もう少し詳しく

RAG(Retrieval-Augmented Generation、検索拡張生成)は、AI(大規模言語モデルだいきぼげんごもでるなどの生成AI)が質問に答える際に、あらかじめ学習した知識だけに頼るのではなく、その場で外部の文書やデータベースから関連する情報を検索し、その内容を参考にしながら回答を作り出す仕組みです。AIモデル自体の学習内容は、学習を行った時点までの情報に限られており、最新の出来事や、社内文書のような非公開の情報については元々知りません。RAGは、この弱点を補うために、回答の生成前に「検索」という工程を挟む方法です。

どこで使われるか

RAGは、企業が独自の社内文書やマニュアルをもとに問い合わせに答えるチャットボット、最新のニュースや専門分野の情報を踏まえて回答する検索エンジンの要約機能、カスタマーサポートの自動応答システムなど、幅広い場面で使われています。AIチャットサービスの中には、ウェブ検索の結果を取り込んでから回答を作る機能を備えたものもあり、これも広い意味でのRAGの一種です。

身近な例

たとえば、AIチャットサービスに最近のニュースについて質問すると、AIが学習した時点では存在しなかった出来事についても、ウェブ検索の結果を踏まえた回答が返ってくることがあります。これは、質問に対してまずウェブ検索を行い、見つかった記事の内容を参考にしながら回答を組み立てる、RAGの仕組みが働いている例です。企業の社内システムでも、社内規程やマニュアルを検索対象にしたRAGを導入することで、担当者に聞かなくても社内文書の内容をもとにした回答が得られるようになります。

注意点

RAGは、AIが検索した文書の内容をもとに回答するため、学習内容だけに頼るよりも事実に基づいた正確な回答が期待しやすい仕組みです。しかし、検索対象となる文書自体に誤りがあったり、関連性の低い文書が検索結果に混ざったりすると、その誤った情報をもとに回答が作られてしまう可能性があります。RAGを使っているからといって、AIの回答が常に正確とは限らない点には注意が必要です。特に重要な判断に使う場合は、示された情報の出典を確認する習慣を持つとよいでしょう。