ACESのRAG精度改善ソリューション（文書・図表の構造化技術） RAG Accuracy Improvement Solution
ACESが請け負う、社内文書を検索して答える生成AI (検索拡張生成、RAG) の精度の改善。図表や結合したセルを含む文書をAIが読める形に構造化し、業務に合わせて検索と回答を調整する。2025年9月2日に解説資料を公開した。料金は公表されていない。
詳細解説
- 公表
- ACESは2025年9月2日、RAGを実用に耐える精度に引き上げる「RAG精度改善ソリューション」の解説資料を公開した。 prtimes.jp
- 狙う課題
- ACESは、概念実証 (PoC) を始めても業務に使える精度が出ず、そこで止まる企業が多いとする。原因をデータ・アルゴリズム・使い勝手の3つに分ける。 acesinc.co.jp
- 事例
- 精度が1〜2割だったRAGを9割以上に上げて本番の運用に移した事例と、数万時間の工数を減らした事例を挙げる (会社発表)。 prtimes.jp
- 事例の顧客
- ACESは製品のページで、三井住友銀行、大手クレジットカード会社、大手銀行を事例に挙げる。 acesinc.co.jp
🏭 製造工場
この製品を作る工場と、それぞれの役割。会社の発表・有価証券報告書・官公庁の資料で確かめた拠点だけを載せた。
| 工場 | 所在地 | 役割 | 備考 | 出所 |
|---|---|---|---|---|
| 該当しない (受託のサービス) | 公表されていない | 工場はない。顧客の環境に実装する受託で、システムを動かすクラウドや計算機は案件ごとに決まり、公表されていない。 | acesinc.co.jp |
⚙️ 技術・仕組み
どう動くか。方式・構造・制御・材料を、会社の技術資料と特許・論文で確かめた範囲で書いた。
- 文書・図表の構造化技術
- 設計図面、セルを結合したExcel、図表を含む資料、音声・動画を、AIが検索・活用しやすいデータの形に変える (会社発表)。 acesinc.co.jp
- 図の関係の保持
- 一般的なツールでは左右に並んだ図の説明が混ざるのに対し、図の関係と自社独自の語の文脈を理解して構造化するとする (会社の比較例)。 acesinc.co.jp
- 業務に合わせた設計
- 専門家のチームが業務とデータの特性に合うアルゴリズムを選び、検索のモデルとプロンプト (指示文) を短い周期で調整する。 acesinc.co.jp
- Agentic RAG
- AIエージェント (人に代わって作業をこなすAI) が対話で利用者の質問の意図を確かめ、答えに導く「Agentic RAG」を採用する。 acesinc.co.jp
主要諸元
| 項目 | 値 | 出所 |
|---|---|---|
| 扱う文書 | 設計図面、セルを結合したExcel、図表を含む資料、音声・動画 | acesinc.co.jp |
| 進め方 | 現状の聞き取りとRAGの診断、改善方針の設計、PoCと精度の検証、本番の実装と定着の支援の4段階 | acesinc.co.jp |
🔩 各部品と部品メーカー
部品は諸元表と発表で存在を確かめたものを並べ、メーカーは会社か部品メーカーの発表、有価証券報告書、分解調査の報道で供給元を確かめられたときだけ社名を書いた。確かめられない部品は「公表されていない」。載っていない会社は「関与していない」ではなく「公表資料で確かめられていない」。確度 A は会社の一次資料、B は報道。
| 部品 | 品名・型式 | メーカー | 銘柄 | 国・製造拠点 | 根拠 |
|---|---|---|---|---|---|
| 大規模言語モデル | 案件ごとに選ぶ (名称の公表なし) | 公表されていない | — | 公表されていない 該当しない |
ACESは製品のページと発表で、回答に使う言語モデルの名前を示していない A |
| 構造化の部品 | 独自の高精度AIモジュール | ACES | — | 日本 該当しない |
ACESは独自の構造化技術とAIモジュールを使うと案内する A |
🔗 部品製造サプライチェーン
材料から部品・組み立て・販売までを、上流から下流の順に並べた。
