例えば、南武線の開通日を調べるときに負荷を軽減すべき作業は？

南武線の開通日を知りたい、しかもググるのではなくて、図書館でそれを明らかにしたい。そういう衝動に駆られることはよくありますが、調査ステップは通常次のようになるかと思います。

①図書館の情報検索端末で、「南武線」とキーワード検索する

②ヒットした図書リストを印刷して、書架を探す

③図書を一冊開き、目次から「歴史」に関する章を特定する

④該当の章を読んで「開通日」関連の記述があるか確認する（「会社設立日」「一部区間開業日」「全線開通日」「国有鉄道化日」「複線化完成日」など）

⑤全ての本を開き同様の対応（③④）を取る

⑥自分が意図した「開通日」に基づき、候補から最適な「開通日」を選択する

ちなみに、川崎駅・登戸駅間と矢向駅・川崎河岸駅間が開業したのは、1927年3月9日です。歴史がありますね！

なお、社内で検索して特定しようとする類の情報群は、ググっても出てこないものがほとんどです。したがって、上記の調査ステップの負荷をいかに軽減するかが重要となります。

最も負荷が掛かっているのは、③〜⑤で、ここがまさに軽減すべき対象となります。そして、AI搭載のエンタープライズ・サーチ・テクノロジーであるIBM Watson Discoveryはそれらを軽減できる機能を備えているのです。従来の高速検索機能に加え、文書構造や回答検索の機能により、さらに効率的な検索を実現します。

③「歴史」に関する章の特定・・・文書構造の理解

Smart Document Understanding（SDU）機能を使って、文書構造を学習させます。それにより、該当章を選ぶ必要がなくなり、さらに章のような長い文書単位ではなく、分割した粒度で選択できます。

④「開通日」の回答箇所の特定・・・回答箇所の提示

AnswerFinding機能を使って、従来のパッセージ（文節）ではなくピンポイントで回答箇所を検索し提示します。それにより、章を選択した後に該当箇所を選ぶといった二段階検索を回避できます。

IBM Watson Discoveryの機能詳細はこちらをご覧ください。