Why AskDona

AskDonaは、ひとつの問いに向き合ってきました。組織の中にある膨大な情報を、どのように扱い、どのように理解し、どのように次のアクションにつなげるのか。私たちの出発点は、そこにあります。

AskDona has always faced a single question: how should the vast information inside an organization be handled, understood, and connected to the next action? That is where we began.

組織が情報を扱うプロセスを、根本から変える。

Fundamentally changing how organizations work with information.

多くの組織では、意思決定の前段に膨大な情報処理があります。

In most organizations, an enormous amount of information processing comes before any decision.

資料を探し、読み、解釈し、複数の情報を突き合わせ、ようやく次のアクションに落とし込む。この一連のプロセスは、いまも人の経験と時間に大きく依存しています。

Searching for documents, reading them, interpreting them, cross-referencing multiple sources, and only then translating it all into the next action — this entire process still depends heavily on individual experience and time.

私たちが変えたいのは、このプロセスそのものです。

What we want to change is that process itself.

情報を「調べる・読む・考える・理解する・アクションする」までの距離を短くし、より確かなものにすること。

To shorten the distance from researching, reading, thinking, and understanding to acting on information — and to make that path more dependable.

それが、AskDonaが向き合い続けているテーマです。

That is the theme AskDona keeps returning to.

手段としてのLLM、そしてRAG

LLMs as a means — and RAG

LLMは、情報処理を変えるための強力な手段です。

LLMs are a powerful means of transforming information processing.

読む、要約する、比較する、根拠を添えて答える。LLMは、これまで人が時間をかけて行ってきた情報処理の一部を、汎用的に担えるようになりました。

Reading, summarizing, comparing, answering with supporting evidence — LLMs can now handle, in a general-purpose way, part of the information processing people once spent hours on.

一方で、組織の中には、提案書、議事録、契約書、規程、技術ドキュメント、マニュアルなど、外部には出ない非公開情報が大量に蓄積されています。

At the same time, organizations accumulate vast amounts of private information that never leaves their walls — proposals, meeting minutes, contracts, internal policies, technical documents, and manuals.

LLMは世界中の公開知識をもとに応答できますが、目の前の組織の内側にある情報までは、そのままでは参照できません。

An LLM can respond based on the world's public knowledge, but on its own it cannot reference the information that lives inside your own organization.

そこで必要になるのが、RAGです。

This is where RAG becomes essential.

RAG（Retrieval-Augmented Generation）は、LLMの表現力と、組織固有の情報をつなぐ技術です。

RAG(Retrieval-Augmented Generation)is the technology that connects an LLM's expressive power with an organization's own information.

文書ベースのナレッジ活用において、現時点で最も実用的で、業務に組み込みやすい手段だと私たちは考えています。

For putting document-based knowledge to work, we believe it is currently the most practical approach — and the easiest to embed into real operations.

「正確で、信頼できる回答」を返すRAGを磨いてきました。

We have refined a RAG that returns accurate, trustworthy answers.

AskDonaは、早い段階からこの領域に強いニーズがあると考えてきました。

From early on, we believed there was a strong need in this area.

単にLLMが「それらしい答え」を返すのではなく、質問に対して十分な根拠を持ち、業務で安心して使える回答を返すこと。

Not simply an LLM returning a plausible-sounding answer, but answers backed by sufficient evidence — answers you can rely on in your work.

私たちが最も重視してきたのは、ここです。

This is what we have valued most.

• 十分な根拠。どの情報源の、どの箇所を参照したのか。回答に必ず根拠が添う設計。
• 安心して使える品質。業務の意思決定に使える、再現性があり、検証可能な回答。
• 正確な回答。「それらしい」では終わらせず、問いに対して正しく答えること。

• Sufficient evidence. Which source, and which passage, was referenced — a design in which every answer comes with its grounds.
• Quality you can trust. Reproducible, verifiable answers you can use for real business decisions.
• Accurate answers. Not stopping at "plausible," but answering the question correctly.

この3つを軸に、AskDonaのRAGを磨いてきました。

We have refined AskDona's RAG around these three principles.

AskDonaのRAGは、自社で設計・開発しています。

AskDona's RAG is designed and built in-house.

AskDonaのRAGは、外部の汎用ライブラリに任せるのではなく、アーキテクチャから自社で設計・開発しています。

Rather than relying on external general-purpose libraries, we design and develop AskDona's RAG ourselves, from the architecture up.

RAGの精度は、単にLLMをつなげるだけでは決まりません。文書の扱い方、検索の設計、根拠の取り出し方、回答生成までの流れ、そのすべてが品質に影響します。

RAG accuracy isn't determined just by wiring up an LLM. How documents are handled, how retrieval is designed, how evidence is extracted, and the entire flow up to answer generation — all of it shapes quality.

だからこそ私たちは、仕組みを自分たちで理解し、制御し、改善できることを大切にしています。

That is exactly why we place such value on being able to understand, control, and improve the mechanism ourselves.

ブラックボックスではなく、説明できるRAGへ。

Toward a RAG that can be explained — not a black box.

それが、AskDonaの技術スタンスです。

That is AskDona's technical stance.

高度な知識領域で、AIによる情報活用の可能性を確かめてきました。

In highly specialized domains, we have tested what AI-driven use of information can do.

