LLMオンボーディングボットで新入社員の立ち上がり加速を目指す

Large Language Modelの略。数千億〜数兆のパラメータを持ち、膨大なテキストデータで学習した深層学習モデル。自然言語の理解・生成・翻訳・要約・コード生成など幅広いタスクをこなせる。GPT-4・Claude・Geminiなどが代表的なLLM。エンジニア向けでは、コードの自動補完や仕様書からのコード生成に活用される。実務では、製造業の現場設備マニュアルRAGシステム・医療問診票の自動解析・金融市場レポートの自動生成・小売ECチャットボット・採用スクリーニングなど、あらゆる業種の非定型業務に本番導入が広がっている。

Retrieval-Augmented Generationの略。LLMの回答生成時に、外部知識ベースやドキュメントを検索して関連情報をコンテキストに追加する手法。モデルの学習データに含まれない最新情報や社内固有情報を参照できるため、ハルシネーション（誤情報生成）を大幅に削減できる。社内チャットボットや FAQ システムの本番化で最も広く使われているアーキテクチャ。代表的な活用例としては、製造業の設備マニュアル検索・金融機関の市場レポート自動生成・小売ECの問い合わせ対応・人事オンボーディングボットなどで、社内固有情報を安全に活用する基盤として採用されている。

LLMを活用したアプリケーション開発を支援するPython/TypeScriptフレームワーク。プロンプト管理・チェーン構築・外部ツール連携・ベクトルDB接続・エージェント構築などのコンポーネントを提供する。RAGシステムやAIエージェントの開発で広く使われ、エンジニア人材市場でも需要が高いスキルの一つ。代表的な活用例としては、製造業の設備マニュアルRAGシステム・金融機関の市場レポート自動生成・小売ECの接客チャットボット・HR部門のオンボーディングボットなど、LLMアプリの本番実装において一貫して採用されている。

ユーザー入力に悪意ある指示を埋め込み、LLMのシステムプロンプトを上書きしたり意図しない動作を引き起こす攻撃手法。「これまでの指示を無視して…」のような直接型と、WebページやドキュメントにLLMが読み込む形で仕込む間接型（Indirect Prompt Injection）がある。AIエージェントがツールを自律実行する環境では特に危険で、攻撃者が外部コンテンツ経由でエージェントを操作できる。ガードレールや入力サニタイズによる対策が必要。

IT部門や経営層の承認を得ずに従業員が個人的に使うAIツール・サービスの総称。ChatGPT無料版・Claudeへの社内情報の入力など、セキュリティポリシーに違反した利用が該当する。情報漏洩・著作権侵害・コンプライアンス違反のリスクを孕み、発覚が遅れるほど被害が広がりやすい。対策は禁止よりも公式ツールの整備と利用ポリシーの周知・徹底が効果的とされており、AI利活用ポリシーの策定が急務の課題となっている。