チャットAIを業務で使い始めると、「社内の規程について聞いても、一般論しか返ってこない」という壁に当たります。そこでよく名前が挙がるのがRAGです。この記事では、ふつうのチャットAIとRAGの違いと、どんな業務でRAGを選ぶべきかを解説します。
RAGとは何か?
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そのものではなく、生成AIに「資料を探して渡す」仕組みを組み合わせたものです。
ふつうのチャットAIとRAGは、何が違うのか?
いちばんの違いは、答えのもとになる情報です。ふつうのチャットAIは学習した一般的な知識で答え、RAGは社内の資料を検索して、その内容にもとづいて答えます。
ふつうのチャットAIでも、資料を貼り付けたりファイルを添付したりすれば、その内容をもとに答えられます。ただ、そのたびに人が資料を探して渡す必要があり、一度に渡せる量にも限りがあります。RAGは、この「資料を探して渡す」作業を仕組みにしたもの、と考えると分かりやすいでしょう。
| 比べる点 | ふつうのチャットAI | RAG |
|---|---|---|
| 答えのもとになる情報 | 学習した一般的な知識 | 検索で見つけた社内の資料と、一般的な知識 |
| 社内の規程や製品の情報 | 知らない(資料を貼り付ければ答えられる) | 資料にあれば、それにもとづいて答える |
| 情報の新しさ | 学習した時点までの知識が中心(Webを検索できるものもある) | 資料を差し替えれば、すぐに反映される |
| 根拠の示し方 | どの資料にもとづく答えかを示しにくい | 参照した資料を、答えと一緒に示せる |
| 使い始めるまで | 契約すれば、すぐに使える | 資料の整備と、仕組みの構築が必要 |
どんなときに、RAGを選ぶべきか?
社内の資料にもとづいて答える必要があり、同じような質問が多くの人から繰り返し来る業務なら、RAGが向いています。文章の下書きや要約が中心なら、ふつうのチャットAIで足ります。
- ふつうのチャットAIで足りる場面
- メールや企画書の下書き、会議の記録の要約、アイデア出しなど、社内の資料がなくてもこなせる作業です。
- RAGが向いている場面
- 社内の規程や手続きについての問い合わせ、製品の仕様にもとづく回答の下書き、過去の提案書の検索など、決まった資料にもとづいて答える作業です。
- RAGの効果が大きい場面
- 問い合わせの件数が多い、資料が多すぎて人が探しきれない、答えの根拠を示す必要がある、といった条件が重なる業務です。
RAGにすれば、AIは間違えなくなるのか?
間違いは減りますが、なくなりはしません。資料が古い場合や、検索で適切な資料が見つからない場合には誤った答えをつくることがあるため、次のような工夫で精度を保ちます。
- 古い資料や重複した資料を整理してから、AIに読ませる
- 答えと一緒に参照した資料を示し、利用者が確かめられるようにする
- 部署や役職ごとに、検索できる資料の範囲を分ける
- 社外に出す回答や重要な判断は、人が確かめてから使う
トラックファームでは、RAGをどう組み込んでいるか?
まず、どの業務のどんな質問に答えさせるかを決め、使う資料を一緒に整えてから、RAGの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、費用は150万円から、期間は1〜2ヶ月が目安です。
よくある質問
RAGと、ふつうのチャットAIは何が違いますか?
ふつうのチャットAIは学習した知識で答え、RAGは社内の資料を検索して、その内容にもとづいて答えます。社内の規程に沿った答えが必要なら、RAGが向いています。
チャットAIにファイルを添付すれば、RAGは要りませんか?
資料が少なく、ときどき使うだけなら、ファイルの添付で足りることもあります。ただ、資料が多い場合や、多くの社員が同じ資料をもとに質問する場合は、そのたびに資料を探して渡すのが手間になります。その手間をなくすのがRAGです。
RAGの導入には、いくらかかりますか?
トラックファームでは、生成AIの業務組み込みとして150万円から、期間は1〜2ヶ月が目安です。使い始めてからの運用は、月10万円からを見込んでください。
