ = 業界トップクラスの検索体験
AI 検索は、ユーザーが尋ねている内容、これまで行ってきた行動、および製品の利用方法に基づいて検索結果をパーソナライズすることで、ユーザー体験を劇的に向上させます。これは、生成 AI と可観測性を組み合わせることで実現されています。これらの技術を組み合わせることで、AI 検索は正確で文脈に即した回答を提供できるようになります。ユーザーが求める情報を直接提供することで、AI 検索は複数の検索試行の必要性を減らし、ユーザーの不満を軽減し、採用を加速します。これはユーザー満足度を向上させるだけでなく、プラットフォームへの深い関与と採用の可能性を高めます。よりシームレスな体験を提供することで、企業はサポートチケットの削減によるコスト削減を実現し、ユーザーエンゲージメントの向上を通じてユーザーの生涯価値を増加させることができます。
AI 検索の仕組み
AI 検索は、いわゆる RAG パイプライン上で動作します。大まかに言うと、RAG パイプラインは非常にシンプルな構造です。しかし、実際に実装する際には、詳細な部分こそがうまく機能させるための難しさの要因となります。以下にその仕組みを説明します：
- すべてのデータを取得し、それを小分けにします。
- 各チャンクに対して、そのチャンク上のエンベディングを計算します - テキストのチャンクを数千の数値変数で表すことができると考えてください。
- 次に、検索クエリを用いて同じ手順を実行してください。 エンベディングを計算します。
- すべてのチャンクの中から、最も類似したチャンクを探します（高校の幾何学で余弦定理を使ったことを思い出してください）。これにより、検索で通常返したいチャンクや記事が取得されます。
- LLM に与えるプロンプトを、最も近いチャンクに基づいて作成してください。
複雑さが急速に増していく点がわかります。データをどこで、どの程度に分割するべきでしょうか？独自の埋め込みモデルを構築するか、既成のモデルを使用するべきでしょうか？プロンプトチェーンをどのように構築するべきでしょうか？当社の検索と埋め込みモデルがどのように機能するかの詳細な説明は、こちらでご確認いただけます。
AI 検索を手軽に実装可能
AI 検索をウェブサイトやアプリに統合することは、DevRev のようなプラットフォームを利用すれば簡単です。DevRev Search は、ヘルプセンターデータのスクレイピングやプロンプトエンジニアリングといった複雑なタスクを自動化します。企業は数行のコードを追加するだけで AI 検索機能を導入でき、高度な検索技術の導入障壁を大幅に低減できます。当社が構築したソリューションから最も価値を見出せる企業のプロファイルは、
- 迅速に生成 AI 機能のリリースを計画し、ユーザーがどのようにその機能を利用するかを実験を開始する予定の中堅ソフトウェア企業
- ユーザーが製品を最大限に活用できるよう支援したいと考えている一方で、まだサポートチームを拡大する準備が整っていない小さなスタートアップ企業
- 顧客からの簡単な質問に迅速に対応し、販売機会を逃さないようにしたい、しかしその質問に一日中対応する時間を費やしたくない、という小さな EC ビジネス。
AI 検索を始めてみる
AI 検索の導入は、多くの人が想像するより簡単です。DevRev のような企業は、技術的な課題を最小限に抑えるソリューションを提供しており、プログラミングの知識が限られている人でも利用可能です。AI 検索を導入する際は、まず自社のニーズを明確にし、適切なプラットフォームを選択し、実装することで、ユーザー体験の向上によるメリットを享受できるようになります。
これは「 AgentOS とその機能」に関するブログ、ケーススタディ、ホワイトペーパー、ポッドキャストのシリーズの第 3 弾です。お楽しみに…
