日企引入 RAG 前必须确认的 5 件事

"想让 AI 读社内文档，回答问题。"

这类咨询非常多，但在做需求定义之前，有 5 件事必须先确认。跳过这一步，PoC 几乎必然落空。

1. 目标文档是"整理过的"吗

RAG 不是魔法。原始文档如果是下面这些情况，答案也会跟着乱：

• 同一内容的旧版和新版混在一起
• 扫描版 PDF，没有文字层
• 表格和图示多，文本化后语义丢失

先决定"以哪批文档为准"，这件事排在 AI 之前。

2. 是否中日文混排

在华日企的文档，日文、中文、英文混在一起是常态。

如果用纯日语 Embedding 模型，中文部分的检索精度会明显下降。选多语言模型——这是技术选型初期就要定下来的点。

3. "谁可以看"是否已经定义

全社共通的手册，和部门限定的技术资料，权限不同。

RAG 会横跨检索范围，因此权限设计后置必然崩盘。第一步就要做数据分级表。

4. 有没有标准答案集

要衡量 PoC 成败，需要一套"这个问题应该返回这个答案"的预设问题集。

建议 30 道。请现场担当配合，收集高频问题。没有这个，就无法用数字证明效果。

5. 效果能否用于"叫停决策"

PoC 的价值不只是确认成功。

及早判定没有效果的场景，同样有价值。

因此在启动时就要划一条线："低于这个标准就不展开。"

小结

这 5 点可以在 1～2 周的免费诊断里梳理完。上 AI 之前，先把这些清掉。