HOME/ビジネス/Azure/Azure AI Search
RAG / ENTERPRISE SEARCH

Azure AI Search
RAG・社内検索の検索基盤

Azure AI Search(Azure AIサーチ)は、社内の文書やデータを、生成AIが探して答えに使えるようにするMicrosoft Azureの検索サービスです。
当社はデータの取り込み、検索方式の設計、権限・セキュリティ、精度の改善、運用までを、貴社の環境に合わせて支援します。

01/概要

社内の文書とデータを、AIが探して答えに使えるようにするMicrosoft Azureの検索サービス

Azure AI Search(Azure AIサーチ)は、社内の文書やデータを検索できる形に整え、質問に合う部分を素早く見つけ出す、Microsoft Azureのサービスです。以前はAzure Cognitive Searchと呼ばれていました。生成AIが社内の情報にもとづいて答えるためには、まず正しい資料を探し出す必要があります。この「探す」部分を受け持つのがAzure AI Searchで、RAG(ラグ・検索拡張生成)の中心になる部品です。

RAGとは、AIが回答をつくる前に社内の資料を検索し、見つけた内容を根拠に答えさせる方法です。AIだけに答えさせるより、社内の最新の情報や専門用語にもとづいた回答になりやすく、どの資料を根拠にしたかも示せます。AIエージェント(指示を受けて自分で調べ、手順を考えて作業まで進めるAI)にとっては、社内の知識を引き出す窓口にもなります。

次の図はAzure AI Searchが、使う人・探す対象のデータ・回答をつくるAI・守りの仕組みのどこにつながるかを示したものです。

Azure AI Searchの位置づけ(当社作図)
使う人とアプリ
社員の検索画面チャット形式の質問窓口Copilot StudioAIエージェント
探して絞り込む(検索基盤)
Azure AI Searchキーワードと意味の両方で探す結果の並べ替え複数の検索を組み合わせる(エージェント型)
文書を細かく区切って検索用の目次(インデックス)に登録し、質問に合う部分だけを取り出します。
探す対象のデータ
SharePointBlob Storage・ファイルサーバーCosmos DBOneLake(Fabric)各種データベース自社内(オンプレミス)のDB・ファイル
回答をつくる
Azure OpenAIMicrosoft Foundry
取り出した根拠をもとに、AIが回答文をつくります。
守る・運用する
Entra IDPrivate LinkKey VaultMonitor
アクセス権限・通信の閉域化・暗号鍵・監視を横断で設計します。

02/特徴

Azure AI Searchの主な機能

Azure AI Searchは、社内の資料を正しく探し出し、見てよい人にだけ見せるための機能を、取り込みから回答までそろえています。次の図は、主な機能を流れに沿って4つに分け、機能名と一言の働きで示したものです。

Azure AI Searchの主な機能(当社作図)
STEP 1資料を取り込む
インデクサーIndexer
SharePoint・Blob Storage・Cosmos DB・OneLakeなどから自動で読み込みます。
統合ベクトル化Integrated vectorization
長い文書の区切りと意味の数値化を、取り込みの中で行います。
AIエンリッチメントAI enrichment
図やPDFの文字の読み取り(OCR)や翻訳を、取り込み時に加えます。
言語に合わせた解析Language analyzers
日本語など、言語ごとの語の区切りや活用の違いに対応します。
STEP 2探す
全文検索Full-text search
言葉の一致で探します。あいまい検索や近い位置の検索にも対応します。
ベクトル検索Vector search
言い方が違っても、意味が近い資料を見つけます。
ハイブリッド検索Hybrid search
全文検索とベクトル検索を同時に行い、結果をひとつにまとめます。
フィルター・ファセットFilters & facets
部署・日付・種類で絞り込み、件数の内訳も返します。
STEP 3並べ替えて整える
セマンティックランカーSemantic ranker
質問の意図に合う順に、上位の候補を並べ替えます。別途課金されます。
スコアリングプロファイルScoring profiles
新しい資料を上位にするなど、順位づけの重みを調整します。
同義語・入力候補Synonyms & autocomplete
言い換え語の登録と、入力中の候補表示で探しやすくします。
ベクトルの圧縮Quantization
データ量が多くても、保存容量とメモリを抑えます。
STEP 4AIにつなぐ・守る
エージェント型検索Agentic retrieval
AIが質問を分け、複数の資料を同時に探します。一部はプレビュー機能です。
文書単位のアクセス制御Document-level access
見てよい人にだけ、検索結果を返します。
サインインと役割の権限Entra ID・RBAC
Microsoft Entra IDの利用者・グループに、役割ごとの権限を与えます。
閉じた通信と暗号化Private Link・CMK
Private Linkで通信を閉じ、自社管理の鍵でも暗号化できます。

