Column
50年分の海難事故をAIに問い合わせる——「フィールド対応型RAG」が事故調査を変える
1971〜2025年の韓国海難審判院裁決報告書13,329件を対象に、事故概要・原因・処分の3フィールドを分けて検索するハイブリッドRAGが提案されました。正規化再現率が0.18から0.55へ大幅改善。海運・損害保険・航空・鉄道など規制産業の事故調査自動化に直結する設計思想を、安全管理担当者向けに解説します。
こんにちは。Affectosphere Group の井下です。
海で事故が起きたとき、「同じような事故が過去にあったか、どう対処したか」を調べるのに、今いったいどれくらいの時間がかかっているでしょうか。
海運会社の安全管理担当者、あるいは海上保険の損害調査担当者なら、こういった状況を思い浮かべるかもしれません。
過去の裁決報告書をキーワード検索して、関連しそうな案件を数十件ピックアップする。その後、1件1件読んで類似性を判断する。有識者にヒアリングして、今回の事故との照合作業をする——その頃には数日が過ぎている。
2026年6月にarXivで公開された研究（Seongjin Kim, Sungil Kim; arXiv:2606.13249）は、この問題に対して「フィールド対応型ハイブリッドRAG」という仕組みを提案しています。1971年から2025年にかけての韓国海難審判院の裁決報告書13,329件を対象に、正規化再現率を0.18から0.55に、専門家評価スコアを3.34から3.72に改善した実験結果を報告しています。
今日の3点
- 事故報告書を「概要・原因・処分」の3フィールドに分けて検索することで、従来の単一フィールド検索より大幅に改善する。
- スパース検索（キーワード）とデンス検索（意味的類似度）を統合したハイブリッド検索と、階層的原因タクソノミーの組み合わせが効果的。
- 「フィールド対応型RAG」という設計手法は海運にとどまらず、航空・鉄道・原子力など規制産業の事故調査自動化に転用できる。
① なぜ「フィールドを分けて検索」するのか
従来のRAGシステムは、文書全体を一塊として扱うことが多いです。
海難事故報告書のような構造化されたドキュメントでは、これが問題になります。報告書の「概要」セクションには事故の経緯が書かれていて、「原因」セクションには根本的な要因が書かれていて、「処分」セクションには行政的な対応が書かれています。
「同じ原因パターンの過去事例を探したい」という問いに答えるには、「原因」フィールドを重点的に検索する必要があります。「類似した状況での判断先例を探したい」なら「処分」フィールドが重要です。
一塊で検索すると、「概要」に書かれた場所・船種・気象条件が強く反映されて、本当に知りたい「原因」や「処分」のパターンが埋もれてしまいます。
研究が提案するのは、この3フィールドそれぞれに対して独立した検索スコアを算出し、統合する「フィールド対応型」アーキテクチャです。
② スパース検索とデンス検索の統合
フィールド対応に加えて、研究は「スパース検索」と「デンス検索」を統合するハイブリッドアプローチを採用しています。
スパース検索は、キーワードの完全一致や出現頻度に基づく伝統的な検索です。「船舶衝突」「視界不良」「航路逸脱」といった具体的な用語の一致に強い。
デンス検索は、テキストを数値ベクトルに変換して意味的な類似度を計算します。「見張り不足」と「監視態勢の不備」のような表現のゆれを吸収できる。
どちらか一方だけでは不完全です。スパース検索は同義語や表現のゆれに弱く、デンス検索は具体的な専門用語や固有名詞の一致に弱い。両者を統合することで、それぞれの弱点を補い合えます。
さらに研究では、階層的原因タクソノミー（原因の分類体系）を組み合わせることで、「この事故の根本原因はどのカテゴリか」を構造的に分析する仕組みも加えています。
③ 実験結果が示す改善幅
定量的な結果をそのまま伝えます。
正規化再現率は0.18から0.55に改善しました。これは「本来返すべき関連事例のうち、どれだけ返せたか」の指標です。従来の3倍以上に改善しています。
専門家による評価スコアも3.34から3.72に上がっています。数値で見ると差が小さく見えるかもしれませんが、「専門家が使い物になると評価するか」という実用的な指標での改善です。
報告書の起草支援においても、フィールド対応型アプローチが先例検索と証拠ベースの記述の両面で効果的だったと報告されています。
ビジネス応用：海運会社の安全管理システムに組み込む
この研究の知見は、いくつかの具体的な業務に直結します。
海運会社の安全管理担当者にとって、最もすぐに価値が出そうなのは「新規事故発生時の類似先例検索」です。
事故が起きたとき、「過去に同じような状況でどういう判断が下されたか」を素早く把握することは、当事者の初期対応と社内報告の両方で重要です。今は担当者が手動で探していたこの作業を、フィールド対応型RAGで半自動化できる可能性があります。
損害保険会社の海上保険損害調査にも応用できます。事故の根本原因を特定するための類似事例検索は、保険金支払いの判断根拠づくりに直結します。「同類事故での過去の処分パターン」を素早く参照できれば、調査の精度と速度が上がります。
KPIとしては「類似先例検索のリードタイム」と「専門家が参照すると判断した先例の件数」が測定しやすいです。
さらに視野を広げると、このフィールド対応型RAGという設計手法は海運に限りません。航空事故調査、鉄道インシデント報告、原子力プラントの異常事象記録——どれも「概要・原因・処分（または措置）」という構造を持っており、同じアーキテクチャが転用できます。
注意点：13,329件の裁決報告書という資産がある前提
この研究が成立しているのは、1971年から2025年という半世紀以上にわたる韓国海難審判院の裁決報告書が構造化されて蓄積されているからです。
どの組織でもすぐに同じことができるわけではありません。「過去の事故報告書がデジタル化されていない」「フィールドが統一されていない」「言語が複数にまたがっている」——こういった組織では、まずデータ整備が必要になります。
自社や業界の事故報告書がどこまで構造化・デジタル化されているかを確認するところから始めるのが現実的な第一歩です。
また、この研究はまだarXivプレプリント段階です。実際の業務システムへの統合に向けては、自組織のドメイン特有の語彙・分類体系への適応が別途必要になります。
締め
「同じ事故を繰り返さない」——安全管理の世界では、この言葉は単なるスローガンではなく、具体的な業務設計の問題です。
過去の事故から学ぶためには、過去の事故を素早く、正確に、目的に応じて参照できる仕組みが必要です。
フィールド対応型RAGが示しているのは、「どんな問いに答えたいかによって、文書の何を検索すべきかは変わる」という当たり前だけど見過ごされがちな設計思想です。
事故調査の現場でAI活用を検討している方には、「フィールドを分けて設計する」という発想を起点に持っておく価値があると思います。
では！
参考論文
- Seongjin Kim, Sungil Kim (2026). Multi-Field Hybrid Retrieval-Augmented Generation for Maritime Accident Root Cause Analysis. arXiv preprint arXiv:2606.13249.
※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。