| 開催日 | 2026年11月20日(金) |
|---|---|
| 開催地 | Web |
★生成AI活用に留まらずAIエージェントにおいても重要に！
「社内情報をAIで活かしたい」を実現するRAGの構築・精度改善のポイントを解説！
★各社のセキュリティ事情も考慮し、ローカルLLMの環境構築方法・汎用のクラウド生成AIでも利用できるような構成例についても取り上げます。
AIエージェント時代に見つめ直す：RAG・LLM の環境構築・実践活用方法
～基礎および精度改善手法・社内DXの進め方まで～
＜講師＞
NTTテクノクロス株式会社
フューチャーネットワーク事業部 アシスタントマネージャー 山口 佳輝 氏
＜日時＞
2026年11月20日(金) 13:00-17:00
＜形態＞
Zoomオンラインセミナー：見逃し視聴あり
＜受講料＞
【オンライン受講（見逃し視聴なし）】
：1名 46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円
【オンライン受講（見逃し視聴あり）】
：1名 51,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき40,700円
※受講料やセミナー申し込み～開催までの流れなど、詳細については、弊社HPのセミナーページを必ずご確認ください。
＜セミナーポイント＞
生成AIの活用が急速に広がる中、近年はAIエージェントが大きな注目を集めています。その一方で、生成AI、特にLLM(大規模言語モデル)の活用が広がり始めた頃から重要な技術として注目されてきた「RAG」は、AIエージェントほど目立つキーワードではなくなりつつあります。
しかし、社内外の知識や情報を取得してLLMの処理に活用するRAGは、これまでの代表的なユースケースであったチャットボットだけでなく、AIエージェントにおいても重要な役割を担う技術です。
そこで本セミナーでは、AIエージェント時代である今だからこそRAGを見つめ直します。
LLMとRAGの基礎からチャットボットとAIエージェントの違い、RAGの構築方法および精度改善のポイントを説明します。また、各社のセキュリティ事情も考慮し、ローカルLLMの環境構築方法もお伝えします。汎用のクラウド生成AIでも利用できるように構成例についても取り上げます。
さらに、そこからLLMとRAGを活用した社内DXの進め方までご紹介します。
○受講対象：
・社内・或いは部署内の情報を、生成AIを用いて有効活用したいとお考えの方
・社内情報検索システムの構築を検討している方
・LLMやRAG、AIエージェントを用いた社内DX推進を検討中の方
・LLMやRAGを運用している、あるいは携わっているが、今後の改善方針に悩んでいる方
など
○受講後、習得できること：
・LLM 及び RAGに関する基礎知識
・RAGの種類や構成、精度改善手法の基礎知識
・LLM + RAGを用いた社内DXの進め方
＜講演プログラム＞
1. はじめに
2. LLMとRAGの基礎
1) LLM
a) LLMとは / LLMのできる事 / 得意分野
b) LLMのユースケース: チャットボットとAIエージェント
- それぞれの仕組み / ユースケース例
- メリット / デメリットと注意点
c) ローカルLLM と クラウドLLM
- 違い, メリット / デメリット，各モデルの例
- それぞれの利用に必要なコンポーネント
- ローカルLLMを使う際に意識すべきこと（パラメータサイズ等）
2) RAG
a) RAGとは / RAGの仕組み概要
b) RAGの重要性
c) RAGの種類とユースケース
d) チャットボット用RAGとAIエージェント用RAG
3. 実践活用に向けて
a) LLM×RAGの最新事情
b) やりたい事とLLM×RAGの選択肢
c) LLMとRAGの構成について
- クラウドとローカル
- 実現ツール
- クラウドとローカル構成案
d) LLM×RAGのベストプラクティス
4. LLM×RAGの精度改善手法と精度評価
a) LLM×RAGの精度改善手法
- 全体概要
・精度改善の観点について
- 質問文や運用の改善
・プロンプトエンジニアリング
・プロンプトテンプレート
・ノウハウの共有 / 運用の改善
- パラメータ改善
・チャンクサイズやオーバーラップの変更
・LLMへの推論パラメータの変更
- ドキュメント改善
・markdownやHTML化とその際の注意点
- 仕組みの改善
・Agentic RAG化
・ワークフローと主流な改善方法
- [参考] モデルの改善
・モデルのファインチューニング
b) 精度評価
- 精度評価方法と進め方
5. ローカルLLMとRAGの構築手順
a) ローカルLLMとRAGの構築方法と動作例（例）
- ローカルLLMの構築
- RAGの構築
- ローカルLLMとRAGの連携
- 動作例
6. LLMとRAGを用いた社内DXの進め方
a) チャットボット / AIエージェントの進め方全体概要
- 進め方の概要と考え方
b) 各フェーズの進め方 / 意識すべきこと
- 各フェーズ（仕様検討 / 実装 / 評価 / 改善）で実施すべきこと
- AIエージェントならではの気を付けるべきポイント
7. おわりに
＜質疑応答＞