ここで挙げたのは主な機能の一部です。全体の一覧はMicrosoft Learnにあります。利用できる機能は、契約する階層(プラン)や地域によって異なります。

他の手段との選び分け:データの場所と作り込みの度合い

社内の情報にもとづいて答える手段は、Azure AI Searchのほかにもあります。選ぶ軸は、探したいデータがどこにあるかと、検索をどこまで作り込みたいかの2つです。次の図は、上の質問から順に当てはめると、合う手段が分かるようにしたものです。

手段の選び分け(当社作図)
Q1探したいのは、Microsoft 365の中の文書やメールが中心ですか?いいえの場合は、次の質問へ
Microsoft 365 Copilot
Microsoft 365の中の文書やメールを、そのまま探して使えます。業務への導入が早い方法です。データがMicrosoft 365の中
Q2まず試したい、または小さな範囲で素早く始めたいですか?いいえの場合は、次の質問へ
Copilot Studioの標準の検索
画面の操作で、SharePointなどの文書を読み込んだ質問窓口を手早くつくれます。試験導入・小さな範囲向き
Q3自社のアプリへの組み込みや、検索の調整・評価、権限の作り込みが必要ですか?いいえの場合は、次の質問へ
Azure AI Search
Microsoft 365の外にあるデータや、自社内(オンプレミス)のデータも含めて、探し方を設計し、公開後も精度を測りながら育てます。作り込み・組み込み向き
Q4検索の仕組み自体を、自社のサーバーに置いて動かす必要がありますか?
Elasticsearchなどの検索製品
自社のサーバーに置く運用や、検索の動きを細かく作り込む要件に向いています。自社サーバー運用向き

特別な制約がなければ、運用の負担が小さいAzure AI Searchから検討するのが基本です。手段の選び方に迷うときは、検索の対象・画面・求める精度・データ量を整理したうえで、Copilot Studioでの簡易な構成と、Azure AI Searchを使った本格的な構成のどちらが合うかをご提案します。

03/注目される背景

書類が棚に積み重なった保管室。探したい情報が見つからない状況のイメージ
写真はイメージです

生成AIの活用が広がるなかで、社内情報を安全に引き出す仕組みへの注目

生成AIを業務で使う企業は増えています。一方で、社内の情報を安全に、正しく使わせる方法が分からないことが、導入を進めるうえでの課題として挙げられています。国の調査は活用の方針づくりや導入の懸念の傾向を示しています。

数字で見る国内の状況(出典は下の表)
49.7%生成AIの活用方針を定めた企業「積極的に活用」または「領域を限定して活用」する方針の企業。前年度は42.7%。
55.2%業務で生成AIを使っている企業日本の企業のうち、何らかの業務で使用中と答えた割合。他の調査対象国より低い水準。
懸念の上位活用方法が分からない/社内情報の漏えい導入の懸念は「効果的な活用方法がわからない」が最多で、次に「社内情報の漏えい等のセキュリティリスク」。
出典:総務省「令和7年版 情報通信白書」第Ⅰ部 第2節 企業における生成AI利用の現状(調査:総務省、2024年度)。数値は同白書の本文による。白書の該当ページ

社内の情報を使うAIは、探し出す資料の正しさと、見せてよい人にだけ見せる権限の管理が欠かせません。この2つを受け持つのがAzure AI Searchです。生成AIを一部の部署の試用から全社の業務へ広げる段階で、検索の仕組みの設計が重要になっています。

