RAG とは｜社内のマニュアルを使って AI に答えさせる仕組み

RAG とは何ですか

RAG（ラグ）とは、AI に答えさせる前に資料を検索し、見つけた内容を AI に渡して答えさせる仕組みです。 日本語では「検索拡張生成」と呼ばれます。英語の Retrieval-Augmented Generation の頭文字です。この記事では、上の意味で使います（編集部の整理です）。

なぜ生まれたのですか

AI が持つ知識だけでは、答えの根拠を示したり、知識を更新したりすることが難しいためです。 RAG の名前を示した 2020 年の論文（Lewis ほか）の要旨は、次のとおり書いています。

providing provenance for their decisions and updating their world knowledge remain open research problems.

日本語にすると、「判断の根拠を示すことと、知識を更新することは、研究上まだ解決していない課題である」という意味です（訳は編集部です）。同じ要旨は、RAG を次のとおり説明しています。

models which combine pre-trained parametric and non-parametric memory for language generation.

日本語にすると、「あらかじめ作られたモデルの内部の記憶と、外部の記憶を組み合わせて文章を作る方式」という意味です（訳は編集部です）。論文では、外部の記憶として Wikipedia の索引を使っています。社内で使う場合は、外部の記憶の代わりに社内の資料を使います（この当てはめは編集部の整理です）。

どんな流れで答えますか

流れは 4 つに分けられます。 これは編集部の整理で、実際の製品では細部が異なります。

1. 資料を検索できる形にしておく。 マニュアルなどを、探せる単位に分けて登録します。
2. 質問を受けたら、関係のありそうな部分を検索する。
3. 質問と、見つけた部分を、AI に一緒に渡す。
4. AI が、渡された内容をもとに答える。 答えと一緒に、どの資料を使ったかを示せる作りにできます。

社内のマニュアルで使うとき、何が必要ですか

元の資料が正しく、最新であることが必要です。 RAG は資料を探して渡す仕組みなので、資料が古ければ、答えも古くなります。次の 3 点を確かめてください（編集部の整理です）。

• 資料が最新か： 見直しの担当と時期が決まっている。マニュアル管理とはで説明しています。
• 読める人だけが読める作りか： 質問した人が読めない資料の内容を、答えに使わない。
• 答えを人が確かめられるか： どの資料を使ったかが分かる。

会社の知識を集めて共有する進め方は、ナレッジ管理とはで説明しています。

RAG を使えば、AI は間違えませんか

間違えなくなるとは限りません。 資料を渡しても、AI は渡された内容を取り違えたり、資料にないことを補って書いたりすることがあります。AI の答えは、元の資料と照らして確かめます。生成 AI を会社で使い始める進め方は、中小企業の生成 AI 導入で説明しています。

ISSEN LXP では、どうなっていますか

ISSEN LXP の「聞く」は、まず会社のマニュアルを検索し、見つからないときだけ AI を呼びます。会社のマニュアルにある答えを優先するためです。AI が作ったものはすべて下書きとして扱い、最後は管理者が確かめて直します。