MS Ignite 2025で発表されたFoundry IQをRecap

JAZUG Shizuoka #3にて発表した資料です。
https://jazug.connpass.com/event/368296/

Miscrosoft Ignite 2025で発表されたFoundry IQについて内容をまとめました。

Transcript

1. MS Ignite 2025で発表された Foundry IQをRecap サイオステクノロジー株式会社 佐藤 陽
2. 佐藤 陽 / Sato Akira サイオステクノロジー株式会社 Professional Service SL in 静岡 仕事 Azureクラウド構築 生成AIを活用したアプリ開発 ブログ執筆 / 外部登壇 趣味 運動(ロードバイク/ランニング) 音楽(FUJI ROCK FESTIVAL) 読書(森博嗣/有栖川有栖) @satodayo1115 自己紹介
3. 自己紹介 「RAGアプリケーション 評価・改善の極意」 「ツール・ド・Azure」 YouTubeにて配信中
4. はじめに 先日開催された Microsoft Ignite 2025 にて発表され た数多くの新機能の中でも、個人的に特にインパク トが大きかった 「Foundry IQ」 について取り上げま す。 免責事項 本発表は、現時点で公開されているドキュメントや 記事に基づく「所感」です。 実際の検証結果は今後別途公開予定ですので、その 点ご承知おきください。 Introduction
5. LLMが学習していない外部の知識（社内データ等）を組み合わせて回答する技術 1. Retrieval (検索) 質問に関連する社内ドキュメン トを検索し、関連情報を抽出し ます。 2. Augmented (拡張) 検索結果をプロンプト（命令文 ）に追加し、LLMへの入力を補強 します。 3. Generation (生成) 拡張された情報を元に、LLMが正 確で文脈に沿った回答を生成し ます。 前提：RAG (検索拡張生成) とは？
6. LLM単体の課題 RAGのメリット • 知識の期限切れ: 学習カットオフ以降の出来事を 知りません。 • 社内情報の欠如: 非公開の社内データは学習して いません。 • ハルシネーション: 事実に基づかないもっともら しい嘘をつくリスクがあります。 • 「カンニングペーパー」効果: 正しい情報を参照 しながら回答します。 • 最新・固有情報の活用: 常に最新のデータソース を参照可能です。 • 透明性: 回答の根拠となる参照元ドキュメントを 提示できます。 なぜ RAG が必要なのか？
7. ナレッジの形式ごとに最適な処理が必要となり、設計と保守 のコストが肥大化します。 これらを個別にゼロから設計するのは大きな負担です。 • 多様なデータ形式: PDF, Office, 画像, DBなど形式は様々。 • 処理の複雑化: チャンク戦略、OCR、ベクトル化モデルの 選定が必要。 • サイロ化: 部署ごとに異なるパイプラインが乱立しがちで す。 課題1：パイプライン設計の負担
8. "One Size Fits All" は通用しない 全てのデータに同じ処理を適用しても精度は出ません。 • ファイル形式の壁: PDFの表組とWordのベタ打ちでは最適 な処理が異なります。 • 内容の壁: 専門用語が多い技術書と一般的な社内報では戦 略が変わります。 • 調整パラメータの沼: チャンクサイズ、オーバーラップ率 、次元数など、無限の調整が必要です。 【詳細】データの「性格」に合わせた前処理の壁
9. 部署ごとの個別最適化が進むと、似たようなRAGシステムが社内に乱立します。 結果：メンテナンスコストの肥大化とナレッジの分断（横断検索困難） Sales RAG 営業部専用の検索システム。顧 客データや提案書を管理。 HR RAG 人事部専用。就業規則や福利厚 生情報を検索。 Dev RAG 開発部専用。技術ドキュメント や設計書を管理。 運用フェーズでの「サイロ化」
10. 誰がどの情報を見るべきか？ 機密文書（役員会議資料など）が一般社員の検索結果に出て はいけません。 • Entra ID（Azure AD）の権限情報と、ベクトルDB上のイン デックスを常に同期し続けるのは至難の業です。 • 人事異動のたびに発生する権限メンテナンスが、RAG運用 の最大のボトルネックになります。 課題2：アクセス制御の複雑さ