04/仕組み

データセンターのサーバーの通路。情報を整理して保管する基盤のイメージ
写真はイメージです

資料を登録して探しやすく整え、質問に合う部分を取り出して回答につなげる流れ

Azure AI Searchの仕組みは、資料の準備、探す、並べ替える、回答につなぐの4つに分けると分かりやすくなります。次の図は社内の資料が登録され、質問に答えるまでの流れを時間の順に示したものです。

資料の登録から回答までの流れ(当社作図)
1
資料を取り込む・区切るSharePointやファイルサーバー、データベースなどの資料を読み込みます。長い文書は意味のまとまりごとに適切な長さへ区切ります。
自動で定期的に更新図やPDFの文字も読み取り自社内のデータも対象
2
探しやすい形に整えて登録する区切った文書に、意味の近さで探すための数値表現(ベクトル)を付け、部署・日付・種類などの情報とあわせて、検索用の目次(インデックス)に登録します。
意味で探す準備絞り込み用の情報
3
質問に合う部分を探す質問の言葉そのもので探す方法と、言葉が違っても意味が近いものを探す方法を同時に使い、結果をひとつにまとめます。
ハイブリッド検索
4
並べ替えて、根拠として渡す見つけた候補を、質問の意図にどれだけ合うかで並べ替え、上位の部分をAIに渡します。AIはそれを根拠に回答をつくり、出典も示せます。
意味にもとづく並べ替え出典つきの回答

自社内(オンプレミス)のデータベースやファイルサーバーも、検索の対象にできます。社内に置く中継の仕組み(オンプレミス データ ゲートウェイ)を通して、Azure Logic Appsから取り込む方法と、自社のプログラムから検索用の目次へ直接送る方法があります。Azureの仮想ネットワーク内にあるデータには、閉じた通信(プライベート接続)で取りに行く方法もあります。取り込み方は、データの種類と社内の環境に合わせて設計します。

質問が複雑な場合には、AIが質問を小さな質問に分けて、複数の資料に対して同時に検索する「エージェント型の検索」も使えます(一部の機能はプレビュー)。会話の流れや、利用者の部署などの条件も踏まえて探せるのが特徴です。仕組みの詳細はMicrosoft Learnに説明があります。

05/検索方式の種類

言葉で探す、意味で探す、組み合わせる、AIが分けて探す、図や画像も探す

Azure AI Searchには、探し方の違うしくみがいくつかあります。資料の種類や求める精度に合わせて組み合わせます。次の6つは、各方式が得意なことと、向く場面を比べたものです。

キーワード検索
言葉で探す入力した言葉と同じ言葉を含む資料を探します。型番・専門用語・日付・人名のような、正確に一致させたいものに強い方式です。
向く場面規程番号や製品型番での検索
ベクトル検索
意味で探す言葉が違っても、意味が近い資料を探します。「休暇のとり方」で「有給の申請手順」を見つけるような探し方です。
向く場面言い回しが人によって違う質問
ハイブリッド検索
組み合わせるキーワード検索とベクトル検索を同時に行い、結果をひとつにまとめます。それぞれの弱いところを補い合うため、RAGの基本の形です。
向く場面迷ったらまずこの方式
セマンティックランカー
並べ替えを賢くする見つかった結果を、質問の意図にどれだけ合うかを理解したうえで並べ替えます。上位に正しい資料が来やすくなります。
向く場面上位の数件だけをAIに渡すとき
エージェント型検索
AIが分けて探す(一部の機能はプレビュー)複雑な質問をAIが小さな質問に分け、複数の検索を同時に行って、結果をひとつにまとめます。一度の検索では答えにくい質問に向く方式です。
向く場面複数の資料にまたがる複雑な質問
マルチモーダル検索
図や画像も探す(一部の機能はプレビュー)文章だけでなく、資料に入っている図・グラフ・スキャンした帳票の内容も検索の対象にします。図の中にしか書かれていない手順にも、質問から行き着けます。
向く場面手順やルールが図で書かれた資料

