RAG（検索拡張生成）とは？-AI関連の用語集【クラベルAI】-

RAG（Retrieval-Augmented Generation）

RAG（検索拡張生成）とは、AIが答える前に資料から関係する情報を探し、それをもとに回答を作る仕組みのことです。AIは学習していない社内の情報を知りません。そこで質問のたびに、マニュアルや規程から関係する部分を探し出して一緒に渡します。根拠となる文書を示せるため、もっともらしい間違い（ハルシネーション）を減らす工夫として広く使われています。

RAG（Retrieval-Augmented Generation）関連用語

RAG（Retrieval-Augmented Generation）に関連する単語は以下の通りです。

• ベクトルデータベース資料はどこに、どんな形で置いておくの？→
• ベクトル検索言葉が違っても関係する資料を探せるのはなぜ？→
• チャンク分割長い資料はどう切って渡すの？→
• ハルシネーションAIの「もっともらしい間違い」を減らせる？→
• 埋め込み（Embedding）文章を数字にするってどういうこと？→
• グラウンディング答えの根拠を示させるには？→

RAG（Retrieval-Augmented Generation）で知っておくと得する有益情報

RAGは便利ですが、資料の質や探し方で結果が大きく変わります。導入の前に知っておきたい点をまとめました。

• 答えの質は資料次第古い資料や重複した資料が混ざると、AIも古い答えを返します。
• 探す工程が要質問に合う部分を正しく探せないと、AIは役に立つ答えを作れません。
• 出典を示せる回答に使った文書を一緒に表示すれば、人が確認しやすくなります。

AIに社内情報を教える主な方法

RAGを始める前の確認チェック

当てはまる項目にチェックを入れてみてください。

• 答えさせたい資料が電子データで集まっている
• 資料の最新版がどれか決まっている
• よく出る質問を10個以上書き出せた
• 閲覧してよい人の範囲を決めている
• 間違いを見つけたら直す担当がいる

確認できた数 0 / 5

まずは資料集めから始めましょう。

RAGは、資料を整えて探しやすくするところから成果が決まります。

RAG（Retrieval-Augmented Generation）やさしい解説

AIに会社のことを聞いても、知らないって言われちゃうよ？

試験で言えば、教科書を持ち込める試験に近いです。暗記ではなく、必要なページを開いて答えます。

ただし開くページを間違えると、答えも外れます。ページを探す力がたいせつです。

たとえば就業規則を読み込ませておくと、「育児休業の申請はいつまで？」と聞くだけで、該当の条文を示しながら答えられます。新人の質問に先輩が毎回答える手間が省けます。規程を改定したら資料を差し替えるだけで、AIの答えも新しくなります。

RAG（Retrieval-Augmented Generation）についてのみんなの疑問

RAGとファインチューニングは何が違うんですか？

RAGは資料を渡す方法、ファインチューニングはAI自体を調整する方法です。社内規程のように更新が多い情報はRAGが向いています。話し方や出力の型をそろえたいときは、調整が候補になります。

RAGなら間違った答えは出なくなりますか？

減らせますが、ゼロにはなりません。探した資料が合っていなかったり、読み違えたりすることがあります。回答に出典を付け、重要な内容は人が確認する運用にしましょう。

社内の機密資料を入れても大丈夫ですか？

サービスのデータ取り扱いと、閲覧できる人の設定を先に確認します。入力した内容を学習に使うかどうかは、サービスや契約で異なります。部署ごとに見せてよい資料を分ける設定も大切です。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方は、ぜひご覧ください。

AI関連の用語集（全用語）気になった言葉は、ここからまとめて探せます。用語集を開く →

参考にした公式情報：RAGの原論文（Lewis ら、2020年、arXiv）

この記事は役に立ちましたか？

はい、役に立った いまいち

この記事をシェア

X Facebook LINE はてブ URLをコピー

ブログやSNSで紹介していただくときは、このページのURLをそのままお使いください（リンクはご自由にどうぞ）。

このサイトをホーム画面に追加

分からない言葉が出たとき、すぐ開けます。