本文へ移動
(お問い合わせ)

RAG(検索拡張生成)とは?

RAG(検索拡張生成)とは、AIが答える前に社内の資料を検索し、その内容をもとに回答をつくる仕組みです。社内の規程やマニュアルに沿った答えを返せます。

基板の上に並ぶ半導体チップ

RAG(検索拡張生成)とは、AIが答える前に社内の資料を検索し、その内容をもとに回答をつくる仕組みです。生成AIは、学習した一般的な知識をもとに答えるため、そのままでは社内の規程や最新の情報を知りません。RAGを使うと、社内の資料にもとづいて答えられるようになります。

RAGは、どんな仕組みか?

RAGは、資料を検索する、AIに渡す、答えをつくる、の3つの段階で動きます。

  1. 質問に関係する資料を検索する

    社内の規程やマニュアル、過去の問い合わせなどから、質問に関係する部分を探します。

  2. 見つけた資料をAIに渡す

    検索で見つけた資料を、質問と一緒に生成AIに渡します。

  3. 資料をもとに答えをつくる

    生成AIが、渡された資料の内容をもとに回答をつくります。根拠になった資料を、一緒に示すこともできます。

RAGで、何ができるか?

社内の資料にもとづいて答える必要がある業務に向いています。

  • 社内の規程や手続きについての問い合わせ対応
  • 製品やサービスについての、お客様からの問い合わせへの回答の下書き
  • 過去の提案書や報告書の検索と要約
  • マニュアルを使った、新人の教育

RAGとファインチューニングは、何が違うか?

どちらもAIに社内の知識を使わせる方法ですが、RAGは資料を検索して渡す方法、ファインチューニングはAIそのものを追加で学習させる方法です。

比べる点RAGファインチューニング
仕組み答える前に、資料を検索して渡すAIのモデルを、追加のデータで学習させる
情報の更新資料を差し替えれば、すぐに反映できる学習し直す必要がある
根拠の提示参照した資料を示せる示しにくい
向いている用途社内の規程や最新の情報にもとづく回答文体や専門的な言い回しをそろえること

RAGを導入するときの注意点は?

主な注意点は、資料を整えること、見てよい資料を分けること、人の確認を残すことの3つです。

資料を整える
古い資料や重複した資料が残っていると、AIが誤った答えをつくる原因になります。
見てよい資料を分ける
部署や役職によって見てよい資料が違う場合は、検索できる範囲を利用者ごとに分けます。
人の確認を残す
AIの答えが、いつも正しいとは限りません。重要な回答は、人が確認してから使います。

トラックファームでは、RAGをどう使うか?

社内の問い合わせ対応や、お客様への回答の下書きづくりなどに、RAGを使った仕組みを構築します。顧客データがAIの学習に使われない環境で動かし、資料の整備から一緒に進めます。

よくある質問

RAGを使えば、AIは間違えなくなりますか?

間違いは減りますが、なくなるわけではありません。検索で適切な資料が見つからなかった場合や、資料そのものが古い場合は、誤った答えをつくることがあります。重要な回答は、人が確認する前提で使います。

どんな資料でも使えますか?

文書やPDF、Webページなど、文字で書かれた資料の多くを使えます。図や表が中心の資料は、内容を文字にして整えると、答えの精度が上がります。

最終更新:監修:代表取締役 錦見 穣

まずは無料で、
どこから手をつけるべきかを見立てます。

オンライン面談60分+診断メモ。全国対応です。