AI ハルシネーション
定義
AI ハルシネーションとは、言語モデルが流暢で自信ありげでありながら、事実として誤っている、あるいは作り話である応答を生成してしまう現象です。存在しない詳細、ポリシー、出典を作り出します。
仕組み
言語モデルは、事実を調べるのではなく、もっともらしい続きを予測して文章を生成します。正しい情報を持っていないときでも、自信ありげに聞こえる、しかし単なる作り話の回答を出すことがあります。モデルにとって、もっともらしく聞こえることと、正しいことは別物だからです。
サポートでのハルシネーションは、でっち上げの返金期限、存在しない機能、公式ポリシーのように語られる架空のトラブルシューティング手順、といった形で現れます。
サポートで重要な理由
ハルシネーションは、生成 AI を顧客に向けて使うときの中心的なリスクです。誤った回答は信頼を損ない、場合によっては責任問題にもなります。主な防御は、モデルを自社の実際のコンテンツで根拠づけることと、言ってよい内容を制限することです。
- 検索拡張生成(RAG):実際のナレッジベースに回答を根拠づける
- ガードレール:エージェントが主張できる内容と実行できる操作を制限する
- 確信が持てないときは、確実に人へ引き継ぐ
よくある質問
AI モデルはなぜハルシネーションを起こすのですか?
検証済みの事実を取り出すのではなく、統計的にもっともらしい文章を生成しているからです。正しい情報がないとき、その空白を自信ありげな作り話で埋めてしまうことがあります。
カスタマーサポートで AI のハルシネーションを防ぐには?
RAG で実際のナレッジソースに回答を根拠づけ、AI が言える内容を制限するガードレールを設け、ドキュメントを正確かつ最新に保ち、確信度が低いときは人に引き継ぐことです。
関連用語
検索拡張生成(RAG)
検索拡張生成(RAG)とは、AI モデルが問い合わせの時点で自社のナレッジソースから関連情報を取得し、それに基づいて回答を組み立てる手法です。学習時に記憶した内容だけに頼らずに済みます。.
グラウンディング(根拠づけ)
グラウンディングとは、AI モデルの回答を、自社のドキュメント、ライブデータ、ナレッジベースといった検証済みの情報源に結びつけ、モデルの推測ではなく実際の事実を反映させる取り組みです。.
AI ガードレール
AI ガードレールとは、AI システムの挙動を安全に、話題の範囲内に、ポリシーの枠内に保つために設けるルール、チェック、制約のことです。何を言えるか、何ができるか、何にアクセスできるかを制御します。.
信頼度スコア
信頼度スコアとは、AI システムが自分の予測や回答に対して付ける、正しい可能性の見積もりです。AI が自動で行動してよいか、確認を求めるべきか、人に引き継ぐべきかを判断するために使います。.
大規模言語モデル(LLM)
大規模言語モデル(LLM)とは、膨大なテキストで学習し、言語を予測・生成するニューラルネットワークです。質問の理解、要約、分類、人間らしい文章の作成といった処理を可能にします。.
アイデアを実装に
Macha は既に運用中のヘルプデスク (Zendesk、Freshdesk、Front、Intercom、Gorgias) の上に載る AI エージェント層です。
トライアルを開始