ボット設定の「やり直し」を削減―chai+、複製機能と学習精度向上でAI運用を効率化
本記事はプレニカ編集部が外部の発表情報をもとに解説を加えた編集部記事です
プレニカ編集部
デフィデが法人向けRAG・AIエージェント「chai+」の2026年9月アップデートを実施。ボット複製機能やURL自動再学習など運用負荷を減らす改善です。
プレニカ編集部による要約
デフィデ株式会社は、法人向けRAG・AIエージェント「chai+」の2026年9月アップデートを実施したと発表した。chai+は社内規程やマニュアル、商品資料、Webサイトなどのナレッジを参照して業務に特化した回答を行う製品で、複数のボットを一つの管理画面で運用できる。今回のアップデートの中心は、既存ボットの設定をベースに新しいボットを作成できる複製機能の追加。部門別・用途別にボットを展開する際の設定の作り直しを減らし、一つのボットで運用方法を固めてから横展開する段階的な導入を進めやすくするという。このほか、Webサイトのスケジュール学習完了後に未学習のURLを自動で確認・再学習する仕組みも追加し、学習漏れの確認や手動での再実行を省力化。FAQ生成時に参照情報が適切に反映されるようコンテキスト取得処理を改善し、回答ルール設定用のプロンプトテンプレートも拡充した。管理面では、多要素認証にメールアドレス宛の認証コード送信によるメール認証を追加し、スマートフォンを使わない本人確認の選択肢を用意。このほか汎用ボットのガードレール強化、問い合わせログへのチャット日時表示、質問の取り消し機能、ボイスボットのフィラー応答や会話開始時の発話改善など、日常利用の操作性と安定性を高める改修も含まれている。同社は、AI知識を持たない担当者でも継続的に活用できる生成AI基盤として機能強化を続けるとしている。
※ この要約はプレニカ編集部が発表情報をもとに独自に作成したものです。
発表の原文(冒頭より引用)
デフィデ株式会社(東京都港区赤坂2-4-6、代表取締役:山本 哲也)は、法人向けRAG・AIエージェント「chai+」の2026年9月アップデートを実施しました。今回のアップデートでは、既存ボットの設定を活用できる複製機能をはじめ、Webサイト学習時に取り込めなかったURLを自動で再学習する機能、FAQ生成時の参照情報取得の改善、プロンプトテンプレートの拡充などを実施。部門別・用途別に複数のAIボットを展開する際に発生しやすい設定の作り直しや、学習データの確認・再調整といった運用負荷を抑え、企業が生成AIを継続的に活用しやすい環境を強化しました。 chai+は、社内規程、マニュアル、商品資料、Webサイトなどの社内外ナレッジをもとに、企業ごとの業務に特化した回答を行う法人向けRAG・AIエージェントです。複数のチャットボットを一つの管理画面で運用できる一方、活用範囲が広がるほど、用途ごとのボット設定や学習データの更新・確認といった運用作業をいかに効率化するかが重要になります。 今回のアップデートでは、AIの回答機能そのものだけでなく、管理者が日常的に行う「作る・学習させる・調整する」という運用プロセスを効率化。生成AIを一度導入して終わりではなく、社内で横展開し、継続的に育てていくための管理機能を強化しています。 ■既存ボットを複製し、似た用途の設定をゼロから作り直す手間を削減 生成AIの社内活用が進むと、「人事向け」「情報システム向け」「営業向け」「顧客問い合わせ向け」など、部門や用途ごとに複数のボットを展開するケースが増えていきます。その際、基本設定や回答方針が似ていても、新しいボットを一から設定し直す作業が管理者の負担になります。 今回のアップデートでは、既存のボット設定をベースに新しいボットを作成できる複製機能を追加。
引用元: https://www.value-press.com/pressrelease/381829 (冒頭のみの引用です。全文は下記リンクからご覧ください)
プレニカ編集部の見解 ※ 事実の報道ではなく編集部の意見・分析です
この発表の意義は、生成AI製品の強化の対象を「回答性能」から「管理者の運用作業」へ広げた点にある。社内でAIボットを部門ごとに増やしていく段階では、設定の繰り返し入力や学習漏れの確認といった地味な作業が導入のボトルネックになりやすく、複製機能やURL自動再学習はその部分を直接狙った改善といえる。プロンプトテンプレートの拡充も、ボットが増えた際の回答方針の標準化に役立つ可能性がある。もっとも、これらの機能が実際の運用負荷をどの程度減らせるかは、複製元の設定の質や学習対象サイトの構造など個々の環境に左右される部分があり、効果は導入企業ごとに異なるだろう。自動再学習についても、未学習URLがどの程度の頻度で発生するかが前提となる。今後は、複数ボット運用の実例や、学習データの更新・品質維持を継続的に行う仕組みがどう進化するかを注視したい。
本件に関するお問い合わせ
プレニカ編集部ピックアップ(出典は記事末尾のリンクをご覧ください)