Skip to main content

AI開発：RAG・チャットボット・AIエージェント

RAG、AIチャットボット、AIエージェントを本番品質で開発。大手自動車メーカー向けRAGシステムを構築し、10社以上で稼働しています。

自社の文書やデータに基づいて回答し、決められた範囲で業務ツールを操作し、導入前にきちんと評価できるAIシステムを開発します。検索パイプライン、チャットボット、エージェント、それらを動かすクラウド基盤までを担当します。

代表的な実績は、大手自動車メーカー向けの検索拡張生成（RAG）システムで、Google Cloud上で10社以上に展開されています。EngPrepのTOEFL即時フィードバックやJOLの苦手分析など、プロダクトに組み込むAI機能も開発しています。

プロジェクトを相談する関連する実績

AI開発

提供内容

社内文書を使うRAG

マニュアル、規程、ナレッジベースを検索し、根拠となる出典付きで回答します。

カスタマーサポート用チャットボット

承認済みの情報から回答し、必要に応じて担当者へ引き継ぎ、解決できなかった内容を記録します。

AIエージェント

業務ソフト上で決められた操作を実行するエージェント。取り消しにくい操作には承認ステップを設けます。

プロダクトへのAI機能組み込み

Web・モバイルアプリの中で動くフィードバック、推薦、生成機能を、プロダクトチームと一緒に設計します。

基盤構築と評価

クラウドへのデプロイ、ベクトルDB、監視、そして変更で回答品質が上がったか下がったかを確かめる評価セットを整備します。

進め方

  • 開発前に、効果を測れる業務をひとつ選びます。
  • 評価セットを早い段階で作り、変更のたびに検証します。
  • 目的を果たせる最も自律性の低い構成から始め、リスクのある操作には人の確認を残します。

主な技術

  • Python
  • LangChain
  • OpenAI
  • Google Cloud
  • Vector DB
  • Supabase
  • Next.js

関連する実績

AIインフラ
NDA

AIインフラ

大手自動車メーカー向けRAGシステム — 事例

検索拡張生成（RAG）システムと、その基盤となるクラウドAIインフラを構築。Google Cloud上で10社以上に展開。（守秘契約のため社名非公開）

担当範囲
AIエンジニア
10+社で本番稼働
Google CloudLangChainPythonVector DB
engprepのWebサイト

EdTech ・ AI

engprep — 事例

AI搭載のTOEFL iBT対策アプリ。Speaking・Writing・Reading・Listeningの4技能をAIが即座に日本語で評価・フィードバック。100+顧客のうち、1名は1か月でスコア40→65を達成。

担当範囲
フルスタックプロダクト
40→651か月でのTOEFLスコア
Next.jsOpenAISupabaseStripeVercel
Webサイト engprep （新しいタブで開きます）
JOLのWebサイト

モバイル ・ EdTech ・ AI

JOL — 事例

株式会社NUTS（東京）のゲーム型社内教育プラットフォーム。学習者向けiOS/Androidアプリを開発。ゲーム形式のクエスト、AIによる苦手分析と反復練習、外国人材向けの多言語UI・日本語検定対策を実装しました。

担当範囲
モバイルアプリ開発
7+言語に対応
React NativeExpoNestJSGraphQLOpenAIFirebase
Webサイト JOL （新しいタブで開きます）

よくある質問

RAGとAIエージェントのどちらを使うべきですか？

決まった文書群から根拠付きの回答が必要ならRAG、業務ソフト上で操作まで選択・実行する必要があるならAIエージェントです。確実に仕事をこなせる範囲で、最も自律性の低い構成から始めます。

AIプロジェクトはどう始めればよいですか？

多くの場合、効果を測りやすい業務ひとつで試験導入から始めます。手順は「AI導入準備度診断」と「90日間AI試験導入ロードマップ」で解説しています。

どの技術を使いますか？

主にPython、LangChain、OpenAIのモデルを、Google CloudまたはSupabase上で使い、検索にはベクトルDBを使います。データやセキュリティの要件に合わせてプロジェクトごとに選定します。

関連ガイド

その他のサービス

プロジェクトのご相談はこちら

実現したいことを、決まっている範囲でお聞かせください。次の一歩を一緒に整理します。

プロジェクトを相談する