本文へ移動
(お問い合わせ)

RAG入門:仕組みから、導入の手順まで

RAG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。導入では、AIの性能より資料の整備に時間をかけます。

暗い部屋で、大画面とノートPCを前に作業する男性の後ろ姿

生成AIに社内の規程や製品のことを聞いても、一般的な答えしか返ってきません。社内の事情に合った答えを返すための代表的な方法が、RAGです。このガイドでは、RAGの仕組みから、向いている業務、導入の手順、つまずきやすい点までを解説します。

RAGは、どんな仕組みで答えをつくるのか?

RAGは、質問に関係する部分を社内の資料から探し出し、その部分を質問と一緒にAIへ渡して答えをつくらせます。AIは渡された資料をもとに答えるため、社内の事情に沿った回答になり、根拠になった資料も示せます。

  1. 資料を登録する

    規程やマニュアルを小さな段落に分け、意味で検索できる形(埋め込み)にして保存しておきます。

  2. 質問に近い部分を探す

    質問が来たら、登録した資料の中から、内容の近い段落をいくつか探し出します。

  3. 資料と質問をAIに渡す

    探し出した段落と質問をまとめてAIに渡し、その内容をもとに答えるよう指示します。

  4. 答えと根拠を返す

    AIがつくった答えに、もとになった資料の名前や場所を添えて返します。

RAGは、どんな業務に向いているか?

答えのもとになる資料が文章でそろっていて、同じような質問がくり返し来る業務に向いています。社内の問い合わせ対応、カスタマーサポート、営業の資料探しなどが代表的です。

一方で、売上の合計を出す、在庫の数を答えるといった、データベースの数字を集計する作業は、RAGだけでは苦手です。こうした作業は、データを直接読み出す仕組みと組み合わせて考えます。

業務使う資料たとえば
社内の問い合わせ対応就業規則、経費の規程、社内の手続きの案内「出張の日当はいくらか」「休暇の申請はどうするか」に答える
カスタマーサポート製品マニュアル、過去の問い合わせと回答担当者が返す回答の下書きをつくる
営業提案書、製品資料、導入事例お客様の業種に近い提案書や事例を探す
技術・保守作業の手順書、トラブルの記録似た不具合と、そのときの対応を探す

RAGの導入は、どんな手順で進めるのか?

対象の業務と質問を決める、資料を集めて整える、試作して答えを評価する、見てよい範囲と運用のルールを決める、業務に組み込んで改善する、の5つの手順で進めます。

  1. 対象の業務と質問を決める

    誰が、どんな質問をするのかを決めます。実際によく来る質問を20〜30件ほど集めておくと、あとの評価に使えます。

  2. 資料を集めて整える

    使う資料を決め、古い版や重複した資料を外します。図や表が中心の資料は、内容を文字にしておくと答えの精度が上がります。

  3. 試作して答えを評価する

    集めた質問で試し、答えが正しいか、根拠の資料が合っているかを確かめます。うまく答えられない質問から、足りない資料が見えてきます。

  4. 見てよい範囲と運用を決める

    部署や役職によって見てよい資料を分け、資料を更新する担当者と手順を決めます。

  5. 業務に組み込んで改善する

    日々使う画面や手順の中に組み込み、答えられなかった質問をもとに、資料や指示の出し方を直していきます。

RAGで、つまずきやすい点は何か?

よくあるつまずきは、資料が整っていないまま始めること、見てよい範囲を分けていないこと、答えをそのまま使ってしまうことの3つです。

資料が整っていない
古い規程と新しい規程が両方残っていると、AIは古いほうをもとに答えることがあります。答えの質は、資料の質でほぼ決まります。
見てよい範囲を分けていない
人事や経営の資料まで同じように検索できると、本来見られない人に内容が伝わってしまいます。
答えをそのまま使う
RAGでも、AIが事実と違う答えをつくること(ハルシネーション)は起こります。根拠の資料を確かめる習慣を、使い方のルールに入れておきます。

トラックファームでは、RAGの導入をどう支援しているか?

無料の診断で業務と資料の状態をうかがい、PoCで回答の質を確かめてから、本番の仕組みをつくります。費用の目安は、開発が150万円から(期間は1〜2ヶ月)、運用が月10万円から、PoCは50万円からです。

  1. 無料 DX・AI 診断

    60分の面談で現状をうかがい、課題の見立てをお伝えします。

  2. 業務と資料の確認

    AIに任せたい業務と、使える資料の状態を確かめます。

  3. PoC(小さな検証)

    対象をしぼって試作し、回答の質を確かめます。

  4. 本番の構築

    社内で使うAIの仕組みを構築し、利用ルールを整えます。

  5. 運用と改善

    使われ方と回答の質を確かめながら、資料の追加や改善を続けます。

よくある質問

RAGと、AIの追加学習(ファインチューニング)は、何が違いますか?

RAGは答えるたびに資料を検索し、追加学習はAIそのものに知識や書き方を覚えさせます。規程やマニュアルのように内容が更新される資料を使うなら、資料を差し替えるだけで答えが変わるRAGのほうが扱いやすいです。

RAGの答えは、いつも正しいですか?

いつも正しいとは限りません。資料が古かったり、質問に合う部分が見つからなかったりすると、誤った答えになることがあります。根拠の資料を示し、重要な回答は人が確かめてから使う流れにしておきます。

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。