RAG（検索拡張生成）

解説

RAGは Retrieval-Augmented Generation の略で、日本語では検索拡張生成と呼ばれます。生成AI単体は、学習した一般的な知識しか持たず、自社の料金体系、仕様、運用ルールを知りません。そのため、生成AIをそのまま使うと、もっともらしい誤回答を返すことがあります。RAGでは、回答の前に自社のFAQやマニュアルから関連する箇所を検索し、検索した内容を根拠として生成AIに回答を作らせることで、誤回答を抑えます。

仕組み

RAGは、次の流れで回答を返します。

1. 質問を受け取る
2. 自社の文書から関連する箇所を検索する（ベクトル検索など）
3. 検索した箇所を根拠として添え、生成AIに回答を作らせる
4. 参照した記事を出典として回答とあわせて表示する（表示するかどうかは製品によって異なります）

実務での使われ方

RAGは、顧客向けのボットだけでなく、オペレーターが応対中に社内資料を探す用途でも使われます。導入を検討する際は、AIの選定よりも先に、どの文書を検索対象に入れるかの線引きを決めます。

注意点

根拠を与えても、ハルシネーションがゼロになるわけではありません。検索で関連する箇所を拾えなければ正しく答えられず、古い記事を拾えば古い内容の回答を返します。したがって、元のナレッジの精度と新しさが、そのまま回答品質を左右します。