コストと応答時間は検索方式ごとに変わるため、必要な精度との釣り合いで選びます。方式ごとの設計・組み合わせはRAGの設計・精度改善と合わせてご相談いただけます。

06/活用の論点

導入前に決めておきたい4つの論点

Azure AI Searchは、サービスを立ち上げるだけでは期待した精度になりにくく、使い始める前に決めておくことがあります。次の4つが主な論点です。

論点 1

どのデータを、どう取り込み続けるか

対象にする資料の範囲、更新の頻度、削除された資料の扱い、読み取れなかった資料の再処理を決めます。資料の置き場所が複数に分かれている場合は、横断して探せるように設計します。

論点 2

誰に何を見せるか

元の資料に設定されているアクセス権限を、検索結果にも反映させます。見せてはいけない資料が、AIの回答に混ざらないことが前提です。部署・役職・ラベルによる制御の方法を決めます。

論点 3

精度をどう測り、どう直すか

質問と正解の組(評価用の質問集)を用意し、回答の根拠率や、必要な資料を見つけられた割合で測ります。区切り方・並べ替え・検索方式を変えて、改善を繰り返します。

論点 4

費用と応答時間をどう釣り合わせるか

料金は、契約する階層(プラン)と、データ量を受け持つパーティション・問い合わせを受け持つレプリカの数で決まり、数を増やすほど費用も増えます。並べ替え(セマンティックランカー)、エージェント型の検索、AIによる文字や画像の読み取りは別に課金されます。精度を上げる工夫と費用・応答時間はトレードオフなので、事前の見積りが必要です。

07/当社の支援内容

現状の整理から、運用・内製化までの4つの支援

当社は検索の仕組みを作って終わりにせず、精度を測って育て続けるところまでを支援します。次の図は最初の相談から運用までの4つの段階を示したものです。

支援の流れ(当社作図)
1
診断・要件整理検索したい資料・利用者・画面・求める精度・データ量・既存の検索を整理し、Copilot Studioでの簡易な構成か、Azure AI Searchでの本格的な構成かを判断します。RAG精度向上施策のチェックリストを使った導入アセスメントで、現状を点検するところから始められます。
導入アセスメント方式選定他の検索製品との比較オンプレミスのデータの扱い
2
検索基盤の構築取り込み・検索用の目次・検索方式の設計と、Entra IDによる認証、閉域接続、監視、デプロイの自動化までを一式で構築します。
権限・暗号化の設計DevOpsの標準化
3
精度改善評価用の質問集をつくり、RAGAS等の指標で測りながら、区切り方・ハイブリッド検索・並べ替え・付加情報の活用を調整します。必要に応じて、AIが検索を繰り返すAgentic RAGや、情報どうしの関係を使うGraph RAGも検討します。
精度改善プランニング評価の自動化回答できなかった質問の分析Agentic RAG・Graph RAG
4
運用・内製化資料の更新、精度の再評価、権限の同期、費用と応答時間の監視を続けます。評価方法と運用手順をお客様へ移管し、自走できる体制へつなげます。
継続的な改善(Agent Ops)RAG勉強会ハンズオン共同開発・手順書整備

現場に入って進める伴走はX-Tech FDE、全社の標準づくりはAI Agent CoEと連携します。

08/当社の特長

精度を運用のなかで育て、本番まで担う進め方

ここでは、Azure AI Searchという製品の特長ではなく、当社の支援の特長を示します。次の図は、当社が公開している情報から、実績の目安を4つ示したものです。

2023年からRAGの開発と精度改善を継続しています。
30社以上生成AIのプロジェクトが進行しています(当社公開ページの記載)。
90%以上RAGの正答精度の実績があります(当社公開ページの記載)。
是正措置ゼロMicrosoft Specialization「AI Platform on Microsoft Azure」の更新審査で、全要件に適合しました。

