AI901-Concept#95-1
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 SaaS 企業が、顧客向けサポート チャットを Azure AI Foundry で構築しています。応答スタイルを企業の brand voice (丁寧 / 簡潔 / 専門用語を平易に言い換える) に統一する必要があり、参照ナレッジは社内ドキュメントから随時取得する必要があります。
解決策
まず prompt engineering で system message に brand voice の規範と few-shot 例示を含め、加えて社内ドキュメントは Azure AI Search の vector index 経由で RAG 構成にして関連知識を毎リクエスト注入します。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本シナリオは「スタイル統一」と「最新知識参照」の二要件があり、適切に分解された解決策です。prompt engineering の system message + few-shot で brand voice を即時かつ低コストで定着させつつ、RAG で最新ナレッジを毎リクエスト注入することで、社内ドキュメントの更新がそのまま応答に反映されます。fine-tuning は不要で、運用フットプリントが軽く、Microsoft 公式の段階的アプローチ (prompt → RAG → 必要に応じて fine-tuning) に完全に沿った設計です。Foundry の prompt flow と AI Search 統合により、両者を 1 つのパイプラインで容易に構成可能です。
【「いいえ」が違う理由】
本ソリューションは要件分解 / 段階的選択 / 公式パターン準拠のすべてで適切で、運用効率も高いです。「目的を満たさない」と判断する根拠はありません。
本シナリオは「スタイル統一」と「最新知識参照」の二要件があり、適切に分解された解決策です。prompt engineering の system message + few-shot で brand voice を即時かつ低コストで定着させつつ、RAG で最新ナレッジを毎リクエスト注入することで、社内ドキュメントの更新がそのまま応答に反映されます。fine-tuning は不要で、運用フットプリントが軽く、Microsoft 公式の段階的アプローチ (prompt → RAG → 必要に応じて fine-tuning) に完全に沿った設計です。Foundry の prompt flow と AI Search 統合により、両者を 1 つのパイプラインで容易に構成可能です。
【「いいえ」が違う理由】
本ソリューションは要件分解 / 段階的選択 / 公式パターン準拠のすべてで適切で、運用効率も高いです。「目的を満たさない」と判断する根拠はありません。
コメント