Corpus2Skillが変える企業検索、RAGからスキルツリー型知識活用へ

分析・見解

知識を断片ではなく「業務の地図」として保存する

Corpus2Skillの重要性は、検索精度を少し高める手法というより、企業内知識の「保存単位」を変える点にあります。通常のRAGでは、規程、議事録、製品資料、問い合わせ履歴を分割し、質問に近い断片をベクトル検索で取り出します。しかし、断片同士の前提関係や、ある手順を実行するために先に確認すべき条件までは、検索結果だけでは見えにくいことがあります。例えば、経費精算の質問に対して申請方法の段落は見つかっても、海外出張、管理職承認、例外申請という分岐が抜ければ、回答はもっともらしくても業務上は不完全です。

スキルツリーは業務のまとまりごとに枝分かれする

スキルツリー型の構成では、文書を単なる文章の集合ではなく、「何を達成するための知識か」という業務のまとまりに再編できます。経費精算なら、対象者の判定、費目の選択、証憑の確認、承認経路、例外処理といった枝を持たせ、エージェントが質問の内容に応じて枝を深掘りします。この構造は、回答の根拠を示すだけでなく、まだ確認していない条件を明示する働きも持ちます。独自性のある視点は、生成AIの賢さを上げるより先に、AIが迷わない「業務地図」を用意する方が、企業では効果を測りやすいということです。

ツリー構築の成否を左右する事前処理と更新管理

技術面では、事前処理の品質が成否を左右します。文書を要約して階層化するだけでは、古い規程、重複した手順、部門ごとの例外、アクセス権の違いが混在します。そのため、スキルの名称、適用条件、入力情報、実行手順、出力形式、参照元、更新日、権限範囲を個別に管理する必要があります。特に重要なのは、ツリーを固定的な分類表にしないことです。制度改定や製品更新によって枝の有効期限が変わるため、文書の更新検知と再構築、変更履歴の追跡が不可欠になります。

検索型RAGとの使い分けと今後問われる評価軸

従来型RAGとの比較では、どちらか一方が常に優れるわけではありません。単発の事実確認や大量文書からの引用抽出には、低遅延の検索型RAGが適しています。一方、複数の条件を順番に確認する審査、手順に沿ったトラブル対応、部門横断の申請案内では、スキルツリーが有利になりやすいでしょう。現実的な構成は、ツリーで探索経路を決め、各ノードで原文検索やデータベース照会を実行する併用型です。これなら、構造化による見通しと、原文を直接参照する柔軟性を両立できます。

今後の競争軸は、回答の流暢さから、知識の網羅性、手順の再現性、変更への追随、監査可能性へ移るはずです。評価も正解率だけでなく、必要な枝を何回で選べたか、不要な文書をどれだけ読まなかったか、未確認条件を適切に保留できたかで測るべきです。例えば、百問の質問に対して正答率九十％でも、重要な安全手順を二問取り落とすなら導入価値は低い。業務の失敗コストを重み付けした評価設計が、研究成果を現場の仕組みに変える鍵になります。