詳しくはRAG支援のページとSpecialization更新のお知らせをご覧ください。これらの実績を支える進め方として、次の6つを大事にしています。

精度を測って改善し続ける
回答の根拠率や、必要な資料を見つけられた割合を、RAGASなどの指標で数値にし、評価を自動で実行します。変更のたびに測り直せるので、改善の繰り返しが速くなります。作って終わりにしない進め方が、使われ続ける検索につながります。
評価の自動化回答できなかった質問の分析
目的に合わせて検索の型を選ぶ
誤った回答を抑えたい、応答を速くしたい、費用を抑えたい。目的が変われば、検索と回答の組み立て方も変わります。基本のハイブリッド検索から、AIが検索を繰り返す「Agentic RAG」、情報どうしの関係を使う「Graph RAG」まで、その目的に合う型を提案します。
ハイブリッド検索Agentic RAGGraph RAG小規模モデルの併用
Microsoftの基盤全体で設計する
Azure AI Searchだけで閉じず、Microsoft Foundry、Microsoft Fabric、Copilot Studio、Entra IDと一体で設計します。SharePointやFabricにあるデータも含めて、検索の対象と権限をそろえます。
SharePointFabricEntra ID
手段に固執しない選定
条件によっては、Copilot Studioの簡易な構成や、Elasticsearchなどが合う場合もあります。自社内(オンプレミス)とクラウドのデータをまたいで探す構成も、Elasticsearchを使う方法を含めて検討します。要件に合わせて、手段を選んでご提案します。
Copilot StudioElasticsearchオンプレミス
企画から運用までを一貫して担う
AI導入の企画・設計から、開発、セキュリティ、ガバナンス、本番運用、導入後の支援までを、一貫した体制で提供します。特定の担当者や1つの案件に頼らず、標準化された進め方で行っています。この点は、第三者審査機関のSpecialization更新の審査で確認されました。
設計セキュリティ・ガバナンス本番運用
信頼性が求められる領域での本番実績
金融・交通・保険・製造など、品質とガバナンスが求められる領域で、本番稼働までを進めてきました。検索の精度だけでなく、運用と権限まで含めて設計します。
金融交通保険製造

09/顧客価値

探す手間の削減、回答の信頼性、説明できるAI活用

Azure AI Searchを活用することで、次のような価値が得られます。次の表は立場ごとに得られることを整理したものです。

経営・DX推進の担当
展開を進める全社への生成AIの展開を、根拠の分かる回答と権限管理の両面から説明でき、社内の合意を得やすくなります。
情報システムの担当
統制して運用する権限・閉域・監視・費用を、Azureの標準の仕組みで管理できます。運用手順も整うため、属人化を避けられます。
現場の担当
探す時間を減らす規程・手順書・設計書などを、言葉が違っても見つけられます。回答に出典が付くため、確認の手間も減ります。

Azure AI Searchを使うメリット

言葉が違っても見つかる
キーワードと意味の両方で探すため、言い回しの違いで見落とすことが減ります。
根拠を示せる
回答のもとになった資料を示せるため、確認や監査の場面でも説明できます。
権限を引き継げる
元の資料のアクセス権限を検索結果へ反映できます(一部の機能はプレビュー)。
長く育てられる
資料の追加や精度の再評価を繰り返せるため、使いながら良くしていけます。

10/ユースケース・適性

机に積まれた書類。資料が増え続けて探しにくくなった業務のイメージ
写真はイメージです

資料を探す業務の中核から、回答を支える業務まで

次のような、資料を探して答える業務に向いています。

社内規程・手順書の問い合わせ
管理部門・情報システム部門規程や手順書に分かれた情報から、質問に合う部分を示して回答します。問い合わせ窓口の負担を減らせます。
設計書・技術文書の横断検索
開発・保守・製造部署やシステムごとに分かれた設計書や報告書を、まとめて探せるようにします。ベテランの知識に頼る場面を減らせます。
窓口・コールセンターの回答支援
顧客対応応対中の質問に合う案内文を、根拠つきで提示します。回答の品質をそろえやすくなります。
長年蓄積した業務データベースの活用
品質・保守・安全過去の事例や記録を、文章で検索できるようにします。似た事例を探す作業が早くなります。

