次の方法で共有

検索拡張生成(Retrieval Augmented Generation)を用いてAI応答を強化する

Microsoft Copilot Studioの取得拡張生成 (RAG) は、言語モデルの推論機能と、信頼できる組織固有の知識を組み合わせたものです。 これにより、エージェントはモデルメモリに頼るのではなく、企業のコンテンツに基づいて正確で文脈に沿った、かつ根拠のある応答を生成できます。

この記事では、次の方法について説明します。

  • RAGがどのようにAIの信頼性と地に足のついたものを高めているかを理解しましょう。
  • Copilot Studio がナレッジを取得して合成する方法について説明します。
  • サポートされている知識源とその制約を特定しましょう。
  • ガバナンス、コンプライアンス、AIの安全性を考慮して認識しましょう。
  • エンタープライズ環境でエージェントを設計する際にはRAGの概念を適用してください。

RAG の概要

RAGは、2つの機能を組み合わせることでAIの精度を向上させる設計パターンです。

  • 情報検索:企業のデータソースの検索。
  • テキスト生成:言語モデルを用いて取得した情報を統合する。

このアプローチは誤った情報を減らし、信頼を高め、実際の組織コンテンツに根ざした回答を生み出します。

Copilot Studio の RAG アーキテクチャ

Copilot Studio の RAG パイプラインは、Azure AI services上に構築され、Microsoft の信頼、コンプライアンス、セキュリティの境界と緊密に統合されています。

コアコンポーネント:

  • Copilot Studio ランタイム: 会話型パイプラインを管理します
  • クエリ最適化エンジン:クエリを書き直し解釈します
  • 検索プロバイダー: Bing、SharePoint、Graph、Dataverse、Azure AI Search
  • 要約エンジン:根拠のある引用された回答を生成します
  • モデレーションレイヤー:メッセージや要約の検証
  • 状態記憶:短期記憶(30日未満;訓練には使用されない)
  • テレメトリーとフィードバックストア:洞察と監督を提供します

メッセージ モデレーション、クエリの最適化、取得、要約、検証の手順を示す Copilot Studio RAG ワークフローのダイアグラム。

Copilot Studio での RAG のしくみ

Copilot Studio の RAG は、4 段階のプロセスに従います。

  1. クエリの書き換え
  2. コンテンツ検索
  3. 要約と応答生成
  4. 安全性とガバナンスの検証

1. クエリの書き換え

Copilot Studio では、検索前にユーザーの質問が最適化されます。

  • 意味の明確化
  • コンテキスト信号を追加します(最後の10ターン)
  • キーワードマッチングの改善
  • 検索に適したクエリを生成する

このプロセスは検索の質を向上させ、無関係な結果を減らします。

2. コンテンツ検索

クエリを書き直した後、システムはあなたが設定したすべての知識ソースに対してクエリを実行します。 Copilot Studio は、各ソースから上位 3 つの結果を取得し、パフォーマンスとの関連性のバランスを取ります。 各知識ソースの挙動は、認証、インデックス作成、ファイル形式、ストレージ制約などの要因によって異なります。

以下の表は、サポートされるすべての知識ソースとその機能、制約、認証要件をまとめたものです。

知識源 Description Authentication 主な能力、制限、制約
公開データ(ウェブサイト) Bingがインデックスしたウェブサイト None
  • ウェブサイトはBingによってインデックスされなければなりません。
  • Bingは地域に限定できません。
  • ウェブサイトの所有権を確認することでより良い結果が得られます。
  • 公開ウェブサイト:最大2サブページの深さ(/en/help/)、直接ページは禁止。
  • Bingカスタム検索: 1つの構成IDですが、数式を使って設定できます。AzureのコストはMicrosoftが負担し、最大400件のURLに対応します。カスタムランキングオプションがあり、最大2階層のサブページの深さで直接ページをサポートします。
SharePoint / OneDrive 内部企業コンテンツ(内部のみ) Microsoft Entra ID の委任認証
  • 委任された呼び出しを行うには、ユーザーをMicrosoft Entra IDで認証する必要があります。
  • 最大15MBの対応ファイルを取得し、詳細なスニペットを要約します。
  • セキュリティのトリミング:返送される結果には、ユーザーが読み取りアクセス権を持つコンテンツのみが含まれます。
  • Premium の "拡張検索結果" 機能では、メッセージの基盤となるテナント Microsoft Graphが使用され、結果の品質と最大ファイル サイズ (200 MB) が向上します。
アップロードされたファイル Dataverseストレージにアップロードされたファイル None
  • ファイル(最大512MB)はDataverseのファイルストレージに保存され、1エージェントあたり最大500ファイルまで保存されます。
  • ファイルはDataverse Searchでインデックス化され、PDFでは画像や表認識の恩恵を受けます。
  • デフォルトでは引用にはファイルへのリンクは含まれませんが、カスタマイズによってこのリンクを追加できます。
Dataverse テーブル 構造化事業記録(内部のみ) Microsoft Entra ID の委任認証
  • Dataverseテーブル(最大15個)は、検索性向上のために同義語や用語集で設定できます。
  • 自然言語クエリは構造化データに対する分析クエリに変換されます。
グラフコネクター Microsoft Graphにインデックスが作成されたエンタープライズ アプリ (内部のみ) Microsoft Entra ID の委任認証
  • 委任された呼び出しを行うために、Microsoft Entra IDを使用してユーザーを認証する必要があります。
  • ServiceNow KB、Confluence、カスタムエンタープライズ Web サイト データなど、Microsoft Graph インデックスにインデックスが作成されている他のエンタープライズ ナレッジ ソースに接続します。
  • Premium の「拡張検索結果」機能では、テナント環境の Microsoft Graph 基盤が使用されています。
リアルタイムコネクター Salesforce、Zendesk、SQL(社内のみ)などのシステムからのライブデータ ユーザーはログインが必要です
  • Copilot コネクタは、Salesforce、ServiceNow、Zendesk、Azure SQLから構造化データを取得します。
  • ログインしたユーザーはターゲットシステムへの接続を作成しなければなりません。
Azure AI Search ベクトルベースの意味探索 設定済みエンドポイント
  • リンクされたベクター化されたAzure AI Searchインデックスから結果を返します。
  • 接続は委任されません。セキュリティ調整もなく、ユーザー認証も不要です。
カスタムデータ APIやフロー、カスタムロジックを通じて提供されるデータ None
  • ソースをクエリするには事前のステップが必要です(例えばクラウドフロー、コネクター、HTTPリクエストなど)。
  • 結果は生成回答への入力として渡され、クエリの回答を要約します。
  • 入力データはテーブル形式で、3つのプロパティを持つ必要があります: Content (通常は関連コンテンツのスニペット)、 ContentLocation (オプション、通常はURL)、および Title (オプション)。

