CHAPTER 03 / REVIEW
データ・RAG・ナレッジを設計する
データ・RAG・ナレッジの境界と品質を判断できるか確認します。 6日分の知識を、用語暗記ではなく実務判断へ使えるか確認します。
15問問題と選択肢の順番は挑戦ごとに変わります。
QUESTION 01大学の研究支援窓口で「文書構造別に分割設定を版管理し、索引更新を原文版へ結び、権限Metadataを検索時に強制します。」が論点になりました。Chunk・Embedding・Index・Retrievalの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
必要情報が複数箇所にまたがる質問は、固定長を増やすだけでなく構造分割、重複、複数検索を比較します。 そのうえで文書構造別に分割設定を版管理し、索引更新を原文版へ結び、権限Metadataを検索時に強制します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
Chunkだけを確認し、Embeddingが未確認でも「Chunk・Embedding・Index・Retrieval」を本番運用へ進める: Chunkだけでは不十分です。本文はEmbeddingを含む条件が欠ける場合、保留または追加確認を求めています。
Retrieval Experiment Logの根拠を残さず、AIの出力が自然なら「Chunk・Embedding・Index・Retrieval」の判断を採用する: 出力の自然さは業務上の根拠になりません。「Chunk・Embedding・Index・Retrieval」では証拠と判断条件を追跡する必要があります。
Indexの成功例だけで判断し、Rankingに関する例外と失敗影響を除外する: 成功例だけでは設問の状況を評価できません。Rankingに関する例外と失敗影響も判断材料です。
QUESTION 02エネルギー会社の設備規程で「更新をアトミックに切替え、失敗時は前の正常Indexを維持し、訂正・削除を全経路へ伝播します。」が論点になりました。実践:Knowledge / Data Mapを作るの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
所有者・利用権・更新経路のない情報はMapへ保留表示し、本番RAGの公開条件を満たした扱いにしません。 そのうえで更新をアトミックに切替え、失敗時は前の正常Indexを維持し、訂正・削除を全経路へ伝播します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
製品名だけで実践:Knowledge / Data Mapを作るの結論を決める: 製品名だけでは、設備規程の更新を安全に切り替え、失敗時に旧索引を維持できません。
Knowledge Ownerだけを確認し、Metadataが未確認でも「実践:Knowledge / Data Mapを作る」を本番運用へ進める: Knowledge Ownerだけでは不十分です。本文はMetadataを含む条件が欠ける場合、保留または追加確認を求めています。
Knowledge / Data Mapの根拠を残さず、AIの出力が自然なら「実践:Knowledge / Data Mapを作る」の判断を採用する: 出力の自然さは業務上の根拠になりません。「実践:Knowledge / Data Mapを作る」では証拠と判断条件を追跡する必要があります。
QUESTION 03自治体の住民問い合わせで「毎回の入力、参照知識、過去状態、生成履歴を分け、共有場所にあるだけの文書を正本とみなしません。」が論点になりました。AIが使う知識を整理するの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
正本と所有者が確認できない知識は本番検索へ入れず、確認担当と期限を持つ保留項目にします。 そのうえで版と有効期間をメタデータで強制し、廃止文書を検索対象から外し、更新失敗を通知します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
Knowledge Sourceだけを確認し、Knowledge Ownerが未確認でも「AIが使う知識を整理する」を本番運用へ進める: Knowledge Sourceだけでは不十分です。本文はKnowledge Ownerを含む条件が欠ける場合、保留または追加確認を求めています。
Knowledge Inventoryの根拠を残さず、AIの出力が自然なら「AIが使う知識を整理する」の判断を採用する: 出力の自然さは業務上の根拠になりません。「AIが使う知識を整理する」では証拠と判断条件を追跡する必要があります。
Source of Truthの成功例だけで判断し、Data Stewardに関する例外と失敗影響を除外する: 成功例だけでは設問の状況を評価できません。Data Stewardに関する例外と失敗影響も判断材料です。
QUESTION 04Chapter 3の「AIが読みやすい情報へ整える」で重視する設計目的として最も適切なものはどれですか。
用語を業務上の目的へ結び付けています。
AIが読みやすい情報へ整えるとは、意味のまとまり、見出し、識別子、版、出所、例外を失わず構造化することです。: 正解です。用語を業務上の目的へ結び付けています。
製品名だけでAIが読みやすい情報へ整えるの結論を決める: 製品名だけでは、見出し・識別子・版・出所を失わずに情報を構造化できているか判断できません。
