EMNLP 2026論文：問い合わせ対応AI、過去事例を途中経過ごとに探すRAFTで検索改善

結論から言うと、企業の問い合わせ対応AIが過去の解決事例を探すとき、文書全体の似かよい方ではなく、現在どの段階まで調査が進んだかを合わせる「RAFT」が提案されました。EMNLP 2026 Industry Track採択論文として2026年9月17日にarXivへ公開された研究です。一般的なRAGは、終了済みの問い合わせを一つの静的な文書として検索します。

しかし障害対応は、症状の確認、設定の調査、試した修正、結果というように状態が変化します。RAFTは各事例を時間順の項目がつながる鎖へ変換し、項目単位で現在の状態に近い部分を探します。見つけた地点だけでなく、その元事例がその後どう解決へ進んだかという流れも返します。

研究チームはMicrosoft LearnのWindows Server文書から作った合成評価と、人が重複印を付けた実在のApache Jira課題で検証しました。要旨によると、対応の全段階で通常のRAGとGraphRAGより、正しい事例を見つけるCase Hitが高く、最良の比較方式との差は統計的にも有意でした。

サポート担当者には、似た質問ではなく「今の進み具合が似た事例」をAIから受け取る設計が参考になります。ただし公開評価は検索部分だけで、実際の顧客対応AI全体を本番運用して測った結果ではありません。Jiraでの結果も移行可能性を示す段階のため、自社履歴で回答の正確さや解決時間まで確かめる必要があります。