- 1診断から実装までACESが聞き取り、改善方針の設計、PoC、本番の実装、定着の支援を一貫して担う企業: ACES
- 2データ顧客が社内の文書・データを出し、ACESが構造化する企業: 顧客
🏗️ 製造ライン
工場の中でこの製品がどう作られるか。工程の順に、ラインの構成・設備・自動化・検査・生産能力を、会社の発表と工場見学の記録で確かめた範囲で書いた。
- 1診断利用の場面、目標とする精度、データの状況を整理し、既存のRAGの構成の弱点を洗い出す設備・企業: ACES
- 2PoCと精度の検証顧客の実データで、独自のAIモデルと構造化技術による改善の効果を確かめる設備・企業: ACES
- 3本番の実装と定着検証の結果を反映して実装し、現場での利用の定着と精度の維持を支える設備・企業: ACES
💴 販売価格
| 型番・グレード | 税込価格 (円) | 時点 | 出所 |
|---|---|---|---|
| 全構成 | 公表していない。小規模な診断から始める案件もある | 2026-11-12 | prtimes.jp |
🛒 購入方法
| 経路 | 内容 | 出所 |
|---|---|---|
| 直販・問い合わせ | ACESの問い合わせと解説資料の請求で受け付ける | acesinc.co.jp |
🛠️ アフターサービス・保守サービス
| 項目 | 内容 | 出所 |
|---|---|---|
| 精度の維持 | 本番の実装後も、精度を保つための運用の支援を続ける。契約の期間は公表されていない | acesinc.co.jp |
🌏 海外輸出
| 仕向け地 | 内容 | 出所 |
|---|---|---|
| 国内 | 国内の企業向けの案内で、海外での提供は公表されていない | acesinc.co.jp |
📈 販売の実績
| 期間 | 指標 | 値 | 単位 | 備考 | 出所 |
|---|---|---|---|---|---|
| 2026年11月時点 | 導入件数・売上高 | 公表されていない | acesinc.co.jp |
💰 金額
| 項目 | 値 | 備考 | 出所 |
|---|---|---|---|
| 精度の改善の事例 | 精度1〜2割のRAGを9割以上に改善 (会社発表。顧客名は示していない) | prtimes.jp | |
| 大手銀行の事例 | Agentic RAGを入れ、初期の精度23%から87%に上げた (会社発表) | acesinc.co.jp | |
| 三井住友銀行の事例 | 全社員への展開で年間約5万時間の工数削減 (会社発表) | acesinc.co.jp |
解析 — 部品・製造・販売の特徴
RAG精度改善ソリューションは、他社や汎用のツールで作ったRAGが、業務に使える精度に届かない企業に向けた立て直しの受託だ。ACESが原因の筆頭に置くのは、図表や結合したセルを含む文書をそのまま検索に入れることだ。主な事例は三井住友銀行で、社内規定の文書の構造化でRAGの精度を上げたとする。差をつける工程は、文書の前処理と検索の調整にある。回答に使う言語モデルの名前は示していない。大手銀行の事例は対話で質問の意図を確かめるAgentic RAGで精度を23%から87%に上げたとする。ACESが2025年9月に公表したのは解説資料で、提供を始めた日は示していない。手順の4段階は自社専用生成AI導入ソリューションとほぼ同じだ。
公表されていないこと
- 料金
- 精度の測り方 (評価の定義と件数)
- 使う言語モデルと検索の仕組みの名前
- 導入件数
- 提供の開始日
出所
- RAG精度改善でPoC止まりを脱却 (解説資料の公開) (2025-09-02)
- RAG精度改善ソリューション 製品のページ (2026-11-12)
- ACES DXパートナー (2026-11-12)
- 自社専用生成AI導入ソリューション (2026-11-12)
出所との照合日: 2026年11月12日。数字は出所の書類のまま。株価・時価総額は扱わない。
ACES のほかの製品
🧰 ツール・特集の入口
一次データで動く 14 本 — 銘柄の絞り込み・供給網・比較・一次データの台帳・解説・規制レンズ (すべて無料)