RAG

一言で

RAGとは、AIが回答を生成する前に外部のデータベースから関連情報を検索し、その情報を根拠として答えを組み立てる仕組みのことです。

もう少し詳しく

通常のLLMは学習データに含まれない情報は知りません。社内マニュアルや最新ニュースを聞いても、適当に作り話（ハルシネーション）をしてしまうことがあります。

RAGはこの弱点を解決します。質問が来たらまず社内文書や公式サイトを検索し、見つかった関連箇所をプロンプトに添えてからAIに渡します。AIは渡された資料を根拠に回答するため、ハルシネーションが大幅に減り、出典の追跡もできるようになります。2026年の企業AI導入では、社内チャットボットや顧客サポートの中核技術として広く使われています。

主な特徴

• 最新情報に対応: モデルを再学習しなくても、データベースを更新すれば反映される
• 根拠が示せる: どの文書から答えを引いたか、出典付きで提示できる
• コストが安い: ファインチューニングに比べて圧倒的に安価かつ高速

使われ方の例

• 社内規程・マニュアル検索のチャットボット
• 自社製品のFAQ自動応答
• 法律文書・論文の調査アシスタント
• 複数エージェントが分担して検索・検証・統合する「Agentic RAG」（2026年の主流パターン）

関連する話題

モデル自体に知識を覚え込ませたい場合はファインチューニング、検索した文書を全部読ませる箱はコンテキストウィンドウを参照してください。