2026.08.04

塩野義製薬「モジュラーRAG」で正答率50→90% ―― エージェント型検索の堀は誰のものか

TL;DR

塩野義製薬が「モジュラーRAG」で社内検索AIの正答率を50%→90%に改善。ただし堀は汎用RAG技術ではなく現場データを構造化する統合労力にあり、プラットフォーム吸収リスクは残る。
arXivにSSMの隠れ状態注入でRAGのプリフィルをO(1)化し、エッジ環境でプリフィルを最大4500倍高速化する論文が登場。
OpenAIがApple提訴に対しブログでメッセージ履歴を公開して反論。Appleが警戒するのはOpenAIのハードウェア戦略そのものと読める。

本命:塩野義製薬、モジュラーRAGで検索AIの正答率を50%→90%に

塩野義製薬は、製薬開発の実験計画や法規制に準拠した仕様書を検索するAIシステムを技術パートナーのクラスメソッドと共同で構築し、質問への回答の正答率を50%から90%に高めたと、同社の西村亮平氏らがAWS Summit Japan 2026の講演資料で明らかにした(一次資料、解説記事)。単純な類似度検索によるRAGでは正答率が50%程度にとどまっていたため、クラスメソッドは「モジュラーRAG」という仕組みを導入した。文書横断検索の「OpenSearchツール」、特定ファイルを深く読む「ファイル精読ツール」、長期間運用されてきたExcel管理台帳を処理する「Excelツール」をAIエージェントに道具として持たせ、質問分析→検索計画→検索実行→回答生成の4ステップを自律的に実行させる。情報が不十分と判断すればキーワードを変えたりツールを切り替えたりして再検索するループも組み込まれている。

技術的読み

精度向上の主因はモデル自体の強さではなく、文書を種別・用途別に事前分類する設計、質問意図の分類と文脈保持、ツール選択と再検索ループ、現場のExcel台帳という構造化データをそのままエージェントに読ませた点にある。「賢いLLM」ではなく「検索できる構造」を作ったことが50→90%の内訳だ。留保すべきは、この数字が講演で示された単一導入事例の数値であり、質問数や評価基準など第三者が再現性を判断できる情報は公開資料にない点だ。導入当事者が報告した数値として慎重に受け取る必要がある。また、事前に文書分類や用語辞書を整備できる環境が前提であり、そうした整備がない組織にそのまま移植できるかは未知数である。

ビジネス的読み

「複数ツールをエージェントに持たせ自律的に検索計画を立てさせる」設計パターン自体は、AWS BedrockやOpenAIのツール呼び出しAPIが標準機能として吸収していく方向の技術だ。クラスメソッドの差別化要素は汎用アルゴリズムではなく、塩野義製薬の現場に入り込んで文書分類・社内用語辞書・業務フローの知識ベースを作り込んだヒアリング込みの統合労力にある。堀はモデル上流(塩野義固有の機密データと業務知識)にあり、モジュラーRAGという設計パターン自体は他社のSIでも再現可能だ。用語辞書や台帳整理は業種・企業ごとに作り直しが必要で、パッケージ化してテンプレ再販するにはコストが重く、スケールする「プロダクト」にはしにくい。一方、製薬のような高規制・高機密業界は汎用SaaS型RAGが入りにくい隙間であり、対象市場は規制業界向けの専門的な導入支援になる。

含意とポジション

単純な類似度検索が頭打ちなら、モデル交換よりもツール分割、再検索、専門用語辞書に投資する優先度が上がる。逆に、検索アルゴリズムそのものを差別化要素として売る戦略は、プラットフォームの標準機能に飲み込まれるリスクが高く、捨てるべき仮説だ。垂直特化のAIプロダクトを考えるなら、「モデルやRAGの賢さ」ではなく「顧客の機密データ構造を読み解き社内語彙・台帳を辞書化する統合労力」こそが売り物になる、という仮説の確度が上がったと言える。シグナル強度は中、90%という数値の再現性に対する確信度は中低。設計変更の内容は具体的だが、評価条件と質問数が公開されていないためだ。

その他の重要トピック

PRECOG:SSMの隠れ状態注入でRAGのプリフィルをO(1)に、エッジで4500倍高速化。 arXivの論文は、State-Space Model(SSM)系LLMにおいて、検索文書をそのままコンテキストに詰め込む代わりに、文書コーパスをオフラインでSSMの隠れ状態として事前エンコードし、クエリ時に最も一致する状態を直接注入する手法「PRECOG」を提案する(出典)。Transformerのプリフィルコストがコンテキスト長に比例するのに対し、SSMの隠れ状態は固定サイズかつ位置に依存しないため、プリフィルをO(1)に圧縮できるという。1.2Bパラメータのgated-SSMモデル「TENNs-LLM」(隠れ状態192KB)で実験し、通常のin-context RAGと同等の回答品質を保ちながらプリフィル遅延を約27秒から6ミリ秒未満に短縮した(約4500倍)。この仕組みはTransformerのKVキャッシュでは原理的に不可能な点が技術的に重要で、ビジネス的には「エッジ上での長文書検索」が使い物にならない状態から対話可能な状態へ変わる閾値越えを意味する。ただし1.2Bという小規模モデルでの実証であり、実運用時の事前エンコードコストは論文の要旨だけでは分からない。含意:エッジ/オフライン用途を検討しているならSSM系の動向を追う価値があるが、クラウド前提でコンテキスト長が問題になっていないなら今すぐの意思決定材料にはならない。

