近年、生成AIの普及に伴い、RAG（Retrieval-Augmented Generation：検索拡張生成）を活用した社内ナレッジ検索システムへの関心が高まっています。
社内のPDFやマニュアル、報告書を検索し、AIが回答を生成する仕組みは非常に魅力的です。
一方で、製造業や設備保全、設計レビューの現場では、RAGだけでは解決しにくい課題も存在します。
その一例が、「この図面のこの部分に関係する資料を知りたい」 というケースです。
本記事では、RAGとAnnoLinkを比較しながら、図面・PDF・写真・3Dデータを扱う現場における情報活用について考察します。
RAGが得意なこと
RAGは、大量の文書から関連情報を検索し、その内容を基に生成AIが回答を作成する仕組みです。
例えば、
- 点検周期を教えて
- 過去の故障事例を探して
- この設備の仕様を教えて
- 社内ルールを教えて
といった問い合わせには非常に有効です。
従来であれば複数のPDFやWord文書を開いて調査していた内容を、自然言語で質問できるようになります。
そのため、
- 社内FAQ
- 技術文書検索
- 規程類検索
- ナレッジ共有
といった用途では、RAGは非常に強力な選択肢と言えます。
しかし現場では「質問」が分からないことがある
RAGは優れた仕組みですが、前提があります。
それは、「何を聞けばよいか分かっていること」 です。
例えば設備トラブルが発生した場合、担当者は最初から「ポンプ異音の原因を教えてください」と質問できるとは限りません。
実際には、
- この設備は何だったか
- この部品の名称は何か
- 過去に交換したことがあるのか
- 関連する図面はどれか
といったところから調査が始まることもあります。つまり、検索キーワードや質問そのものが分からない状態です。
設計レビューでは図面が起点になる
設計レビューでも同様の課題があります。
レビュー中によく出る質問として、
- なぜこの構造なのか
- なぜこの寸法なのか
- なぜこの材質なのか
があります。
しかし、その答えはCADデータの中にはありません。
過去の設計検討資料やレビュー議事録、不具合報告書の中に存在する場合があります。
ところが、それらは別々のフォルダや別々のシステムに保管されていることも少なくありません。
結果として、「誰かが知っている」状態になりやすくなります。
情報探索は検索だけではない
情報を探す方法として、多くの人は検索を思い浮かべます。
しかし実際の業務では、
検索よりも先に
観察
が行われるケースがあります。
例えば、
- 図面を見る
- 設備写真を見る
- 3Dモデルを見る
- 点検記録を見る
といった行動です。
その中で疑問が生まれ、さらに関連資料を探し始めます。
つまり、「検索する」ではなく、「見ているものから辿る」という探索方法です。
AnnoLinkが扱うのは文書検索ではなく関係性
AnnoLinkはRAGのような文書検索システムとは異なる考え方で設計されています。
AnnoLinkでは、
- 図面
- 写真
- 3Dデータ
に対して、
- 注釈
- タグ
- 関連リンク
を付与できます。
例えば図面上の特定箇所から、
- 点検記録
- 設備写真
- 不具合報告書
- 手順書
へ辿ることができます。
これは検索結果一覧から探すというより、対象物から関係資料を辿るという考え方です。
AnnoLinkとRAGは競合しない
AnnoLinkとRAGを比較すると、どちらが優れているという話ではありません。役割が異なります。
RAGが得意なこと
- 文書検索
- FAQ
- 社内問い合わせ
- 技術資料検索
- 要約
AnnoLinkが得意なこと
- 図面起点の探索
- 設備起点の探索
- PDFの該当箇所管理
- 関連資料の可視化
- 設計根拠の紐付け
です。
実際の現場では、両者を併用する方が自然かもしれません。
設備保全で考えると分かりやすい
設備保全では、設備の異常が発生した際に必要になる情報が複数あります。
- 設備図面
- 点検記録
- 故障履歴
- メーカー資料
- 現場写真
RAGは、「過去の故障事例を教えて」という質問に答えることができます。
一方でAnnoLinkは、設備図面や設備写真から過去事例へ辿ることができます。
つまり、
- RAGは質問から情報へ向かう仕組み、
- AnnoLinkは対象物から情報へ向かう仕組み
と言えるかもしれません。
AI時代だからこそ関係性管理が重要になる
生成AIの進化によって、検索や要約の性能は今後さらに向上していくでしょう。
しかし、製造業の現場では依然として
- 図面
- 写真
- 3Dデータ
といった視覚情報が業務の中心です。
そのため、AIによる検索だけでなく、情報同士の関係性を管理する仕組みも重要になります。
AnnoLinkは、図面・PDF・写真・3Dデータを相互に関連付けることで、検索だけでは辿りにくい情報へのアクセスを支援するアプローチと言えます。
まとめ
RAGは社内ナレッジ検索において非常に有効な技術です。
一方で、
- この図面のこの部分
- この設備
- この写真
- この3Dモデル
といった対象物を起点に情報を探したい場合には、別のアプローチが必要になることがあります。
AnnoLinkは、図面・PDF・写真・3Dデータに注釈・タグ・リンクを付与し、関連資料との関係性を可視化する仕組みを提供しています。
RAGとAnnoLinkは競合するものではなく、**「検索する仕組み」と「辿る仕組み」**として補完関係にあると考える方が実態に近いです。
関連記事
- AnnoLinkで考える「資料が無い」のではなく「辿れない」問題
- AnnoLinkで実現する設計レビューの設計根拠管理
- AnnoLinkによる設備保全の逆引き検索という考え方
- AnnoLinkとSECIモデルで考える技術伝承