AZ900-Architect#116-3
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある企業が以下の AI ユース ケースを Azure で実装します。要件: カスタマー サポートのチャットボット (FAQ 応答 / 自然な対話)、帳票 OCR (請求書から金額 / 日付 / 取引先を抽出)、自社の数十万件の社内ドキュメントを学習した質問応答システム。
解決策
社内ドキュメント質問応答システムには Azure OpenAI Service + Azure AI Search で RAG (Retrieval-Augmented Generation) を構築する。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
Azure AI Search が社内ドキュメントをベクトル + キーワード検索で取得し、Azure OpenAI Service の GPT-4o が関連文書を参考に回答を生成する RAG 構成は社内ドキュメント質問応答の業界標準アーキテクチャです。モデル再学習なしで実現できます。
【「いいえ」が違う理由】
ドキュメント追加 / 更新が即座反映され、出典明示でハルシネーション削減、Fine-Tuning より低コストという利点があります。「Azure OpenAI On Your Data」や Copilot Studio でも構築でき、Microsoft Entra ID 認証でセキュアに公開できるため要件に完全適合します。
コメント