BrainPadがAmazon Kendraを使用して内部の知識共有を促進する方法

How BrainPad uses Amazon Kendra to promote internal knowledge sharing.

この記事は、BrainPad株式会社のリードデータサイエンティストである岡田直樹博士によるゲスト投稿です。

2004年に設立されたBrainPad株式会社は、データ活用分野のパイオニア的パートナーとして、データを活用することで企業のビジネス創造と経営改善を支援しています。これまでに、主に業界のリーダー企業を含む1,300社以上の企業を支援してきました。BrainPad株式会社は、データ活用戦略の策定から概念実証、実装までのワンストップサービスを提供することができることが強みです。BrainPad株式会社のユニークなスタイルは、組織内のサイロ化された構造により収集されないデータや、整理されていないデータなど、現場での問題解決にクライアントと協力して取り組むことです。

この記事では、Amazon KendraとAWS Lambdaを使用して内部知識共有を構築する方法、およびAmazon Kendraが多くの企業が直面する知識共有の障害を解決する方法について説明します。BrainPad社の取り組みを以下の4つのキー領域にまとめています。

  • 多くの企業が直面する知識共有の問題とは何か?
  • Amazon Kendraを選んだ理由は何か?
  • 知識共有システムをどのように実装したのか?
  • ツールが有用であっても使用されなければ意味がない。採用の障壁をどのように克服したのか?

多くの企業が直面する知識共有の問題

多くの企業は、仕事を異なる領域に分割して成果を出しています。これらの活動のそれぞれが、毎日新しいアイデアを生み出します。この知識は個人単位で蓄積されます。この知識が人々や組織で共有されることができれば、関連する仕事にシナジーが生まれ、効率と品質が劇的に向上します。これが知識共有の力です。

しかし、知識共有には多くの一般的な障壁があります。

  • 積極的に関与する人が少なく、忙しいスケジュールのためにプロセスを長期的に維持できない。
  • 知識が内部ウィキやPDFなど、複数のメディアに分散しているため、必要な情報を見つけるのが困難。
  • 誰も知識を知識統合システムに入力していない。検索性が悪いため、システムは広く使用されない。

当社も同様の状況に直面していました。知識共有の根本的な問題は、ほとんどの従業員が知識を得る必要がある一方で、コストがかかるため、自分自身の知識を共有する動機がほとんどないことです。従業員の行動を知識共有のためだけに変えることは簡単ではありません。

さらに、各従業員や部署には、独自の知識蓄積方法があり、統一を強制すれば、知識共有におけるモチベーションやパフォーマンスが向上するわけではありません。これは、経営陣が知識を統合したいと考えている一方で、現場の人々が分散型で知識を持ちたいと考えている場合に頭痛の種です。

当社では、Amazon Kendraがこれらの問題を解決したクラウドサービスです。

Amazon Kendraを選んだ理由

Amazon Kendraは、共通のインターフェースから内部情報を検索できるクラウドサービスです。つまり、内部情報に特化した検索エンジンです。このセクションでは、Amazon Kendraを選んだ3つの主な理由について説明します。

簡単な知識の集約

前述のように、知識は存在するにもかかわらず、複数のメディアに分散している傾向があります。当社の場合、内部ウィキやさまざまなドキュメントファイルに分散していました。Amazon Kendraは、このような状況に対する強力なコネクタを提供しています。グループウェア、ウィキ、Microsoft PowerPointファイル、PDFなど、さまざまなメディアからドキュメントを簡単にインポートできます。

これにより、従業員は自分たちが知識を共有するために知識を保存する方法を変える必要がありません。知識の集約は一時的に達成できますが、維持するには非常にコストがかかります。自動化できる能力は、私たちにとって非常に望ましい要因でした。