その象徴的な取り組みが、国立研究開発法人理化学研究所 計算科学研究センター（RIKEN R-CCS）とのプロジェクトです。

The most emblematic of these is our project with RIKEN R-CCS(RIKEN Center for Computational Science).

スーパーコンピューター「富岳」に関する情報は、量が膨大であるだけでなく、内容も極めて専門的です。単純な検索では答えにたどり着けない質問も多く、複数の情報を読み解き、文脈を理解したうえで回答する必要がありました。

Information about the supercomputer Fugaku is not only vast in volume but also highly technical in nature. Many questions cannot be answered by simple search — they require reading across multiple sources and understanding the context before responding.

この領域に向き合う中で、私たちは、AIが人の情報処理を大きく支援できる可能性を強く実感しました。膨大で難解な情報を扱う場面では、AIは単なる便利なツールではなく、人の理解や判断を拡張する存在になり得ます。

Working in this domain, we came to feel strongly how much AI can support human information processing. When the information is vast and difficult, AI can be more than a convenient tool — it can become something that extends human understanding and judgment.

同時に、本当に難しいのは、回答を生成することだけではありません。「何が正しい回答なのか」を見極めることも、極めて重要です。難しい質問に対して、どの情報を根拠とし、どのような回答であれば正しいと言えるのか。RIKEN R-CCSの協力を得ながら、その評価と改善を重ねてきました。

At the same time, the truly hard part is not only generating an answer. Determining "what counts as a correct answer" matters just as much. For a difficult question, which information should serve as the grounds, and what kind of answer can be called correct? With RIKEN R-CCS's cooperation, we have evaluated and refined exactly that, over and over.

スーパーコンピューター「富岳」のサポートサイト上にAskDonaを実装。国立研究開発法人理化学研究所 計算科学研究センター（RIKEN R-CCS）での取り組みから始まり、組織のナレッジを取りまとめる重要なツールへと成長しています。

Implemented on Fugaku's support site, the work began with RIKEN R-CCS(RIKEN Center for Computational Science)and has grown into a key tool for bringing an organization's knowledge together.

RAGは、単なる検索ではなく、業務判断を支える基盤へ。

From mere search to a foundation that supports business decisions.

AskDonaが磨いてきたRAGは、社内文書に対して「それらしい回答」を返すためのものではありません。

The RAG we have refined is not about returning plausible-sounding answers from internal documents.

必要な情報を正しく探し、根拠を示し、複数の文書を横断しながら、業務で使える回答として返すこと。

It is about finding the right information correctly, showing the evidence, working across multiple documents, and returning an answer you can actually use in your work.

私たちが目指しているのは、そこです。

That is what we are aiming for.

実際の業務では、ひとつの質問に対して、ひとつの文書だけを見れば答えが出るとは限りません。規程、マニュアル、契約書、議事録、技術資料など、複数の情報を読み比べ、矛盾や不足を確認しながら判断する必要があります。

In real work, a single question rarely has its answer in a single document. You have to read across policies, manuals, contracts, minutes, and technical materials, checking for contradictions and gaps as you decide.

AskDonaは、このような情報処理をRAGによって支援します。

AskDona supports exactly this kind of information processing through RAG.

単なるQ&Aではなく、次の判断につながる情報を返すこと。

Not mere Q&A, but information that leads to the next decision.

単なる検索ではなく、業務を前に進めるための根拠を示すこと。

Not mere search, but the evidence to move the work forward.

AskDonaのRAGは、組織のナレッジを、実際の業務判断に使える形へと変えていきます。

AskDona's RAG turns an organization's knowledge into a form you can use for real business decisions.

組織の情報活用を、もっと前に進めるために。

To move organizational use of information further forward.

私たちは、AskDonaを単なるチャットボットとしてではなく、組織の情報活用を支える基盤として育てていきたいと考えています。

We want to grow AskDona not as a mere chatbot, but as a foundation that supports how organizations use information.

組織の中には、まだ十分に活かされていない知識があります。

Inside every organization, there is knowledge that is not yet fully put to use.

• 誰かの経験の中にある知識。
• 過去の資料に残された判断の理由。
• 部門ごとに分かれて保管されている重要な情報。
• 日々の業務の中で積み重なっている、小さな気づき。

• Knowledge held in someone's experience.
• The reasoning behind past decisions, left in old documents.
• Important information stored separately in each department.
• The small insights that accumulate in daily work.

それらは、本来もっと多くの人の判断を助け、行動を後押しできるはずです。

By rights, these should be helping far more people decide and act.

AskDonaは、そのための仕組みをつくっていきます。

AskDona is building the mechanism to make that happen.

• 安心して使えること。
• 必要な人が、必要な情報にたどり着けること。
• 根拠を持って、次の一歩を踏み出せること。

• Something you can use with confidence.
• Where the people who need it can reach the information they need.
• Where you can take the next step with evidence behind you.

私たちは、組織の中で眠っている知識が、誰かの判断を支え、仕事を前に進める力になる未来を目指しています。

We are working toward a future in which the knowledge sleeping inside an organization becomes a force that supports people's decisions and moves work forward.

AskDonaは、組織の知識が、組織のために動きはじめる未来をつくっていきます。

AskDona is creating a future in which an organization's knowledge begins to work for the organization itself.