3. 要約と応答生成

  • AIが取得したコンテンツを統合します
  • トーン、フォーマット、安全性、簡潔さに関するカスタム指示を適用します
  • 基礎データへの引用を生成します
  • ユーザーの文脈(言語、部門、地域など)を使って回答をパーソナライズします

4. 安全性およびガバナンスの検証

各応答は自動検証層を経ます:

  • 有害、悪意のある、非準拠、または著作権のある回答のモデレーション
  • グラウンディングの検証と誤情報の除去

顧客データが言語モデルを訓練しない。

RAGを使用する際の主な考慮点

RAGは事実に関する質問と回答に最も適しており、詳細な文書分析には適していません。

RAGは以下の用途に理想的です:

  • 知識ベースからの質問への回答
  • ポリシー、FAQ、手続き内容の要約
  • ファイルや内部システムから特定の事実を取得する方法

RAGは以下を目的としていません:

  • 完全な文書比較
  • ポリシー遵守評価
  • 長く非構造化文書を扱う複雑な推論

生成AIのセキュリティとコンプライアンスに関する考慮事項

Microsoft Copilot Studioの生成 AI 機能は、強力なセキュリティ、プライバシー、コンプライアンスの制御を維持しながら、強力な会話と推論の機能を提供するように設計されています。

基礎モデルとホスティング

  • Copilot Studio は、OpenAI がトレーニングする基礎モデルに依存しています。
  • Copilot Studio では、生成応答に最新の OpenAI モデルの 1 つを使用します。
  • モデルは、Microsoft サービス信頼境界に沿って内部Azure AI Foundry サービス上で完全に実行されます。
  • すべてのモデル使用は Microsoftの責任あるAIの原則 とポリシーに準拠しています。

カスタム手順

メイカーは カスタム指示 を提供し、モデルの挙動を形作ったり、トーンに影響を与えたり、フォーマットルールを追加したりできます。 これらの指示は、組織のニーズに合わせて生成応答をカスタマイズしつつ、安全フィルターやコンプライアンス管理を尊重する助けとなります。

データの保存と処理

  • Copilot Studio の Data のストレージと処理は、ローカル モデルのホスティングが利用できない場合に、リージョンの境界を越えてデータを移動する可能性があります。
  • このデータ移動が許可されていない場合、管理者は環境設定を使用して、Azure言語モデルや Bing Search などの特定の機能を無効にすることができます。
  • Copilot Studio では、言語モデルのトレーニングに顧客データを収集したり使用したりすることはありません。

運用データ処理

  • 運用中は、システムは一時的にMicrosoftが運営するセキュリティ管理のストアに会話を保存します。
  • Microsoftの職員の権限取得は、Just-In-Time(JIT)制御を備えたSecure Access Workstations(SAW)によって制限されています。
  • 組織はカスタマー ロックボックスを通じてアクセスをさらに制御でき、Microsoftのサポートエンジニアがデータを閲覧する前に明示的な承認が必要です。

テレメトリのトラブルシューティング

  • 生成AI機能は追加のトラブルシューティングデータを生成しますが、それはテストペイン内のメーカー主導のアクション、特にメーカーが回答に対して親指を立てるか否定するかした場合に限られます。
  • この明確なフィードバックループ以外に追加の顧客データは記録されません。

虐待監視と安全性

複数の安全層によって既に生成 AI 機能が保護されているため、Copilot Studio の生成型 AI では、Azure AI の不正使用の監視が無効にされ、顧客データのログ記録がさらに回避されます。

  • Last updated on