Metadataを導入すれば、対象業務と判断条件を定めなくても「AIが読みやすい情報へ整える」が成立するとみなすため: Metadataは関連概念ですが、導入しただけでは「AIが読みやすい情報へ整える」の目的、境界、受入条件は確定しません。
AI-Readable Content Specを作らず、Canonical Formatの用語定義だけで「AIが読みやすい情報へ整える」の本番判断を完了するため: 用語を説明できることと業務へ安全に適用できることは別です。本文はAI-Readable Content Specで判断・制御・測定を対応付けます。
QUESTION 05RAG Decision Sheetを「検索Recall、上位候補の関連性、根拠整合、引用正確性、回答不能の適切さを段階別に測ります。」で受け入れるため、設計レビューで欠けていれば差し戻す項目はどれですか。
第三者が判断と結果を追える成果物になります。
RAG Decision Sheetの対象・根拠・制御・責任・受入条件を同じIDで対応付け、未確認事項を保留する: 正解です。第三者が判断と結果を追える成果物になります。 詳細な確認事項: 対象と目的を固定する、「検索に失敗した状態と、検索結果をモデルが誤用した状態を分け、RAGとMemoryや学習済み知識を混同しません。」を図へ反映する、「質問を整え、権限内で検索し、候補を順位付けし、必要断片を渡し、根拠付き回答または回答不能を返します。」を順に記録する、制御と人の責任を対応させる、「検索Recall、上位候補の関連性、根拠整合、引用正確性、回答不能の適切さを段階別に測ります。」で受入条件を置くと、検索Recall、上位候補の関連性、根拠整合、引用正確性、回答不能の適切さを段階別に測ります。
RAG Decision Sheetに対象と目的を固定するだけを書き、判断根拠と受入条件は口頭確認にする: RAG Decision Sheetは一部項目だけでは実装・監査へ渡せません。判断、責任、受入条件を同じ版で追跡します。
RAG Decision Sheetの版を残さず、完成後にRAGの根拠を必要に応じて追記する: 後付けでは判断時点の根拠を再現できません。対象、根拠、責任、版を同時に固定します。
「RAGを設計する」の正常例だけで受け入れ、失敗時の停止・復旧・未確認を成果物へ含めない: 正常例だけでは安全な実装条件になりません。失敗経路と復旧条件も受入対象です。
QUESTION 06保険会社の社内約款照会で「利用者権限を検索前に適用し、回答へ文書ID・版・箇所を付け、根拠外の主張を検知します。」が論点になりました。RAGを設計するの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
根拠が見つからない場合は一般知識で補わず、追加質問、担当者照会、回答不能のいずれかへ分岐します。 そのうえで利用者権限を検索前に適用し、回答へ文書ID・版・箇所を付け、根拠外の主張を検知します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
RAGだけを確認し、Groundingが未確認でも「RAGを設計する」を本番運用へ進める: RAGだけでは不十分です。本文はGroundingを含む条件が欠ける場合、保留または追加確認を求めています。
RAG Decision Sheetの根拠を残さず、AIの出力が自然なら「RAGを設計する」の判断を採用する: 出力の自然さは業務上の根拠になりません。「RAGを設計する」では証拠と判断条件を追跡する必要があります。
Retrievalの成功例だけで判断し、Generationに関する例外と失敗影響を除外する: 成功例だけでは設問の状況を評価できません。Generationに関する例外と失敗影響も判断材料です。
QUESTION 07エネルギー会社の設備規程で「知識は更新されたのにIndexが古いまま、回答だけが新しい版として表示されます。」が論点になりました。実践:Knowledge / Data Mapを作るの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
所有者・利用権・更新経路のない情報はMapへ保留表示し、本番RAGの公開条件を満たした扱いにしません。 そのうえで更新をアトミックに切替え、失敗時は前の正常Indexを維持し、訂正・削除を全経路へ伝播します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
製品名だけで実践:Knowledge / Data Mapを作るの結論を決める: 製品名だけでは、設備規程と古い索引の版差を解消できません。更新失敗時も正常版を維持する仕組みが必要です。
Knowledge Ownerだけを確認し、Metadataが未確認でも「実践:Knowledge / Data Mapを作る」を本番運用へ進める: Knowledge Ownerだけでは不十分です。本文はMetadataを含む条件が欠ける場合、保留または追加確認を求めています。
Knowledge / Data Mapの根拠を残さず、AIの出力が自然なら「実践:Knowledge / Data Mapを作る」の判断を採用する: 出力の自然さは業務上の根拠になりません。「実践:Knowledge / Data Mapを作る」では証拠と判断条件を追跡する必要があります。
QUESTION 08自治体の住民問い合わせで「質問群ごとの根拠到達率、版の正しさ、所有者未設定件数、期限超過文書を測ります。」が論点になりました。AIが使う知識を整理するの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