優れた検索性

情報の入力に優れたグループウェアやウィキがたくさんあります。しかし、情報の出力(検索性)には弱点があることがよくあります。特に日本語の検索についてはそうです。例えば、英語では、ワードレベルのマッチングが合理的な検索性を提供します。しかし、日本語では、単語抽出がより困難であり、適切な文字数で単語を分割してマッチングを行う場合があります。例えば、「東京都」という検索が2つの文字で分割された場合、「東京」と「京都」という結果が得られ、探している知識を見つけることが困難になります。

Amazon Kendraは機械学習による優れた検索性を提供しています。従来の「テクノロジートレンド」などのキーワード検索に加えて、「新しい技術イニシアチブに関する情報が欲しい」といった自然言語検索は、ユーザー体験を大幅に向上させることができます。収集された情報に適切に検索する能力は、Amazon Kendraを選んだ第2の理由です。

所有コストが低い

知識集約および検索に特化したITツールは企業検索システムと呼ばれます。これらのシステムを導入する際の問題の1つは、コストです。数百人の従業員を抱える組織では、運用コストが年間1000万円を超えることもあります。これは、知識共有イニシアチブを開始する安い方法ではありません。

Amazon Kendraは、ほとんどの企業検索システムよりもはるかに低いコストで提供されています。先に述べたように、知識共有イニシアチブを実施することは容易ではありません。私たちは小規模に始めたかったので、Amazon Kendraの所有コストが決定に重要な要因でした。

さらに、Amazon Kendraの導入の容易さと柔軟性も私たちにとって大きな利点です。次のセクションでは、私たちが実装した例をまとめています。

知識共有システムの実装方法

実装は大袈裟な開発プロセスではありません。Amazon Kendraの処理フローに従ってコードを使用せずに実行できます。以下は、実装プロセスの5つのキーポイントです。

  • データソース(知識の蓄積) – 当社の各部署と従業員は頻繁に内部勉強会を開催し、ウィキや様々なストレージなど、複数のメディアに知識が蓄積されました。当時、勉強会からの情報を後で確認することは簡単でした。しかし、特定の領域や技術に関する知識を抽出するには、それぞれのVoAGIを詳細にレビューする必要があり、非常に便利ではありませんでした。
  • コネクタ(知識の集約) – Amazon Kendraのコネクタ機能により、会社全体に散在する知識をAmazon Kendraにリンクして、断面的な検索性を実現することができました。また、コネクタは制限付きアカウントを介してロードされるため、セキュリティ意識の高い実装が可能です。
  • 検索エンジン(情報の検索) – Amazon Kendraには、使用性のテストのための検索ページがあります。ドキュメントをロードした直後に、検索エンジンの使いやすさを迅速にテストすることができました。これは立ち上げのイメージを確固たるものにするのに非常に役立ちました。
  • 検索UI(ユーザー向けの検索ページ) – Amazon Kendraには、検索画面をユーザーに公開するExperience Builderという機能があります。この機能はコードを使用せずに実装できるため、テスト展開中のフィードバックを得るのに非常に役立ちました。Experience Builderに加えて、Amazon KendraはPythonおよびReact.js API実装もサポートしているため、従業員向けのカスタマイズされた検索ページを提供することができます。
  • アナリティクス(使用傾向のモニタリング) – 企業検索システムは、多くの人々が使用する場合にのみ価値があります。Amazon Kendraには、実行された検索の数と用語を監視する機能があります。この機能を使用して使用傾向を追跡しています。

また、私たちの実装に関連するいくつかのQ&Aもあります:

  • 内部の知識を収集する際の課題は何でしたか? 各部署や従業員が持っていた知識を収集することから始めなければなりませんでしたが、Amazon Kendraに直接接続できない場所にある場合もありました。
  • Amazon Kendraからどのような恩恵を受けましたか? 過去に何度も知識共有を試みたことがありましたが、しばしば失敗しました。理由は、情報の集約、検索性、運用コスト、および実装コストでした。Amazon Kendraにはこれらの問題を解決する機能があり、概念化から約3ヶ月で成功裏に立ち上げることができました。今では、組織全体の集合知として以前は個人や部門の知識が必要だったタスクの解決にAmazon Kendraを使用することができます。
  • システムの検索性を評価し、改善するために何をしましたか? まず、多数の従業員がシステムとやり取りし、フィードバックを受け取りました。実装の初めに発生した問題の1つは、ほとんど価値のない情報が散発的にあったことです。これは、一部のデータソースに内部ブログ投稿などの情報が含まれていたためです。私たちは適切なデータソースを選択することで、ユーザー体験の向上に取り組んでいます。

