DifyでRAGを実現：社内知識を最大活用する就業規則システムの構築事例

企業において、就業規則は従業員の権利と義務を定める重要な文書です。しかし、多くの企業では就業規則は難解な法律用語で書かれた長文書となっており、必要な情報を素早く見つけることが難しい状況にあります。株式会社ディーネットでは、この課題を解決するため、Difyプラットフォームを活用したRAG（検索拡張生成）システムを構築し、従業員がいつでも簡単に就業規則の情報にアクセスできる環境を整備しました。

RAGとは：企業情報活用の新たな形

RAG（Retrieval-Augmented Generation）は、大規模言語モデル（LLM）の生成能力を外部情報源からの検索結果によって拡張する技術です。これにより、LLM単体では持ち合わせていない特定の企業情報や最新情報を含めた、正確で自然な回答生成が可能になります。従来の「文書を探す→読む→解釈する」という手間を大幅に削減し、従業員の業務効率向上に貢献します。

構築のポイント：高精度なRAGシステムの作り方

1. データ登録の最適化

RAGシステムの精度を高める最大のポイントは、ナレッジデータベースへの情報登録方法です。株式会社ディーネットでは、就業規則をそのまま登録するのではなく、以下のポイントを意識した最適化を行いました：

意味のあるブロックで区切る：文書を単純に一定文字数で区切るのではなく、「休暇取得の手続き」「残業申請のフロー」など、意味のあるカテゴリやトピックごとに分割。これにより、検索時に関連情報が一塊として取得できます。
メタデータの付与：各ブロックに「規則名」「章・節の情報」「最終更新日」などのメタデータを付与。検索精度の向上だけでなく、情報の出典や更新状況を回答に含めることができます。
平易な言葉への言い換え：法律用語や難解な表現は、可能な限り平易な言葉に言い換えてインデックス化。これにより、従業員が日常的に使う言葉での検索がヒットしやすくなります。

2. Difyワークフローによる精緻なRAG構築

Difyのワークフロー機能を活用して、4つのステップからなるRAGシステムを構築しました。

ステップ1：質問受付

従業員からの質問をシンプルなインターフェースで受け付けます。「有給休暇の取得方法は？」「育児休業の期間はどれくらい？」といった自然な問いかけが可能です。

ステップ2：質問の精度向上

単純にユーザーの質問をそのままナレッジベースに投げるのではなく、LLMを活用して検索精度を向上させています：

【精度向上の例】
ユーザー質問：「子供が熱を出したとき休める？」
　　↓ LLMによる変換
精度向上質問：「就業規則に基づき、子供が熱を出した場合に従業員がどのような休暇（育児休暇、特別休暇、看護休暇など）を取得できるか、その具体的な制度や条件について教えてください。」

ステップ3：ナレッジからの検索

Difyの「知識取得」コンポーネントを使って、精度向上された質問をもとにナレッジベースから関連情報を検索します。ベクトル検索により、意味的に近い情報が取得されます。

ステップ4：回答作成

検索結果をもとに、LLMが人間にとって理解しやすく実用的な回答を生成します。この際、回答の出典（就業規則の該当箇所）や更新日なども明示し、信頼性を担保しています。

全社AIチャットとの連携：ユーザビリティの向上

株式会社ディーネットでは、構築したRAGワークフローを単独で提供するだけでなく、社内で広く活用されている全社AIチャットツールに組み込むことで、さらなるユーザビリティ向上を図りました。

ツール化による利点

アクセシビリティの向上：従業員は普段使用している全社AIチャットから、特別なインターフェースに移動することなく就業規則情報にアクセスできます。
対話的な情報取得：最初の質問で満足な回答が得られなかった場合、AIチャットが質問の言い換えを提案したり、より詳細な情報を求めたりするなど、対話的な情報取得が可能になります。
再帰的なRAGの検索：一度のRAG利用で充分な情報取得ができなかった場合に、自動で質問内容を変更して再検索をしてくれます。
マルチタスク対応：就業規則だけでなく、他の業務上の質問も同一インターフェースで完結できるため、従業員の業務効率が向上します。