M365.FM · 日本語
RAG入門:Microsoft 365 Copilot で十分な場面と、Azure で独自のナレッジパイプラインが必要な場面
このエピソードのテーマ:
Microsoft 365 Copilotセキュリティ・ID・ガバナンスAzureと開発RAGMicrosoft 365 CopilotAzure AI SearchAzure AI Foundryナレッジパイプラインハルシネーションベクトル検索AIガバナンス
Copilot は高速で、Microsoft 365 のメール、要約、会議メモには最適です。しかしポリシーや SOP、M365 の外にあるデータについては、一般的で誤った回答をしがちです。このエピソードでは、Copilot で十分なとき、Retrieval Augmented Generation(RAG)が必要なとき、そして引用付きの信頼できるナレッジパイプラインの作り方を解説します。
Apple PodcastsのM365.FM 日本語 SpotifyのM365.FM 日本語 Amazon MusicのM365.FM 日本語 DeezerのM365.FM 日本語 iHeartのM365.FM 日本語 Podcast AddictのM365.FM 日本語 PodchaserのM365.FM 日本語
▶ RAG入門:Microsoft 365 Copilot で十分な場面と、Azure で独自のナレッジパイプラインが必要な場面(AI吹き替え)
このエピソードで学べること:
- Copilot の得意分野と限界:アクセス許可、Microsoft Graph、独自インデックスなし、引用の強制や検索評価ができないこと
- RAG の仕組み:ドキュメントをチャンクに分割し、メタデータを付け、埋め込みでベクトル化し、Azure AI Search のハイブリッド検索で取得する流れ
- ハルシネーション対策:ソースのみに基づく回答、引用の必須化、「わからない」ルール、ログ記録、ヒット率とレイテンシの測定
- よくある失敗:大きすぎる・小さすぎるチャンク、メタデータの欠如、不適切な埋め込み、評価ループの欠如――そしてファインチューニングより再インデックスが優れる理由
- グローバル製造業の事例:4,800 件のポリシーファイル、引用付きの Teams エージェント、サービスデスクへの問い合わせが 3 分の 1 減少
このエピソードは、Microsoft MVP Mirko Peters による M365 Show のアニメーション動画をAIで吹き替えた日本語版です。