Copilot Studio RAG の検証レポート: Claude Sonnet 4.5 vs GPT-5 Chat の回答精度比較

Amazon Bedrock の VLM (Claude Haiku 4.5) による外観検査で、出力スキーマのキー順が検出率に大きく影響することを発見。判定（verdict）を欠陥候補（findings）より後に書かせることと、判定処理を VLM から分離することで、複数条件で検出率が向上。前回の結果を再分析し、プロンプト設計の細部が精度に影響することを実証。

元鉄鋼営業が Claude API を使い、商談メモから業界特有の項目（顧客区分・鋼材種別・ニッケル相場連動・案件ステータス等）を構造化 JSON で自動抽出するツールを開発。単価管理の複雑さという実務課題に根ざしたスキーマ設計と、thinking ブロック対応やプロンプトの判定基準明文化による精度改善プロセスを解説。

オンプレミスシステムの AWS 移設プロジェクトで、PM の工数負荷が納期リスクになったため、SharePoint に PM 判断基準をマークダウンファイルとして定義し、Copilot エージェントに一次レビュアーとして活用する仕組みを導入。成果物を正とするルール設計により、ガイドと現況の乖離を防ぎながら、レビュー品質を維持した。

社内文書をClaudeで活用するため、Python・FAISSを用いたRAG（検索拡張生成）システムの実装方法を解説。文書をベクトル化して高速検索し、関連文書をコンテキストとしてClaudeに渡すことで、ハルシネーション抑制と最新情報反映が可能。30分での構築を想定した具体的なコード例を提供。