マルチコンテンツ応答 (MCR) パイプラインを使用した AI 検索 Genius 結果での Now Assist 活用のベストプラクティスIssue <!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } サービスポータルでユーザーが入力した特定の検索用語が AI 検索 (Now Assist for AI Search) をトリガーしますが、大規模言語モデル (LLM) から期待される合成回答が返されません。サービスポータルで LLM が生成した Genius 結果に、誤った情報の表示、間違ったナレッジ記事の参照、適切なソースドキュメントからのコンテンツ抽出の失敗が発生する場合があります。 Symptoms<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } Genius 結果には、想定されるナレッジ記事の代わりにカタログアイテムが表示される。頭字語 (「SAP PR1」、「AD」、「MS Visio」など) を使用した検索クエリは、無関係または一般的な Genius 結果を返します。LLM が、正しい記事が存在する場合でも、間違ったナレッジ記事から回答を抽出する。短い検索クエリや曖昧な検索クエリ (「Visio が必要です」など) では、ナレッジベースに存在するステップバイステップの手順が生成されないが、長い検索クエリ (「ラップトップに Visio をインストールする必要があります」など) では手順が返される。想定されるナレッジ記事は検索結果に表示されますが、回答抽出に選択できるほど上位にランクされていません。LLM の非決定論的な動作により、同じ検索用語でも繰り返し検索するとわずかに異なる出力が生成される場合がある。 Facts<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } 環境 Now Assist for AI Search (マルチコンテンツ応答 (MCR) パイプライン使用)回答抽出用のセマンティックインデックスを使用して AI 検索でインデックス付けされたナレッジ記事とカタログアイテム AI 検索の仕組み AI 検索は検索クエリからストップワードを削除します (例:「I」、「the」、「on」、「a」)同義語はセマンティック検索の拡張に適用されます。結果はAI 検索の関連性ランキングに基づいてランク付けされ、タイトル/簡易説明フィールドが最も重要になります。LLM は、AI 検索によって返されたドキュメントの上位ランクの抜粋から回答を抽出します。MCR (マルチコンテンツ応答) はキャッシュを使用しないため、同じクエリでも Genius 結果でわずかに異なる出力が得られる可能性があります。 Release<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } すべて Cause<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } AI 検索の検索結果が悪い場合は、通常、次の 1 つ以上の原因が考えられます。 1.未展開の頭字語 ユーザーは、ナレッジ記事に存在しない頭字語 (「PR1」、「AD」、「MS Visio」など) を使用して頻繁に検索します。これらの頭字語を完全な用語に拡張するための同義語辞書エントリがないと、検索は関連するコンテンツに一致しません。 2.ナレッジ記事にキーワードがありません ユーザーが使用する検索用語がナレッジ記事に (特にタイトルや説明に) 表示されない場合、その記事は回答抽出対象として選択されるほど上位にランクされません。 3.結果改善ルールが構成されていません 特定の検索用語で特定のドキュメントを昇格するための適切な結果改善ルールがないと、一般的なコンテンツや関連性の低いコンテンツが意図した記事よりも上位にランクされる可能性があります。 4.不適切な同義語構成 同義語が広すぎる場合 (たとえば、「ラップトップ」、「PC」、「Mac」をグループ化するなど) は、無関係な記事を表面化させ、検索結果の関連性を薄める可能性があります。 5.LLM の非決定論的動作 大規模言語モデルは本質的に非決定論的であるため、同一の検索クエリでもわずかに異なる合成回答が生成される可能性があります。これは想定される動作であり、完全に排除することはできません。 Resolution<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } 検索結果を分析および改善するには、推奨される順序で次の手順を実行します (AI 検索チューニング: AI 検索アナリティクスを実用的にする)。 