まとめ¶
これで Vector Search ハンズオンは完了です。お疲れ様でした 🍺
学んだこと¶
Building Blocks + IBM Bob の価値¶
- 開発時間の大幅短縮: 数日〜数週間かかる開発を約 60 分で完了
- 高品質な実装: ベストプラクティスに基づいたコード生成
- 自然言語での指示: プログラミング知識がなくても機能追加が可能
実装した機能¶
- 商品画像の表示: 検索結果に画像を追加
- 価格フィルター: 価格帯で絞り込み
- レコメンド理由: なぜその商品がおすすめなのかを表示
Vector Search の概要¶
- 言葉の「意味」を理解して検索する
- 従来の文字検索と違い、言い方が違っても似た意味なら見つかる
本番環境への展開¶
現在の構成（学習用）¶
- Hugging Face + Milvus: 完全無料、オフライン対応、学習に最適
IBM 製品への移行¶
- watsonx.ai: エンタープライズグレード、高度なモデル、商用サポート
- watsonx.data: 大規模データ統合、ガバナンス機能、ペタバイト対応
選択ガイド¶
| 規模 | 推奨構成 |
|---|---|
| 学習・PoC・小規模本番 | Hugging Face + Milvus |
| 中規模本番 | watsonx.ai + Milvus |
| 大規模本番 | watsonx.ai + watsonx.data |
顧客システムにおける価値¶
Vector Search を顧客の既存システムに組み込む場合、単に検索 API を作るだけでなく、データ連携、埋め込み生成、ベクトル DB、検索 API、画面表示、運用設計までをつなぐ必要があります。Vector Search Builder + IBM Bob を使うことで、技術選定と実装の土台を再利用しながら、顧客固有の要件に集中できます。
Vector Search Builder なしで顧客システムに組み込む場合:
Vector Search Builder + IBM Bob で顧客システムに組み込む場合:
この違いにより、プロジェクトでは以下の価値を出しやすくなります。
- 立ち上がりが速い: Vector Search の基本構成を短時間で用意できる
- 顧客要件に集中できる: 業務データ、画面、検索条件、説明文などの差別化部分に時間を使える
- 改善を回しやすい: IBM Bob に自然言語で依頼しながら、検索結果や UI を素早く調整できる