正本と所有者が確認できない知識は本番検索へ入れず、確認担当と期限を持つ保留項目にします。 そのうえで版と有効期間をメタデータで強制し、廃止文書を検索対象から外し、更新失敗を通知します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
Knowledge Sourceだけを確認し、Knowledge Ownerが未確認でも「AIが使う知識を整理する」を本番運用へ進める: Knowledge Sourceだけでは不十分です。本文はKnowledge Ownerを含む条件が欠ける場合、保留または追加確認を求めています。
Knowledge Inventoryの根拠を残さず、AIの出力が自然なら「AIが使う知識を整理する」の判断を採用する: 出力の自然さは業務上の根拠になりません。「AIが使う知識を整理する」では証拠と判断条件を追跡する必要があります。
Source of Truthの成功例だけで判断し、Data Stewardに関する例外と失敗影響を除外する: 成功例だけでは設問の状況を評価できません。Data Stewardに関する例外と失敗影響も判断材料です。
QUESTION 09大学の研究支援窓口で「小さすぎるChunkで定義と例外が離れ、大きすぎるChunkで無関係情報がモデル入力を占めます。」が論点になりました。Chunk・Embedding・Index・Retrievalの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
必要情報が複数箇所にまたがる質問は、固定長を増やすだけでなく構造分割、重複、複数検索を比較します。 そのうえで文書構造別に分割設定を版管理し、索引更新を原文版へ結び、権限Metadataを検索時に強制します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
Chunkだけを確認し、Embeddingが未確認でも「Chunk・Embedding・Index・Retrieval」を本番運用へ進める: Chunkだけでは不十分です。本文はEmbeddingを含む条件が欠ける場合、保留または追加確認を求めています。
Retrieval Experiment Logの根拠を残さず、AIの出力が自然なら「Chunk・Embedding・Index・Retrieval」の判断を採用する: 出力の自然さは業務上の根拠になりません。「Chunk・Embedding・Index・Retrieval」では証拠と判断条件を追跡する必要があります。
Indexの成功例だけで判断し、Rankingに関する例外と失敗影響を除外する: 成功例だけでは設問の状況を評価できません。Rankingに関する例外と失敗影響も判断材料です。
QUESTION 10Chapter 3の「データの種類と特性」で重視する設計目的として最も適切なものはどれですか。
用語を業務上の目的へ結び付けています。
構造化・半構造化・非構造化データの特性を、保存形式ではなく処理・品質・責任へ結び付けます。: 正解です。用語を業務上の目的へ結び付けています。
Semi-Structured Dataを導入すれば、対象業務と判断条件を定めなくても「データの種類と特性」が成立するとみなすため: Semi-Structured Dataは関連概念ですが、導入しただけでは「データの種類と特性」の目的、境界、受入条件は確定しません。
Data Type & Quality Mapを作らず、Structured Dataの用語定義だけで「データの種類と特性」の本番判断を完了するため: 用語を説明できることと業務へ安全に適用できることは別です。本文はData Type & Quality Mapで判断・制御・測定を対応付けます。
Unstructured Dataの成功例だけを確認し、Metadataに関する例外と失敗影響を検証対象外にするため: 成功例だけでは「データの種類と特性」を扱う目的を満たしません。Metadataに関する境界例と失敗影響も必要です。
QUESTION 11製造業の保守マニュアルで「スキーマ検査と原文リンクを必須にし、変換失敗文書は公開索引へ入れず隔離します。」が論点になりました。AIが読みやすい情報へ整えるの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
表や注記の関係が壊れる資料は一律自動変換せず、文書種類別の解析と人の標本確認を置きます。 そのうえでスキーマ検査と原文リンクを必須にし、変換失敗文書は公開索引へ入れず隔離します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
製品名だけでAIが読みやすい情報へ整えるの結論を決める: 製品名だけでは、変換した表や注記を原文と照合し、失敗した文書を索引から隔離できません。
Canonical Formatだけを確認し、Metadataが未確認でも「AIが読みやすい情報へ整える」を本番運用へ進める: Canonical Formatだけでは不十分です。本文はMetadataを含む条件が欠ける場合、保留または追加確認を求めています。
AI-Readable Content Specの根拠を残さず、AIの出力が自然なら「AIが読みやすい情報へ整える」の判断を採用する: 出力の自然さは業務上の根拠になりません。「AIが読みやすい情報へ整える」では証拠と判断条件を追跡する必要があります。
QUESTION 12大学の研究支援窓口で「評価質問ごとの必要Chunk到達率、上位kのPrecision、順位、検索時間、入力トークン量を測ります。」が論点になりました。Chunk・Embedding・Index・Retrievalの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
