ユニークユーザー数 45万人を超えた Ask! NIKKEIの成功と AIプロダクト開 発の勘所 / Ask! NIKKEI 2026-02

2025年の新聞技術賞受賞した「Ask!NIKKEI」。その基本構成はいわゆるRAGではあるが、新聞社の強みを最大限に活かしたプロダクトになっている。高度な検索技術開発、パフォーマンスへのこだわり、既存プロダクトへの組み込み方などが奏功し、すでに45万人以上から300万回以上の質問を受け付けている。12万件を超えるユーザーフィードバックを活用し、日々改善を続けている。

Transcript

1. ユニークユーザー数 45 万人を超えた Ask! NIKKEI の成功と AI プロダクト開発の勘所 2026/02/05 日本経済新聞社 鈴木陽介 1
2. 日経電子版とは 日本最大級の有料ニュースサービス ビジネスパーソン向けの高品質な経済ニュース 100 万人+ 有料会員数 2010 年〜 サービス開始 2
4. Ask! NIKKEI とは 「広く、深く、早く知る」を実現するAI チャットボット 記事を読んでいる最中に疑問が生じたら、その場で即座に解決できる新しい新 聞閲読体験 5 秒 平均回答時間 50 万件+ 検索対象記事 45 万人+ ユニークユーザー数 4
5. Ask! NIKKEI の画面 記事ページの下にAI で生成し た４つの質問を配置 質問をクリックするだけで、 記事に関する基本的な情報に ついて詳しく知ることができ る 5
6. Part 1: 成功の実績 6
7. 2025 年 新聞技術賞 受賞 評価ポイント 独自開発の検索モデルによる 高精度な記事検索 持続可能なコスト構造の実現 ユーザー体験を重視した設計 （事前生成質問） 7
8. 45 万人以上のユーザー実績 2024 年11 月〜2026 年1 月 日経電子版有料会員向けサービス フィードバックはサービス改善の重要指標 45 万人+ ユニークユーザー数 300 万件+ 総質問数 13 万件+ フィードバック数 8
9. 「役に立った」が86% ユーザーフィードバック分析 ポジティブ 「簡潔でまとまっている」 「歴史的背景が明確に説 明されている」 「時系列で内容を確認で きる」 ネガティブ 質問の意図から外れる 矛盾がある / 誤解を招く 情報がある 新しい情報がない / 既知 の内容の繰り返し 9
10. Part 2: AI プロダクト開発の勘所 10
11. 勘所①: ユーザーの入口を 最適化する 事前生成質問で利用ハードルを 下げる LLM が生成する4 つの質問 66% のセッション が事前生成質問 から開始 知識のハードルを下げる 「正しい質問」を考える必要がな い 11
13. 日経会社情報からのリンク 13
14. 勘所①-2: 手入力は25% 未満 エントリーポイントの内訳 （公開資料ではグラフが削除されました） 14
15. 勘所①-3: ユーザーとの期待値を揃える 「役に立った」86% 事前に用意した質問＝答えられる質問 「何でも聞いて」で、答えられないとユーザーの期待を裏切る 複数の質問を生成して、答えられていないものを排除 日経会社情報との連携も、答えられてそうな企業から 15
16. 勘所②: 速度と精度の両立 多層アプローチによるRAG （検索拡張生成） 4 段階のパイプライン ✨ クエリ拡張 🔎 ハイブリッド検索 📊 リランキング 🤖 LLM 生成 ポイント: 各段階で精度を高めることで、最終的なLLM への入力品質を最大化 16
17. 勘所②-2: 小さくて高品質なモデルを作る 日経SPLADE( スパース検索) モデル名 nDCG@10 パラメータ 数 日経 SPLADE 0.868 🏆 約1,100 万 BGE-M3 0.774 約3 億 BM25 0.736 - 日経記事データでの評価 Judge モデル( リランキング) LLM による有用性評価 検索結果が回答生成に有益か 3 段階評価: 非常に有益 (2) やや参考になる (1) 不要 (0) 17
18. 勘所②-3: 安くて速いLLM を使える 平均回答速度は5 秒 ハイブリッド検索＆リランキングで 関連するものに絞り込まれている LLM にインプットするコンテキストが 最小限、高品質 速度を重視した LLM モデルを利用できる 生成コストが安い LLM モデルを利用できる 18
19. 勘所③: ユーザーフィードバックを活用する フィードバック収集の仕組み ・ 「役に立った」 「役に立たなか った」を収集 ・トレーシング基盤に詳細な生 成過程を記録 ・Slack に通知 フィードバックの活用 ・プロンプト調整の方向性決定 ・新機能開発のアイデアを拾う ・品質モニタリング ・中長期のトレンドを監視 19
20. 勘所④: コスト効率を追求する ビジネスとして成立するコスト構造が必須 コスト削減の施策 小型の独自モデルを採用 安価なLLM を採用 トークン使用量の最適化 < 1% 日経電子版のクラウドインフラ費用に 対する追加コスト 20
21. 勘所⑤: 安定運用を設計する 一般的なインフラ運用 段階的なロールアウト リアルタイム監視 冗長構成 AI サービス特有の考慮点 LLM API のレート制限 フォールバック機構 LLM のライフサイクルが 短期 環境は変わり続けているので、継続的な変更が必要 21
22. 今後の展望 🚀 ユーザー導線の強化 ・認知度がまだ低い 📚 データ拡充 ・検索対象の期間を拡大 🔎 モデル更新 ・日本語最適化Dense モデル ・日経SPLADE 新バージョン 🤖 LLM 更新 ・次世代モデルの評価 ・コスト・品質の継続的最適化 22