Amazon Kendraを使うことで、最小限のコストで多くの実装のハードルを乗り越えることができました。しかし、この種のツールには、実装後に現れる採用の壁が最大の課題です。次のセクションでは、この壁を乗り越える方法の例を提供します。

採用の壁を乗り越えた方法

あなたが多くの労力、時間、お金を費やして実装したツールが広く使われずに時代遅れになったことはありますか?機能が問題を解決するためにどれだけ優れていても、人々がそれを使わなければ効果的ではありません。

Amazon Kendraの導入に伴い、私たちが取ったイニシアチブの1つは、チャットボットを提供することでした。つまり、チャットツールで質問をすると、適切な知識で返答が得られるようにしました。すべてのテレワーク従業員が毎日チャットツールを使用しているため、チャットボットを使用する方が、ブラウザーで新しい検索画面を開くよりも適しています。

このチャットボットを実装するには、サーバーレスでイベント駆動型プログラムを実行できるLambdaというサービスを使用しています。具体的には、以下のワークフローが実装されています。

  1. ユーザーがメンションを付けてチャットボットに質問を投稿します。
  2. チャットボットがLambdaにイベントを発行します。
  3. Lambda関数がイベントを検出し、Amazon Kendraで質問を検索します。
  4. Lambda関数が検索結果をチャットツールに投稿します。
  5. ユーザーが検索結果を表示します。

このプロセスは数秒で完了し、知識発見のための高品質なユーザーエクスペリエンスを提供します。従業員の大部分は、チャットボットを通じて知識共有メカニズムに触れました。そして、チャットボットだけではカバーできない領域があるため、より良いユーザーエクスペリエンスを提供するために、カスタマイズされた検索画面を併用するようにお願いしました。

結論

この記事では、Amazon Kendraを使用した知識共有のケーススタディと、メカニズムを普及させるためにLambdaを使用したチャットボットの実装例を紹介しました。大規模言語モデルが進化し続ける中で、Amazon Kendraがさらなる飛躍を遂げることを期待しています。

Amazon Kendraを試してみたい場合は、「Amazon Kendraで企業内検索を強化する」をチェックしてください。BrainPadは、生成AIを使用した内部知識共有や文書活用にもお手伝いします。詳細については、お問い合わせください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Related articles

    Discover more

    データサイエンス

    「トポロジカルキュービットの物語」

    エキゾチックな量子状態の振る舞いを模倣することで、量子コンピューティングは厄介なノイズやエラーを効果的に取り除く手段...

    AI研究

    「Appleの研究者たちは、動的なポーズのRGB画像からの密集3D再構築において、画期的な人工知能アプローチを紹介する」

    学習済みの先行知識を活用することで、モノクルカメラによるRGBのみの再構成は、低テクスチャ領域の課題や画像ベースの再構成...

    AIニュース

    世界初のAI搭載アーム:知っておくべきすべて

    人工知能がバイオニックアームを制御する世界を想像したことがありますか? スーパーヒーローの映画から出てきたコンセプトの...

    機械学習

    ノースイースタン大学およびMITのこのAIの論文では、拡散モデルにおける画像生成制御のための解釈可能なコンセプトスライダーが開発されています

    芸術的なテキストから画像までの拡散モデルの利用者は、通常、生成された画像に表現される視覚的特徴と概念において細かい制...

    機械学習

    ロボットが「グリップ」のアップグレードを取得:AO-Graspがロボットに物を落とさない技術を教えます!

    近年、ロボットは製造業から医療まで、様々な産業でますます使用されています。しかし、彼らのタスクを遂行する効果は、環境...