11. DEFINITION Foundry IQ とは "A unified knowledge layer for agents" （エージェントのための統一された知識レイヤー）
13. Ubiquitous Knowledge for Agents Foundry IQは、パイプライン構築やアクセス制御を一括して 引き受けます。 チャンク化、ベクトル化、検索戦略をプラットフォーム側が 吸収し、開発者を解放します。 1. Knowledge Base という箱を作成 2. Blob, SharePoint, Web等のソースを接続 3. エージェントはこれを 1つのAPI として参照 Foundry IQ による解決策
14. データタイプ データソース例 Foundry IQの処理 インデックス型 Blob Storage, Azure AI Search Indexes コンテンツ取り込み、チャンク化、ベクトル化を 自動実行。検索用に最適化されます。 リモート型 M365 SharePoint, Web Sites 直接参照するため、常に最新データを同期不要で 利用可能。データの鮮度を保ちます。 注目点1：データ投入と管理の自動化
15. 検索エンジン自体が「思考」する 単なる類似度検索ではなく、「プランニング」と「反復」を 行います。 これにより、複雑な質問に対しても高い精度の回答が可能に なります。 • プランニング: 質問の意図を解釈し、どのソースをどの粒 度で検索すべきか自動選定します。 • 反復と修正: 初回検索が不十分な場合、クエリを自動で書 き換えて再検索を実行します。 注目点2：Agentic Retrieval
16. タスクの性質に応じて、エージェントが検索・推論にかける「思考の深さ」を調整可能です。 Fast / Shallow FAQや単純な事実確認向け レスポンス速度を最優先します。最小限のステップ で検索を行い、素早く回答を生成します。 Deep / Slow 複雑な調査や多角的な分析向け 時間をかけて複数のソースを深掘りし、情報の網羅 性と精度を優先します。推論プロセスが増加します 。 Retrieval Reasoning Effort
17. " これまで自前実装が必要だった複雑な権限管理を、マネージドサービスに委譲できる最大 のメリットです。 Foundry IQは、設定されたナレッジソースに対 するユーザー権限を尊重する。Microsoft Purviewの機密ラベルも検索パイプラインを通 じて適用される。 — Based on Microsoft Blog Post 注目点3：アクセス制御とガバナンス
18. メリット：圧倒的な効率化 面倒なパイプライン構築や権限設定から解放され、 開発者はアプリケーションロジックに集中できます 。 導入スピードは劇的に向上し、PoCから本番環境へ の移行もスムーズになります。 デメリット：チューニングの制限 チャンクサイズ、オーバーラップ率、Embeddingモ デルの選定など、"RAG職人"がこだわっていた細かい 調整はFoundry IQ側に隠蔽されます。 特殊なドメイン知識が必要な場合、微調整が難しい 可能性があります。 ブラックボックス化というトレードオフ
19. 導入時の注意：Garbage In, Garbage Out 魔法のツールではありません Foundry IQは接続を楽にしてくれますが、データの中 身までは整理してくれません。 この状態で導入すれば、「自信満々に間違った情報を 返すエージェント」が生まれます。情報資産の棚卸し は依然として必須です。 • ゴミ屋敷状態のSharePoint： どれが最新かわからないファイル群 • 形骸化した権限設定： 「Everyone」にフルアクセス付与
20. やってみた
21. やってみた unknown_parameter Unknown parameter: 'tools[0].server_authentication'.
22. 実際に触ってみた検証結果はこうご期待！ 1 設計・管理の効率化 パイプライン構築とアクセス制 御の手間を大幅削減 2 Agentic Retrieval 推論と反復による高精度な検索 体験の提供 3 検証の重要性 マネージド故の制約を見極め、 データガバナンスを徹底する まとめと今後の展望
23. Thank you for listening