向いている顧客と、しにくい顧客

向いている
本格的な構成が合う資料が複数の場所に分かれている/質問の言い回しがばらつく/権限の管理が必要/公開後に精度を育てていきたい。
しにくい
簡易な構成が合う資料が少なく、試しに使うだけ/権限の管理が不要で、画面の設定だけで足りる。まずCopilot Studioの簡易な構成から始めるほうが合います。

11/想定ROI

社員500名の社内文書検索の場合の月間工数の試算

社員500名の会社が、社内規程・手順書・設計書などの検索と、問い合わせ対応にかけている月間の工数を比べた試算です。検索と回答づくりをAzure AI Searchを使った仕組みが受け持ち、人は確認と判断を行う前提で比べます。

月間の工数の比べ方(試算・当社作図)
社内文書を探す時間
現在
2,500時間
導入後
1,500時間
前提:500名×1日15分×20日。導入後は、探す時間が1日9分になる。
問い合わせ窓口の回答づくり
現在
400時間
導入後
160時間
前提:月1,600件×15分。導入後は、AIが根拠つきで下書きし、人は1件6分で確認する。
回答の根拠・出典の確認
現在
120時間
導入後
30時間
前提:月600件×12分。導入後は、出典が自動で付き、1件3分で確認する。

試算は検索の対象と利用の規模で大きく変わります。実際の効果はまず小さな範囲で現在の工数と精度を測ったうえで見積もります。

12/ガバナンス・安全

サーバー室で状態を確認する2人の技術者。運用・監視のイメージ
写真はイメージです

権限、通信、暗号化、監視、AIの安全性の管理

社内の情報を扱うため、見せてよい人にだけ見せる仕組みと、記録を残す仕組みを最初から設計します。次の表は主な管理の項目を示したものです。

アクセス権限
Entra IDの利用者・グループにもとづいて、操作できる人を制御します。元の資料の権限を検索結果に反映する機能(一部はプレビュー)も使います。
通信の閉域化
Private Linkで、検索サービスへの通信をインターネットに出さずに閉じたネットワーク内にできます。
暗号化と鍵の管理
保存データは標準で暗号化されます。必要に応じて、Key Vaultで管理する自社の鍵を追加できます。
監視と記録
利用状況・応答時間・エラーを記録し、異常を検知します。精度の再評価やコストの確認にも使います。

AIの回答については不適切な内容を防ぐ仕組み(Content Safety)や、人が確認する手順を設計します。AIエージェントとして使う場合は、Agent 365での登録・権限・監査も合わせて検討します。

13/当社について

Azure OpenAIとRAGに取り組んできたMicrosoftのパートナー

ヘッドウォータースは、Azure OpenAI Serviceを使った企業向け生成AIや、RAGの開発・精度改善、AIエージェントの開発に取り組んできました。Advanced RAGやAgentic RAGをサービスとして提供しています。Microsoft AzureのAI Platform Specializationを更新し、Microsoft AI Innovation Partner of the Year 2024を受賞しています。

