社内に資料やマニュアルは大量にあるのに、必要な情報がすぐ見つからない——よくある課題です。RAG（社内文書を検索してAIが回答する仕組み）は、簡単なデモは作れても、実用レベルにするのは別の話。多くの場合、見当違いの文書を引いたり、もっともらしい嘘を答えたりします。HEXデータは、文書の分割方法から検索精度、引用の明示、評価までを丁寧に作り込み、「それらしい回答」ではなく「根拠のある正しい回答」を返すシステムを構築します。
PDF・Word・社内Wikiなどの文書を読み込み、内容に合わせて適切な単位に分割します。検索精度を高めるためのメタデータ（種別・日付など）も付与します。
用途に合わせた検索方式（意味検索＋キーワード検索の併用、再ランキング、質問の言い換え）を調整し、必要な情報を的確に引き出します。
回答には必ず根拠となる出典を明示します。情報が足りないときは「分かりません」と返す設計で、もっともらしい作り話を防ぎます。
想定問答の正解集で精度を継続的に測定します。回答品質を数値で把握し、性能が落ちた際にすぐ気づける状態を保ちます。
対象の文書と「何に答えたいか」を整理するところから始めます。取り込みと分割の方法を設計し、評価を行いながら検索精度を調整。公開後も利用状況や失敗事例を分析し、継続的に改善します。