検索が機能すれば、チームは迅速に行動できる —— DevRev の構築方法を紹介

適切な情報が見つからないと、協業はすぐに破綻します。バグ修正を探すエンジニア、リリースノートを調べるプロダクトマネージャー、過去の事例を探すカスタマーサクセス担当 —— もし答えが見つからなければ、チームワークは失速します。

だからこそ、DevRev における検索機能は単なる追加機能ではなく、開発者と顧客の協業を支援する中核的な要素となっています。

以下がその構築方法です：ハイブリッド検索、スマート評価、関連性に基づく再ランク付け。

先日、ライブ配信で当社の検索エンジンを支える技術の裏側を紹介しました。Prateek Jain 氏とのライブディスカッションを逃した方は、こちらで録画をご覧いただけます。

両方の長所を兼ね備えた： ハイブリッド検索の採用

当社の検索戦略の基盤の一つは、従来のキーワードベースの検索と意味を理解するセマンティック検索を組み合わせたハイブリッド検索です。各手法は単独でも有用ですが、単独では限界があります。両者を組み合わせることで、より強力な体験を実現します。

これが重要な理由： おそらく両方の動作を実際に目にされたことがあるでしょう。API v3 の修正といった正確なフレーズが分かっている場合、キーワード検索が直接的な結果を提供します。ファイルアップロードの問題といった概念しか把握していない場合、意味検索は「添付ファイルエラー」や「ドキュメントアップロード失敗」といった表現を、文言が一致しなくても表示できます。ハイブリッド検索は両者を統合するため、精度と柔軟性を同時に実現します。

DevRev 以外でも： このパターンは業界を問わず一般的になりつつある。Eコマースプラットフォームでは「ランニング用の快適な靴」といった意図認識と正確な製品名を組み合わせる。エンタープライズツールでは特定 ID の検索に加え「ストレージ拡張のための設計文書」といった自然な問い合わせを処理できます。 真のコラボレーションを可能にする検索には、両方の手法が連携することが不可欠なのです。

意味の解読： データのセマンティックインデックス化

当社の意味検索機能を実現するため、高度なセマンティック インデックス技術を採用しています。システムは記事やその他のデータを意味のある単位に分解し、テキストの意味的本質を捉えた数値表現であるベクトル埋め込みを生成します。これらの埋め込みはベクトルデータベースに保存され、意味的に類似したコンテンツを迅速に検索することを可能にします。

これが重要な理由： 従来のインデックス作成はキーワードに依存しています。一方、セマンティックインデックスでは、検索エンジンが単語の背後にある概念や関係性を「理解」できるようになります。つまり、ユーザーのクエリに文書内の正確なキーワードが含まれていなくても、その意味に基づいて関連性があるとシステムが判断できるのです。例えば「ファイルアップロードの問題」を検索した際に、「文書添付時に発生する課題」について論じた記事が見つかる ―― これがセマンティックインデックスの真価です。

フィールドとの関係性: 強力な言語モデルとベクトルデータベースの台頭により、意味検索は民主化さ れてきました。この技術はもはや研究機関に限定されず、ユーザーが接触したコンテンツに基づ いて嗜好を理解するレコメンデーションシステムから、質問の意図を理解し大規模な ナレッジベースから関連情報を検索できる質問応答システムまで、幅広いアプリケーションに 統合されつつあります。

成果の測定： パフォーマンス評価

DevRev では、検索機能をリリースしただけで役立つと思うのではなく、パフォーマンス評価を通じて慎重に測定します。そのために、K における再現率、K における精度、K における NDCG などの指標を活用し、検索が適切な結果を適切な順序で提供しているかを把握します。

これが重要な理由： コラボレーション環境では、スピードと正確性は同等に重要です。以下の点を把握する必要があります：関連する情報をすべて提示できているか（再現率）？真に意図に合致する結果のみを表示することで混乱を回避できているか（精度）？そして最も有用な回答が、ユーザーが自然に最初にクリックする上位にランク付けされているか（NDCG）？これらを適切に実現することで、無駄な時間が削減され、チーム間のワークフローが円滑になります。

DevRev 以外： より広範な AI および情報検索コミュニティもこの方向へ進んでいます。直感や単純なキーワードカウントに頼るだけではもはや不十分です。検索、レコメンデーション、質問応答など、人々が日々依存するシステムを改善するための標準として、堅牢で定量的な指標が定着しつつあります。 注目すべきは、エンドユーザーの体験を実際に改善する成果へと焦点が移ったことです。

Reranker による関連性の精査

DevRev で関連性の高い検索結果を提供するための重要なステップが、Reranker です。ハイブリッド検索が候補となる検索結果のセットを収集した後、Reranker はクエリとそれが提示された文脈に対する深い理解に基づいて、それらの順位を再調整します。

これが重要な理由： 検索の第一段階は幅広く情報を収集することです。 Reranker は検索結果をチューニングし、最も有用な結果が上位に表示されるようにします。 ユーザーの最近の活動、DevRev での現在のタスクの文脈、初期処理で見逃された可能性のある微妙な言語シグナルなどの要素を考慮します。実際の運用では、Prateek 氏が類似の課題を検索した際、自身が過去に担当した課題が検索結果の上位に表示されるため、ワークフローがより迅速かつ円滑になりました。

DevRev 以外： リランクは現代の検索システムで一般的な手法となっている。より詳細なモデルを、事前にフィルタリングされた小規模な結果セットに適用することで、プラットフォームは速度を犠牲にすることなく品質を向上させられる。この二段階アプローチは効率的であり、さらに重要なことに、ユーザーが最も必要とする情報が最初に表示されることを保証します。

アプリのデモ

ほぼ同一の課題が 2 件存在し、1 件が検索者に割り当てられ、もう 1 件がチームのメンバーに割り当てられてる場合、Reranker は検索者が所有する課題を優先します。これは、コンテキストに応じたパーソナライゼーションによって、個人にとって最も関連性の高い結果が最初に表示されるため、検索体験がより迅速かつ有用になることを示しています。

まだ続く道のり

検索は決して終わることはありません。DevRev では、新しい手法の実験、モデルの改良、そしてユーザーが実際に製品をどう使っているかに細心の注意を払うことで、絶えず改善を続けています。 当社が重視する点は一貫しています。それは、コラボレーションにおいて、高速で直感的、そして真に役立つと感じられる検索体験を構築することです。

ハイブリッド検索、意味の理解、厳密な評価を組み合わせることで、適切な情報を適切なタイミングで提示するシステムを構築しています。AI の進歩が続く中、開発者やチームが検索に費やす時間を減らし、共に構築する時間を増やせるよう、私たちは適応を続けていきます。

DevRev を支えるテクノロジーに関するさらなる洞察と、日々検索に依存する人々により良いサービスを提供するために、私たちが検索を進化させている方法について、今後の情報にご期待ください。

より詳細を知りたい方は、DevRev Live をご覧ください：過去のエピソードは YouTube プレイリストでご視聴いただけます。今後のライブ配信は YouTube チャンネル登録をお願いします。