AI-103：Developing AI Apps and Agents on Azure 情報抽出ソリューションの実装 問1
情報抽出ソリューションの実装／取得/グラウンディングパイプラインの構築社内ナレッジを Azure AI Search に登録し、RAG のグラウンディングに使います。「XJ-4821B の交換手順」のように型番を含む問い合わせと、「機器の発熱が続くときの対処」のような言い回しの違いを吸収したい問い合わせが混在しています。検索構成として適切なものはどれですか。
当サイトのオリジナル問題（AI-103：Developing AI Apps and Agents on Azureの出題範囲「情報抽出ソリューションの実装」に対応。実際の試験問題ではありません）
- Aベクター検索のみを使い、すべての問い合わせを埋め込みの類似度で処理する
- B全文（キーワード）検索とベクター検索を併用したハイブリッド検索を行い、セマンティックランカーで結果を再ランクする
- C全文検索のみを使い、スコアリングプロファイルで型番を含む文書の順位を上げる
- Dファセットとフィルターのみを使い、型番や分類の値で文書を絞り込む
正解：B
解説
型番のような完全一致が重要な語はキーワード検索が得意で、言い換えを含む自然文はベクター検索が得意です。両者を併用するハイブリッド検索の結果を、セマンティックランカーで再ランクすると、グラウンディングに使う上位の文書の質を高められます。どちらか一方だけでは、もう一方の種類の問い合わせの取りこぼしが生じます。
選択肢ごとの解説
- A誤り。ベクター検索のみでは、型番のような完全一致を重視する問い合わせで関連文書を取りこぼしやすくなります。
- B正しい。キーワードとベクターを併用し、再ランクで上位の精度を高める構成が、両方の問い合わせに対応できます。
- C誤り。全文検索のみでは、言い回しが異なる自然文の問い合わせで意味的に近い文書を拾えません。スコアリングプロファイルは順位調整であり意味理解ではありません。
- D誤り。ファセットとフィルターは絞り込みの機能で、自然文の問い合わせに対する関連度の検索そのものは行えません。