Decision-1をRAGに組み込む：設計・検証・運用の実践：全6回の連載案内

判定を追加すると、RAGの何が変わるか

検索した根拠を絞る、回答できるかを判定する、候補を並べ替える。Microsoft-Decision-1（以下、Decision-1）を検索拡張生成（RAG）へ組み込むとき、どの役割を任せると改善につながるのでしょうか。

この連載は、筆者が2026年10月16日から20日に行った比較検証を基にした実践記録です。判定専用モデルのJevの登場をきっかけに関心を持った使い方を出発点に、仮説、環境、評価方法、結果、導入判断をたどります。Jev自体の性能評価や、JevとDecision-1の直接比較は行っていません。

RAGの基本的な検索と回答生成を知っており、構成の追加が品質と運用に見合うか判断したい開発者・設計者を想定しています。

回	記事	読後に判断できること
第1回	第1回 Jevの登場から考える、判定専用モデルをRAGに組み込む意味	判定を置く役割と、確かめる仮説を決める
第2回	第2回検証環境を作る：Microsoft Foundryとローカル検索基盤（公開予定）	評価の実行場所、接続、再現に必要な材料を整理する
第3回	第3回 RAGの改善をどう測るか：質問セットと評価方法（公開予定）	質問と指標を用意し、比較結果の限界を読む
第4回	第4回結果を読む：リランクの改善と、フィルター・ゲートが効く条件（公開予定）	生成モデルや失敗の種類に応じて結果を解釈する
第5回	第5回導入を判断する：待ち時間・費用・運用条件（公開予定）	品質と処理量、総費用を合わせて採否を考える
第6回・番外編	第6回番外編：この検証から得た、ほかの開発プロジェクトでも使えるTipsと学び（公開予定）	データ品質、再開、レビュー、費用記録、AIとの協働を自分の開発へ応用する

初めて読む方は第1回から順に進めると、仮説と結果の関係を追えます。検証方法を整えたい方は第3回、採否を考えたい方は第4・5回、ほかの開発へ学びを持ち帰りたい方は第6回から読むこともできます。

構成	検索候補と生成前の処理
A	検索上位5件をそのまま使う基準構成
B	10件をDecision-1の関連性判定で絞る
C	Bに、根拠0件または不十分なら生成しない処理を加える
D	20件をDecision-1の有用性評価で並べ替え、5件を選ぶ
E	10件を汎用の生成モデルによる関連性判定で絞る

対象はMicrosoft Learn日本語版のAzure Storageに関する302記事と、テスト用96問です。主評価はgpt-6-luna、追加評価はgpt-5-nanoとPhi-4-mini-instructを使っています。実施内容と結果の出典は各回に掲載しています。

回答スコアは、正解1点、部分正解0.5点、不正解0点の平均です。完全正解の件数割合ではありません。また、検索候補数も構成によって異なるため、構成全体の効果とDecision-1単独の効果を分けて考えます。

質問セットは人が全件確認しましたが、生成回答への採点結果の人手確認は未実施です。記事では実測、記録に基づく解釈、追加の設計提案を区別します。執筆時にAPIの再測定は行っていません。

2026年10月28日から、土日・日本の祝日を除く営業日に1回ずつ、全6回を公開予定です。第1回とこの案内は10月28日、第6回の番外編は11月5日を予定しています。連載全体は「LLM・AIアプリ設計」カテゴリーで扱います。