出版社内容情報
ChatGPTなどのLLMを組み込んだRAG（検索拡張生成／専用AI）やAIエージェントの導入を試みる企業が増えている。しかし日本では、多くの企業が「プロトタイプは作れても、業務実装で失敗する」という、いわゆるPoC（概念実証）の壁に直面しているのが現状。そこで本書では、RAGとAIエージェントの基本的な仕組から、実際に企業に導入する際の注意点や最新技術（MCP、Agentic RAG）などの実践的な内容まで、網羅的に解説する。
【目次】
第1章 RAGの基本と仕組み
1-1 RAGの概要
1-2 RAGの活用の例
1-3 RAGを活用できるツール
1-4 RAGの必要性
1-5 RAGの仕組みと精度
第2章 RAGの導入実践と精度向上
2-1 なぜRAGの導入は失敗するのか
2-2 RAG導入の戦略策定
2-3 RAG活用のユースケース
2-4 RAGのツールの活用と比較
2-5 RAG 精度向上の全体像
2-6 RAG Ready データ
2-7 チャンキング戦略の改善
2-8 ユーザークエリの改善
2-9 検索ロジックの改善
2-10 回答生成の改善
2-11 UIUXの改善
2-12 マルチモーダルRAG
2-13 様々なRAGの応用手法
2-14 RAGの評価と精度向上の手順
2-15 RAG以外の手法
2-16 RAGの定着化に向けて
第3章 AIエージェントの基本と仕組み
3-1 AIエージェントとは
3-2 AIエージェントの活用例
3-3 ワークフロー型のと自律型
3-4 AIエージェントの構成要素
3-5 AIエージェントの構築方法
3-6 ブラウザ操作エージェント
3-7 Model Context Protocol (MCP)：エコシステムの標準規格
3-8 Agent skills
3-9 Agentic RAG
第4章 AIエージェントの導入実践と定着化
4-1 GPTsやGemの活用
4-2 Dify や Copilot Studio の活用
4-3 自立型AIエージェントサービスの活用
4-4 Claude Code や Antigravityの活用
4-5 MCPの活用
4-6 Agent Skills の活用
4-7 コンテキストエンジニアリング
4-8 暗黙知を形式化する
4-9 業務選定の方法とROIの算出
4-10 システムとLLMと人の分業
4-11 定着化する体験設計
4-12 セキュリティとガバナンスの設計
4-13 AIドリブン経営
