RAG（検索拡張生成）

RAG（検索拡張生成）とは、AIが質問に答える前に、関連する情報を外部のデータベースや文書から検索し、その検索結果を踏まえたうえで回答を生成する仕組みのことです。AIモデル自身が学習した知識だけに頼るのではなく、必要なときに最新の情報や専門的な情報を「調べてから答える」という一手間を加えるイメージです。

RAGを使う利点は主に2つあります。1つは、AIモデルが学習した時点より新しい情報や、学習データに含まれていなかった社内固有の情報にも対応できるようになること。もう1つは、回答の根拠となった情報源を明示しやすくなり、ハルシネーション（事実に基づかない出力）のリスクを抑えやすくなることです。

実務では、社内のマニュアルやFAQをあらかじめベクトルデータベースに登録しておき、ユーザーの質問に関連する部分を検索して、その内容をもとにAIが回答を作る、という形でRAGが使われます。ファインチューニングと比べて構築の手間が少なく、情報の更新もしやすいため、社内向けAIチャットボットなどでよく採用される手法です。

社内規定に関する質問に対し、まず関連する規定文書を検索し、その内容をもとにAIが回答を生成する社内向けチャットボットは、RAGの典型的な活用例です。

• 埋め込み（エンベディング）
• ベクトルデータベース
• ハルシネーション
• ファインチューニングとRAGの使い分け
• コンテキストエンジニアリング