生成AIが情報や意思決定を踏まえて回答できる「AI Memory RAG」

　三菱総合研究所（以下、MRI）とPKUTECHは、生成AIが情報の時系列変化や意思決定の経緯を踏まえて回答できるRAG技術「AI Memory RAG」を共同開発した。

　従来のRAGでは、主に類似した情報を単発で検索していたが、AI Memory RAGは過去の議論や判断プロセスに照らした横断的な分析・回答が可能となり、実務での迅速かつ適切な意思決定を支援する。

AI Memory RAGの概要と特徴

　同技術は、ニュースや議事録などを主な検索対象として想定し、既存のAI Memoryが検索対象のデータを保存する方式を拡張している。

　特徴は、時系列的な変化や人物・キーワード間の関係性を考慮するために、文書の内容や特性に応じて構造化した点としている。

　具体的には、まずニュースや議事録などの文書データをページ・章・表・メタデータといった複数の粒度で分解。その後、分解したデータの内容に応じて保存形式を自動判定し、以下のような構造で保持する。

• 時系列構造：議論や出来事の推移を時間軸に沿って保存
• グラフ（ネットワーク）構造：発言者、キーワード、関連人物などの関係性を構造化
• リポジトリ（変更履歴）構造：要件定義書や法令など、変更履歴が重要な情報を管理

　回答生成時には、上記構造化データをAI Memoryの問い合わせ処理機構と組み合わせる。従来のRAGのような単発の類似検索ではなく、問い合わせの内容を分析し、必要なデータの取得・推論の手順を生成する。

　例えば、システム開発プロジェクトで仕様変更の経緯を問い合わせる場合、「関連する議事録を時系列で取得」「意思決定者の過去の発言やステークホルダーとの関係性を分析」「意思決定者の意向が変化した時点と変化の要因を抽出」といった複数のステップを踏んで、変化の経緯を取得し、回答を生成する。

活用イメージ

　同技術は、以下のような領域での活用を想定している。

• ニュース監視・インテリジェンス分析：継続的に流入するニュースやレポートから個別事象の関係性や変化の兆候を抽出し、将来的な変化やリスクの兆候を把握
• 開発管理・議事録管理：要件定義から設計・開発に至るまでの議論や変更経緯を保持し、「なぜその仕様になったのか」「誰がどのような判断をしたのか」を踏まえた検索・回答を実現
• ナレッジ継承：問い合わせ履歴、障害対応記録などから、過去の経緯・判断理由・対応状況を提示することで、知見を共有しやすくなり、引き継ぎの負荷軽減と安定した対応品質を実現

今後の予定

　さらなる精度検証や実証を通して実用性を高め、MRIとPKUTECHのAIソリューションへの展開を目指す。

　MRIでは企業のインテリジェンス業務を支援するAIソリューション「インテリジェンス基盤」におけるニュース監視・ナレッジマネジメント技術としての活用を検討している。

　PKUTECHでは開発管理・議事録管理・問い合わせ対応支援領域などのナレッジ管理技術としての実装を進め、同社が提供するAIエージェント基盤「Egeriaシリーズ」に「Egeria-AI Memory RAG」として搭載していく。

　両社では、「生成AIの業務活用高度化に向けた共同研究・技術開発を推進し、お客さまの生産性向上と高度な意思決定支援に貢献していきます」としている。