必要情報が複数箇所にまたがる質問は、固定長を増やすだけでなく構造分割、重複、複数検索を比較します。 そのうえで文書構造別に分割設定を版管理し、索引更新を原文版へ結び、権限Metadataを検索時に強制します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
Chunkだけを確認し、Embeddingが未確認でも「Chunk・Embedding・Index・Retrieval」を本番運用へ進める: Chunkだけでは不十分です。本文はEmbeddingを含む条件が欠ける場合、保留または追加確認を求めています。
Retrieval Experiment Logの根拠を残さず、AIの出力が自然なら「Chunk・Embedding・Index・Retrieval」の判断を採用する: 出力の自然さは業務上の根拠になりません。「Chunk・Embedding・Index・Retrieval」では証拠と判断条件を追跡する必要があります。
Indexの成功例だけで判断し、Rankingに関する例外と失敗影響を除外する: 成功例だけでは設問の状況を評価できません。Rankingに関する例外と失敗影響も判断材料です。
QUESTION 13AI-Readable Content Specを「文書種類別の変換成功率、構造保持率、メタデータ欠損、原文照合時間、再取込差分を測ります。」で受け入れるため、設計レビューで欠けていれば差し戻す項目はどれですか。
第三者が判断と結果を追える成果物になります。
AI-Readable Content Specの対象・根拠・制御・責任・受入条件を同じIDで対応付け、未確認事項を保留する: 正解です。第三者が判断と結果を追える成果物になります。 詳細な確認事項: 対象と目的を固定する、「見た目を整える処理と、意味や権利を変える編集を分け、原文・正規化版・検索用断片を同一視しません。」を図へ反映する、「取り込み、文字抽出、構造解析、正規化、メタデータ付与、検査、承認、公開という流れを版管理します。」を順に記録する、制御と人の責任を対応させる、「文書種類別の変換成功率、構造保持率、メタデータ欠損、原文照合時間、再取込差分を測ります。」を受入条件として明記します。
製品名だけでAIが読みやすい情報へ整えるの結論を決める: 製品名だけでは、文書ごとの変換結果、構造保持、原文照合と受入条件を追跡できません。
AI-Readable Content Specに対象と目的を固定するだけを書き、判断根拠と受入条件は口頭確認にする: AI-Readable Content Specは一部項目だけでは実装・監査へ渡せません。判断、責任、受入条件を同じ版で追跡します。
AI-Readable Content Specの版を残さず、完成後にCanonical Formatの根拠を必要に応じて追記する: 後付けでは判断時点の根拠を再現できません。対象、根拠、責任、版を同時に固定します。
QUESTION 14製造業の保守マニュアルで「文書種類別の変換成功率、構造保持率、メタデータ欠損、原文照合時間、再取込差分を測ります。」が論点になりました。AIが読みやすい情報へ整えるの判断として優先すべき対応はどれですか。
失敗を止めながら検証可能な範囲を選びます。
表や注記の関係が壊れる資料は一律自動変換せず、文書種類別の解析と人の標本確認を置きます。 そのうえでスキーマ検査と原文リンクを必須にし、変換失敗文書は公開索引へ入れず隔離します。: 正解です。失敗を止めながら検証可能な範囲を選びます。
製品名だけでAIが読みやすい情報へ整えるの結論を決める: 製品名だけでは、保守マニュアルの表や注記の保持、変換失敗の隔離を確認できません。
Canonical Formatだけを確認し、Metadataが未確認でも「AIが読みやすい情報へ整える」を本番運用へ進める: Canonical Formatだけでは不十分です。本文はMetadataを含む条件が欠ける場合、保留または追加確認を求めています。
AI-Readable Content Specの根拠を残さず、AIの出力が自然なら「AIが読みやすい情報へ整える」の判断を採用する: 出力の自然さは業務上の根拠になりません。「AIが読みやすい情報へ整える」では証拠と判断条件を追跡する必要があります。
QUESTION 15Chapter 3の「RAGを設計する」で重視する設計目的として最も適切なものはどれですか。
用語を業務上の目的へ結び付けています。
RAGをモデルへ文書を与える機能ではなく、質問、検索、権限制御、根拠提示、生成、評価の一連として設計します。: 正解です。用語を業務上の目的へ結び付けています。
Groundingを導入すれば、対象業務と判断条件を定めなくても「RAGを設計する」が成立するとみなすため: Groundingは関連概念ですが、導入しただけでは「RAGを設計する」の目的、境界、受入条件は確定しません。
RAG Decision Sheetを作らず、RAGの用語定義だけで「RAGを設計する」の本番判断を完了するため: 用語を説明できることと業務へ安全に適用できることは別です。本文はRAG Decision Sheetで判断・制御・測定を対応付けます。
Retrievalの成功例だけを確認し、Generationに関する例外と失敗影響を検証対象外にするため: 成功例だけでは「RAGを設計する」を扱う目的を満たしません。Generationに関する境界例と失敗影響も必要です。
章末テスト
第3章・定着テスト
0/ 15