マーケで効く 5 つの応用 — 全部、現場で見たケースです
「RAG は便利そうだけど、うちの業務で使えるか分からない」 — そう感じる方のために、当方が実際に支援した中で
特に費用対効果が高かった 5 領域を紹介します。
マーケで効く 5 つの応用
01. 過去案件 検索ボット — 営業同行前のリサーチが 1/5 に
冒頭の住宅会社のケースです。営業部長は商談前に必ず「似た案件あった?」を 5 名のメンバーに Slack で聞いていました。返事が返ってくるのは平均 6 時間後。
RAG 導入後、Slack のスラッシュコマンド
/case で過去 287 件から条件マッチを
8 秒で抽出できるようになりました。営業部 8 名 × 平均 4 商談/週 × 旧 6 時間 =
週 192 時間の損失が消えた計算です。
02. 提案書 自動下書き — 4 時間 → 12 分
ヒアリングシート(A4 で 2-3 枚)を投げると、過去の類似提案を参考に
初稿が 3 分で生成されます。
ここで重要なのは、
完成版ではなく初稿だという割り切り。AI は 70% の品質まで持っていきます。残り 30% は人間がブラッシュアップ。これを「叩き台ファースト」運用と呼んでいます。
> 注意点: 100% AI 任せにすると、過去案件の数値をそのまま流用してハルシネーションを起こします。「金額は必ず人間が更新する」というルールを徹底してください。
03. FAQ 自動応答 — 一次対応の 47% を無人化
歯科クリニックチェーンの導入事例です。Web フォームの問い合わせを RAG で分類 → 過去回答から最も近いものを引用付きで提案 → 担当者が承認して送信、というフローです。
| 項目 | Before | After(3 ヶ月後) |
|---|---|---|
| 一次対応の人手介在率 | 100% |
53% |
| 平均回答時間 | 4 時間 12 分 |
31 分 |
| 担当者の負荷感(1-5) | 4.6 |
2.1 |
AI が「この問い合わせには過去のこの回答が近い」と提案してくれるだけで、ゼロから書く負担が消えました。
04. 競合 リサーチ要約 — 週次会議の準備が 30 分に
競合 12 社のプレスリリース・公式ブログ・主要レビューサイトを毎週月曜の朝に自動収集 → 「自社視点で見た重要ポイント TOP 5」を要約して Slack に流す、という運用です。
マーケ部長は月曜 9 時の会議に
コーヒー片手で挑めるようになりました。準備が消えた、ではなく、
準備が意思決定に変わったのです。
05. 社内ナレッジ集約 — 「あの件どこで決まった?」が消える
これは地味ですが効きます。Slack ・Notion ・
・Email の議事録すべてを横断検索可能にする運用です。
「あの案件、価格交渉どこまで OK だっけ?」「去年の制作会社、結局なんで切ったんだっけ?」 — こうした
思い出せない情報は、企業の意思決定速度を確実に削っています。RAG はこの摩擦を消します。
導入で必ずハマる 4 つの落とし穴
ここから先は、
実際に転んだ人だけが知っている話です。当方が見てきた失敗パターンを、痛みとセットで共有します。
落とし穴 1: チャンク分割を「単純な 500 字区切り」にする
最も多い失敗です。長文を機械的に 500 字で区切ると、重要な文の途中でぶつ切りになります。「
を実装する場合、必須要件は 」 — ここで切れる。続きが取れない。AI は意味不明な答えを返す。
正解は
見出し単位 + 段落単位での分割。さらに前後 100 字ほどのオーバーラップを持たせます。これだけで検索精度が 1.4-1.8 倍になります。
落とし穴 2: 似たような文書だけが取れてくる
「Meta 広告 CPA 改善」で検索したら、5 件全部
CPA 改善のテンプレ記事だけ。違う角度の知見が取れない。
解決策は 2 つあります。
1.
Re-ranking(再順位付け): 1 段目で 20 件取り、2 段目で多様性を保ちつつ 5 件選ぶ
2.
クエリ拡張: 元の質問を 3 つの言い換えに分散させてから検索
API を入れるだけで実装でき、月 3,000 円程度です。
落とし穴 3: ハルシネーションが「減ったけど消えない」
文書を渡しても、AI は「資料に無いことを足してしまう」癖が抜けません。3 つのプロンプト指示で激減します。
1. 「資料に明記がない場合は『情報なし』と答えてください」
2. 「回答の根拠となる文を、引用元と共に sentence-level で示してください」
3. 「資料の解釈に揺れがある場合は、その揺れを明示してください」
| 規模 | LLM | Embedding | ベクトル DB | 月額コスト | 実装期間 |
|---|
| 小(PoC) | Haiku / GPT-4o-mini | text-embedding-3-small | (ローカル) | 5,000〜15,000 円 | 2-3 週間 |
| 中(部署) | Claude Sonnet / GPT-4o | text-embedding-3-large | / | 5〜15 万円 | 2-3 ヶ月 |
| 大(全社) | Claude Opus + Sonnet 併用 | text-embedding-3-large | / Vertex AI | 30〜100 万円 | 4-6 ヶ月 |