ステップ 1: 分析ツールを使用して検索行動を分析する ユーザーエクスペリエンスアナリティクス: [ユーザーエクスペリエンスアナリティクス] に移動ターゲットポータル/検索アプリケーションを選択AI 検索アナリティクスダッシュボード を開くと、次の情報が表示されます。 検索された上位クエリ結果が得られなかったクエリクリックのないクエリトップクリック結果など Now Assist アドミンコンソール:ユーザー検索アナライザー: [Now Assist アドミンコンソール] > [パフォーマンス] に移動します。ユーザー検索アナライザーを選択レビュー: Genius 結果を含むクエリ、エンゲージメントメトリクス、フィードバック (高評価/低評価)、応答時間など クラスタリングソリューション (オプション): [クラスタリング] > ソリューション定義に移動[sys_search_event] テーブル、[sys_search_signal_event] テーブル、または [sys_search_signal_result_event] テーブルに新しいクラスタリングソリューションを作成します。入力フィールドを「search_query」に設定するか、テーブル [sys_search_event] でドットウォークします。ソリューションを実行して検索用語のパターンを可視化し、一般的なクエリを特定します ステップ 2:同義語ディクショナリを作成または更新する 同義語を使用するタイミング: 頭字語の完全な用語への拡張 (例:「AD」=「Active Directory」) 同義語のベストプラクティス: 階層的な用語ではなく、類似の単語を使用します無関係な結果を返す可能性があるため、過度に広範なグループ化は避けてくださいユースケース固有の要件を考慮する (Mac ユーザーは PC 記事を望まない場合があります)AI 検索同義語に関するコミュニティ記事を参照してください 構成手順: AI 検索プロファイルに移動同義語ディクショナリを開く同義語エントリを追加します (例:「AD、Active Directory」)同義語ディクショナリと検索プロファイルの公開 ステップ 3:結果改善ルールを構成する 結果改善ルールを使用する場合: 同義語だけでは問題を解決しない場合特定の検索用語に対して特定のドキュメントを昇格させるには重要なナレッジ記事が Genius 結果に表示されるようにするため 構成手順: [AI 検索プロファイル] > [結果改善ルール] に移動します。新しい結果改善ルールの作成トリガー条件を定義します (例:「クエリに「Visio」が含まれる OR クエリに「install」が含まれる OR クエリに「software」が含まれる」)アクションタイプを選択:ドキュメントを昇格宣伝するターゲットのナレッジ記事を検索して追加[ドキュメントを昇格] ボタンを使用して、同じルール内の複数のドキュメントを昇格させることができます検索プロファイルの公開 重要: 検索用語のバリエーションを取得するには、OR 条件を使用します。特定のキーワード (アプリケーション名など) を追加して、特定のユーザークエリに対してルールがトリガーされるようにします。 ステップ 4:ナレッジ記事コンテンツの変更 (必要な場合) ナレッジ記事を変更するタイミング: 同義語と結果改善ルールが試された後の最後の手段として関連性のために検索用語を記事に明示的に存在させる必要がある場合 推奨される変更: 特定のキーワードまたは頭字語を記事のタイトルに追加します (最大の重み付け)。または、簡易説明/記事本文に用語を含めます。検索用語で使用されている文脈フレーズを記事本文に追加します (例:「ソフトウェアが必要な場合は、ご確認ください…」) 手順： ナレッジ記事の編集します。関連するキーワードを適切なフィールドに追加します。公開のために送信して承認します。増分インデックス作成が完了するまで約 30 秒待ちます。 ステップ 5 (オプション): インデックス作成の確認 変更を行った後、更新がインデックス化されていることを確認します。 変更されたナレッジ記事の sys_id をコピーします。sysevent テーブルに移動します。フィルター基準: instance = [記事の sys_id]フィルター基準: queue = "ais_index"最新のイベントで state =「Processed」と表示されることを確認します。 注: AIS インデックスイベントプロセッサーのスケジュール済みジョブは、増分インデックス作成イベントを処理するために 30 秒ごとに実行されます。 ステップ 6:テストと反復 マルチコンテンツ応答 (MCR) を使用したサービスポータル環境での検索クエリのテストサービスポータルで、Genius 結果に想定されるコンテンツが表示され、正しいナレッジ記事が提供されていることを確認しますそれでも結果が不十分な場合は、ステップ 2～5 を繰り返します。検索クエリの複数のバリエーションでテストする