事例研究 / エンタープライズ向け文書RAG — ローカルLLMによる40TB規模の社内ナレッジ検索
業務自動化

エンタープライズ向け文書RAG — ローカルLLMによる40TB規模の社内ナレッジ検索

研究開発を重視する企業では、学術論文、研究レポート、スキャン済みPDFなど、40TBを超えるナレッジが蓄積されていました。しかし、それらを横断的かつ効率的に検索する手段がなく、社員は必要な情報や過去の事例を探すために何時間もフォルダをたどる必要がありました。 AMCOLABは、ローカルLLMを活用した完全オンプレミスのRAGシステムを導入。社内に蓄積された膨大なアーカイブ全体を数秒で検索・活用できる環境を実現し、機密データを一切社外へ送信することなく、安全かつ高速なナレッジ検索を可能にしました。

プラットフォーム Web(管理画面)+ モバイル(現場利用)
ユーザー 社内ユーザー(研究者・各部門スタッフ)
クライアント エンタープライズ企業
契約形態 準委任契約(Time & Materials)
対象地域 日本
技術スタック
ollama qwen qdrant python langgraph-color ruby-on-rails flutter postgre linux-server
エンタープライズ向け文書RAG — ローカルLLMによる40TB規模の社内ナレッジ検索

課題

クライアントは、論文、研究レポート、実験データ、スキャンされた過去資料など、約40TBにおよぶ社内ドキュメントを保有していました。

しかし、それらの情報は複数のフォルダや形式に分散しており、必要な資料を効率的に見つけることが困難でした。

研究者は新しい業務を始める前に、過去の資料を探すために多くの時間を費やしていました。関連資料を見落としたり、過去の研究成果を把握できず同様の研究を繰り返してしまうケースも発生していました。

さらに、厳格な情報管理ポリシーにより、社内データをクラウドAIへ送信することは認められておらず、すべての処理をオンプレミス環境で完結させる必要がありました。

ソリューション

構築内容

AMCOLABは、完全オンプレミス環境で動作するAIナレッジ検索システム(RAG)を構築しました。すべての文書を自然言語で検索できるようにし、機密データを外部へ送信することなく、必要な情報へ数秒でアクセスできる環境を実現しました。

ドキュメント取り込み

PDF、Word、スキャン画像、旧形式ファイルなど、多様な文書を自動で取り込み、分割・インデックス化します。定期実行により、新しい文書も継続的に登録されます。

ローカルLLM

大規模言語モデル(LLM)はすべて社内インフラ上で稼働します。検索内容、文書データ、回答結果が外部サービスへ送信されることはなく、インターネット接続のない環境でも利用できます。

セマンティック検索

ファイル名やキーワードではなく、自然言語による検索に対応。AIが文書全体から関連性の高い情報を抽出し、参照元とともに提示することで、ユーザーは原文を容易に確認できます。

アクセス権管理

管理者は部門ごと・ユーザーグループごとに閲覧可能な文書を設定できます。権限管理は管理画面から行え、開発者による対応は不要です。

モバイル対応(Flutter)

研究者や現場スタッフは、承認済みのモバイル端末からナレッジベースを検索できます。デスクトップPCが利用できない環境でも必要な情報へ迅速にアクセスできます。

結果

成果

新しいプラットフォームへの移行後、クライアントとそのトレーダーに起きた変化

約40TBの社内文書を自然言語で検索可能に

文書検索時間を数時間から数秒へ短縮

過去の研究成果を活用し、重複研究を削減

部門を横断したナレッジ共有を実現

機密データを外部へ送信しない完全オンプレミス運用を実現

新任研究者でも過去の知見へ迅速にアクセス可能

関連事例

その他のプロジェクト

プロジェクトを始める

同じ課題をお持ちでしたら、まずはご相談ください。

オンプレミス環境にも対応したAIナレッジ検索システムの構築をご提案します。

ミーティングを予約する
電話
メール
WhatsApp
LINE