Microsoft Azure AI Platform Specialization

AI Platform on Microsoft Azure Specialization

AI導入の企画・設計から、開発、セキュリティ、ガバナンス、本番運用、導入後支援までを、第三者の監査で確認された認定です。

詳しく見る →

Microsoft AI Innovation Partner of the Year 2024

Microsoft AI Innovation Partner of the Year 2024

Microsoftのパートナーのなかで、AIの革新に取り組んだ企業として表彰されました。

お知らせを見る →

14/はじめ方

検索の現状の整理と、評価用の質問集づくりからのスタート

最初の一歩 1

現状の資料と検索の棚卸し

探したい資料の場所・量・更新の頻度・権限の掛かり方と、現在の検索の困りごとを整理します。そのうえで、最初に試す範囲を決めます。

最初の一歩 2

評価用の質問集づくり

現場でよく出る質問と、正しい答えの根拠になる資料を組にして用意します。小さな範囲で試し、現在の精度と工数を測ります。

AIエージェントの導入を含めて進める場合は、HWS Agent Campで、現場に入って一緒に進める方法もご用意しています。

15/関連ソリューション・事例

RAGシステム開発

RAGシステム開発・精度改善

社内の資料にもとづいて答える生成AIの開発と、精度改善のコンサルティングを支援します。

RAGを見る →

Microsoft Foundry

Microsoft Foundry

AIエージェントの開発・評価・運用の基盤です。Azure AI Searchと組み合わせた企業向けのAI活用を支援します。

Microsoft Foundryを見る →

Advanced RAG

Advanced RAG

RAGがうまくいかない企業向けに、検索の前後の処理を改善して精度を高めるサービスです。

発表を見る →

Agentic RAG

Agentic RAG

AIエージェントが検索先や再検索の要否を判断し、複数の資料をまたいで探す仕組みです。

発表を見る →

Copilot Studio

Copilot Studio

画面の操作で、質問窓口やエージェントを手早くつくれます。簡易な構成の入口に向いています。

Copilot Studioを見る →

Microsoft Fabric

Microsoft Fabric

検索の前に、AIが使いやすいデータへ整える基盤です。データの整備から支援します。

Microsoft Fabricを見る →

大和証券AIオペレーター

関連事例:音声で応対するAIオペレーター

電話の問い合わせに応対するAIオペレーターの開発を支援した事例です。社内の知識を使って答えるAIを実現しています。

事例を見る →

Copilot for 駅員

関連事例:駅員向けのAIアシスタント

駅員の業務を支える生成AIアシスタントの開発を支援した事例です。

事例を見る →

16/よくあるご質問

Q.Azure AI Search(Azure AIサーチ)とは何ですか。
A.社内の文書やデータを検索できる形に整え、質問に合う部分を素早く見つけ出す、Microsoft Azureのサービスです。生成AIが社内の情報にもとづいて答えるRAG(検索拡張生成)の中心になる部品です。
Q.RAGとは何ですか。
A.AIが回答をつくる前に社内の資料を検索し、見つけた内容を根拠に答えさせる方法です。社内の最新情報や専門用語にもとづいた回答になりやすく、根拠の資料も示せます。
Q.Copilot Studioの標準の検索との違いは何ですか。
A.Copilot Studioは画面の操作で手早く質問窓口をつくれます。Azure AI Searchは検索の方式・並べ替え・権限・評価まで設計できるため、精度や統制が求められる本格的な利用に向きます。
Q.ハイブリッド検索とは何ですか。
A.言葉そのもので探すキーワード検索と、意味の近さで探すベクトル検索を同時に行い、結果をひとつにまとめる方法です。どちらか一方より、見落としが少なくなります。
Q.アクセス権限はどのように守りますか。
A.Entra IDの利用者・グループにもとづいて、検索結果を絞り込みます。元の資料のアクセス権限を引き継ぐ機能もあります(一部の機能はプレビュー)。権限の変更を検索結果に反映させる運用も設計します。
Q.エージェント型の検索とは何ですか。
A.AIが質問を小さな質問に分けて、複数の資料に対して同時に検索する方法です。会話の流れも踏まえて探せます。一部の機能はプレビューで、AIの利用料がかかる点に留意が必要です。
Q.精度が出ない場合はどうしますか。
A.評価用の質問集で現状を測り、区切り方・ハイブリッド検索・並べ替え・付加情報の活用を調整します。回答できなかった質問を分析し、改善を繰り返します。
Q.料金はどのように決まりますか。
A.契約する階層(Basic、Standardなど)と、検索ユニット(パーティションとレプリカの組み合わせ)の数に応じた時間単位の料金が基本です。使った分だけ課金される従量型(プレビュー)もあります。並べ替えやエージェント型の検索などは別に課金されます。最新の料金はMicrosoftの料金ページで確認できます。
Q.どこから始めればよいですか。
A.探したい資料と、現在の検索の困りごとを整理するところから始めます。そのうえで、簡易な構成と本格的な構成のどちらが合うかを判断します。

Azure AI Searchの活用についてのご相談

検索したい資料の整理から、方式の選定、権限の設計、精度改善、運用まで、貴社の状況に合わせてご提案します。

お問い合わせ