ゴールデンセットとは
ゴールデンセットとは、人間の専門家が「これが正解だ」と保証した評価用の基準データセット
読み: ゴールデンセット
AIの性能を客観的に測定するための「ものさし」であり、グラウンド・トゥルースとも呼ばれる。
かんたんに言うと
学校のテストでいう「模範解答集」。AIの出力をこの模範解答と照合して、何問正解したかで成績をつける。
RAG評価の3点セットとシルバーセット
RAGの評価では3要素で構成する。想定質問、専門家の期待回答、根拠ドキュメント。開発初期にはAIが生成するシルバーセットを使い、リリース判断には人間が保証したゴールデンセットで最終確認する。
ハルシネーション検知と継続更新
人間の「真実」とAI出力を照合しハルシネーションを定量的に検出する。ゴールデンセットは「生き物」で、AI進化に合わせて更新し続ける。学習データに含めると「カンニング」になり本当の性能が測れなくなる。
当社の見解
当社はOpenAI APIを完全廃止し、EmbeddingもLLMも全てローカルで稼働させている（2026年4月時点）。これにより月額のAPI費用がゼロになっただけでなく、機密情報や顧客データを外部に送信せずにAI処理できるようになった。クライアントのログデータをマスキングなしでそのまま分析に回せるのは、ローカルLLMだからこそ実現できる。2026年4月にはOllama常駐実行（CPU 25%、GPU 30%を常時占有）を廃止し、FastEmbed（ONNX Runtime）による非常駐型推論に移行。処理が必要な瞬間だけプロセスを起動し、完了後に即座に終了する設計で、アイドル時のリソース消費をゼロにした。あえて一般的なデスクトップPC環境で複数のローカルLLMを実機検証した経験から言えることは、ベンチマークスコアと実務での使い勝手、そして常駐時のリソース消費は全て別の指標だということだ。
売上の頭打ちを打破して、毎年20%成長を目指す経営者へ
1人の社員が4つのAIエージェントを使いこなせば、
1日8時間 × 4エージェント × 20営業日 = 月間640時間相当の実行余力を生み出せます。
その時間を、営業改善・商品改善・顧客対応・業務効率化に再投資できれば、
毎年20%成長を目指せる組織基盤は現実的に作れます。
初回30分の無料相談で、貴社の業務のどこにAIを入れるべきか、
640時間相当の実行余力を生み出すための導入ステップをご提案します。