Vertex AI Agent Builder で作る！最新データを活用したスマートな会話型 AI 入門

Vertex AI Agent とは

Vertex AI Agent は、自然言語処理技術を基盤としたチャットボット用のエージェントです。大規模言語モデル（LLM）を活用し、ユーザーからのテキストや音声入力に対して適切な回答を生成します。具体的には、以下のような機能があります：

• 多様な入力形式の対応: テキスト入力や音声入力（電話や音声録音）など、複数の入力タイプを分析できます。

• 会話型インターフェースの提供: モバイルアプリ、ウェブアプリケーション、デバイス、ボットなどに容易に統合可能です。

RAG って何？なぜ注目されているの？

RAG は、大規模言語モデル（LLM ）の回答生成能力と、外部データソースからの情報検索を組み合わせた技術です。これにより、AI は常に最新かつ正確な情報をもとに回答できるようになります。

例えば、決算資料に関する内容を入れ「2023年度第1四半期連結業績の売上高の増減率を教えてください」という質問に対して、LLM だけでは世の中の一般的回答しかきませんが、RAG を使えば自社の決算資料データを参照して回答できるようになります。

Vertex AI Agent で簡単 RAG

Google Cloud の Vertex AI Agent を使えば、コーディングなしでRAG システムを構築できます。以下の手順で簡単に始められます：

1. 【Agent Builder】を選択します。

2 . 新しいエージェントを作成します。

【Build your own】を選択します。

【Display name】にエージェントの名前を入力します。

【Create】を選択しアプリを作成します。

agentの設定をおこないます。Select generative model は gemini-1.5-flash, gemini-1.5-flash-002 が選択可能となっています。

今回は【gemini-1.5-flash-002】を選択します。

3 . データソースを接続します（例：BigQuery、Cloud Storage）

事前に学習させたいデータ(pdf)を Cloud Storage へ入れ、準備していたものを選択し学習させます。今回は農林水産省統計とソフトバンクの決算資料のPDFファイルを入れ検証をおこないます。

4 . あらかじめ質問と解答を用意していたものから質問をおこないます。

例     model：gemini-1.5-flash-002  の場合

質問をおこなった結果、

正確な解答率：94.74%

と、大変高い成績を出す結果となりました。

実際に試してみた結果

私たちが実際に Vertex AI Agent を使って RAG システムを構築したところ、以下のような結果が得られました：

• 回答精度: 約90%の精度で関連情報を抽出できました。

• 応答速度: 平均応答時間は約2-3秒で、ユーザーストレスの少ない対話が可能でした。

• データソース対応: 社内文書や Web サイト、データベースなど、多様なソースから情報を取得できました。

• 精度をあげるためにツールディスクリプションを補完することによってツールが正しく実行されるようになりました。

まとめ

Vertex AI Agent と RAG を組み合わせることで、常にデータソースに基づいた、高い精度で情報を提供する会話型AI を簡単に構築できます。

ただし、さまざまなソースをもとに検証を行っていく中、回答に乖離が出たり安定しない場合もありますが、一般リリースの際は、より安定でかつ高品質なサービスになることを期待しています。ビジネスのニーズに合わせてカスタマイズし、サポートする AI エージェントを作ってみてはいかがでしょうか？

皆さんもぜひ、Vertex AI Agent を使って RAG を試してみてください！！

ソフトバンクアドベントカレンダー2024、23日目の記事もおたのしみに！

Vertex AI DIYプランについて

Vertex AI Search を使って社内文書を検索する生成 AI を構築してみませんか？
ソフトバンクのエンジニアが構築をサポートします。

Vertex AI DIY プランでは、以下の3つのことを体験できます。
詳細は、関連サービスにある「Vertex AI DIYプラン」をご確認ください。

関連サービス