Expert Mind: エネルギー分野におけるエキスパート知識保存のための検索補強型アーキテクチャ

要旨: 産業組織から専門分野の専門家が離脱することは、慣習的な文書化慣行ではほとんど捕捉されない黙示知識の不可逆的な喪失をもたらします。本論文は、Retrieval-Augmented Generation (RAG)、大型言語モデル（LLMs）、およびマルチモーダルキャプチャ技術を活用して、組織の知識保有者の深い専門知識を保存・構造化・検索可能にする実験的システム『Expert Mind』を提案します。エネルギー部門という特定の文脈に着目すると、何十年にもわたる運用経験が高齢化する労働力によって失われるリスクがある中、私たちはシステムアーキテクチャ、処理パイプライン、倫理的枠組み、および評価方法論を説明します。提案されたシステムは、構造化インタビュー、think-aloudセッション、およびテキストコーパスの取り込みを通じて知識抽出の課題に対処し、これらをベクターストアに埋め込み、対話型インターフェースを介して照会可能にします。初期の設計上の考慮事項は、Expert Mindが知識移転の待機時間を大幅に低減し、オンボーディングの効率を向上させる可能性を示唆します。インフォームド・コンセント、知的財産、消去の権利などの倫理的側面は、第一級の設計制約として扱われます。

返却形式: {"translated": "翻訳されたHTML"}