Reddit、ブランド関与が疑われるAI検索対策の「ステルス投稿」に反撃。 The Vergeは、企業が一般ユーザーを装って自社製品を称賛する投稿をRedditへ持ち込む動きが広がっていると報じた。あるスキンケア系サブレディット(週間訪問者100万人超)では、特定ブランドを繰り返し称賛する単一アカウントを一般利用者が指摘し、モデレーターが削除した。アカウントとHoneydew Labsとの関係は確認されていない。モデレーターはその後、同社に言及する投稿を自動的に審査対象へ送る措置を取った(出典)。記事は、Google検索でRedditページが目立つようになったことに加え、AI検索・チャットボットの回答でもRedditが引用されやすいことが、この種の投稿を経済的に割に合う行為にしていると指摘する。技術的には、AIモデル側の脆弱性というよりRedditの利用者とモデレーターという人間の検知網が最後の防衛線になっている状態を示す。ビジネス的には「AI検索に引用されるための投稿」という新市場が立ち上がっている証拠で、Redditにとっては「人間の生の声」という価値の希薄化リスクになる。含意:Reddit上の「やらせ」投稿に頼る集客手法は検知網によって短命化・逆効果化するリスクが高く、小規模事業の創業者が採るべき手法ではない。AI検索に引用される一次情報(ドキュメント・ベンチマーク・実データ)を自前で持つことの方が中長期の防御線になる。

OpenAI、Apple提訴に対しブログでメッセージ履歴を公開し反論。 OpenAIは、Appleが元社員2人(Chang Liu氏、Tang Tan氏)による営業秘密の持ち出しを主張して起こした訴訟に対し、「Apple is getting this wrong」と題したブログでiMessageやメールの履歴を公開して反論した(出典)。Reutersによれば、Appleは月曜、Liu氏・Tan氏およびOpenAIによる機密情報の利用等を禁じる仮差止命令を求めている。OpenAIは、Appleの仮差止命令の申し立ては「誤った情報に基づき、全く不要だ」とし、Appleの営業秘密は保有しておらず、求めてもいないと反論した。Tan氏は25年Appleに在籍しiPhone/Apple Watchのデザインを統括した人物で、現在はOpenAIのチーフハードウェア責任者だ。ブログでの公開反論は訴訟の実体的な勝敗よりも人材市場・世論における印象操作の色が濃い。含意:この訴訟自体の勝敗よりも、AppleがOpenAIを「ソフトのAI企業」でなく「ハードウェアの参入者」として警戒し始めた事実が観察材料になる。AI搭載デバイスやウェアラブルを企画しているなら、両社が本格的に隣接領域へ入ってくる前提でポジショニングを組むべきだ。

医療分野のAI予算、平均67%をITインフラが占める(Wasabi発表)。 Wasabi Technologiesが公表した調査結果によると、独立系調査会社Vanson Bourneが12カ国で調査した1,700人のうち、医療分野の回答者171人では、AI予算の平均67%をストレージやサーバなどのITインフラが占め、残り33%がSaaSを含むソフトウェアだった。導入課題として最も多く挙がったのはストレージコストやデータアクセスで(48%)、2025年に実際にクラウドストレージ予算を超過したと回答した組織は62%に上る。ストレージ請求額の内訳は容量課金が平均50%、API操作やデータ転送などが49%だという(出典)。この調査はストレージベンダーが委託したもので、「ストレージコストが最大の課題」という結論には自社ビジネスに有利な設問設計・サンプル選定の可能性があり、慎重に解釈する必要がある。含意:AI活用の投資判断をトークン単価やモデル料金だけで見積もると過小評価になりやすく、ストレージ・データアクセス・転送料を含めた実コストで再計算する価値がある。

今週試すなら/無視していい hype

試すなら、検索・RAG精度に伸び悩みがある場合、モデルを賢くする方向ではなく塩野義の事例のようにツール分割・自律的な再検索ループ・専門用語辞書の整備という設計転換を検討する価値がある。無視していいのは、Reddit上の「やらせ」レビューをAI検索対策として使う戦略で、検知網とコストに対して短命であり防御可能な資産にならない。見送るべきは、PRECOGのSSM状態注入をクラウド前提のRAGに今すぐ移行する判断で、1.2Bモデル・エッジ用途の実証段階に留まる。