RAG(検索拡張生成)とは？仕組みや活用例を解説

RAG(Retrieval-Augmented Generation、検索拡張生成)は検索と生成AIを組み合わせた革新的な技術です。このページではRAGの概要や強みを解説します。また、RAG技術を応用し、ChatGPTなどの生成AIと連携することで質問応答機能を提供するQuickSolutionについてもご紹介します。

RAG(検索拡張生成)の仕組み

生成AIを企業で最大限に活用するためには、社内情報にもとづいた回答を生成できる必要があります。そこで注目を集めているのが、RAG(Retrieval-Augmented Generation、検索拡張生成)と呼ばれる技術です。

RAGとは、欲しい情報を検索して抽出し、その内容をもとに生成AIに回答を生成させる技術です。これを応用すると、生成AIは学習済の情報だけではなく、未学習の社内情報などからも回答を生成することができます。

RAGの構成

①欲しい情報を検索して抽出

検索によって質問に関連する情報を抽出します。生成AIから正確な回答を得るためには、情報源から抽出される情報が正確である必要があり、検索の精度が重要です。

②生成リクエスト

抽出した情報と指示文を組み合わせたリクエスト(プロンプト)を生成AIに送ります。生成AIから正確な回答を得るためには、プロンプトの評価と精度改善を継続して行う必要があります。

RAGの強み

RAGの強み①　LLMの追加学習は必要ない

RAGと比較される技術には、LLM(Large Language Models、大規模言語モデル)に追加学習させるファインチューニングや転移学習があります。

生成AIとはさまざまなコンテンツを生成するAIの総称であり、その1つにLLMがあります。LLMは自然言語処理に特化した生成AIで、質問への回答生成などを行うことが可能です。例えば、代表的な生成AIサービスであるChatGPTもLLMが回答生成を行っています。LLMは一般的にインターネットから集めた情報を学習しているため、社内情報などに答えることができません。

LLMに社内情報を追加学習させることで社内情報をもとに回答するようになりますが、高スペックのGPUをもつ環境で長時間の学習を行う必要があり、コストが課題になります。頻繁に学習させるとコストがかさむため、常に最新の情報を学習させることもできません。一方でRAGはLLMの追加学習は必要ないため、容易に利用可能であり、最新情報をもとにした回答が可能です。

RAGの強み②　回答精度が高い

ChatGPTなどの生成AIは間違った情報を生成してしまうことがありますが、これは学習データにもとづき確率に従って単語を組み合わせて文章を生成するためです。RAGは検索で抽出した結果を生成AIと連携し回答を生成するため、抽出結果にもとづく正確な回答が得られやすいという利点があります。また、回答が信用できない場合も情報源が明確なため、回答元の確認ができるという利点もあります。

RAGを活用して、社内情報をもとに回答を生成する社内用の生成AIを実現すれば、ナレッジ活用や業務効率化が推進され、企業の競争力強化に大きく貢献します。

RAGを実装するためのポイント

RAGを活用すれば、生成AIに社内情報を回答させることも可能です。ここでは、RAGを活用する際に気を付けるべきポイントについて解説します。

ポイント①　検索エンジンの精度

生成AIで社内情報を活用できれば、ナレッジ活用や業務効率化の推進に繋がります。しかし、RAGによる回答精度が低ければ、でたらめな回答が返ってきてしまい、期待する効果を得られない可能性があります。RAGの回答精度は、検索で抽出した情報に大きく影響を受けます。そのため、高精度な検索エンジンを利用し、適切な情報を抽出することが重要です。

ポイント②　閲覧権限の考慮

閲覧権限の考慮が不十分な場合、生成AIが全ての社内情報をもとに回答を生成してしまう可能性があります。社内で生成AIを利用するためには、ユーザごとに適切な閲覧権限を考慮する必要があります。適切な閲覧権限の考慮が行われていないと、機密情報が漏洩する可能性やセキュリティ上の問題が生じる可能性があります。したがって、閲覧権限の考慮は必要不可欠です。

QuickSolutionは生成AI連携(RAG対応)を提供

QuickSolutionは50TB 1億2000万ファイルのファイルサーバを1台のPCサーバで高速・高精度にセキュア検索できる純国産のエンタープライズサーチ(企業内検索システム)です。ファイルの保存場所を意識することなく、さまざまな形式のファイルを高速かつ横断的にファイルの中身まで検索できます。

QuickSolutionは、RAG技術を応用し、ChatGPTなどの生成AIと連携することで社内外に散在する膨大な企業内情報からユーザが知りたい情報を的確に回答する質問応答機能も提供します。

たとえば、「開発中の製品Aの特長を教えて」や「社内の研修に参加する方法を教えて」などによる質問で問い合わせができ、生成AIからの回答に対して、深掘りした質問や「箇条書きで簡潔にまとめて」等の追加の指示もできます。QuickSolutionの高精度検索で選りすぐられた文書をもとに的確な回答が得られます。さらに、ユーザの閲覧権限も考慮されており、その権限の範囲で回答を行うため、セキュリティ面も安心です。

QuickSolutionの生成AI連携(RAG対応)機能の詳細については、こちらのページもご覧ください。

生成AI連携(RAG)のメリット①　データの保管場所はそのまま

一般的なRAG対応システムは、情報源となるデータをクラウドへアップロードする必要があるものも多くあります。しかし、QuickSolutionでは必要な文書を抽出するためにファイルの保存場所を意識する必要がありません。そのため、データの保管場所はそのままで簡単に利用を始めることができます。

生成AI連携(RAG)のメリット②　膨大な社内情報から正確に回答

20年以上にわたり企業内検索エンジンに求められる精度改善を追求し、高精度検索を実現。また、類似文書集約機能で類似ファイルから最新版のみを抽出することが可能です。回答に必要な文書を適切に抽出することができるため、正確な回答が得られます。生成AIを単体で利用する場合、生成AIの学習データに過去の情報が大量に含まれるため、回答に最新情報が反映されにくいですが、QuickSolutionは最新情報をもとに回答します。

生成AI連携(RAG)のメリット③　回答元文書を個別に選択・除外できる

回答は複数文書を元に生成される場合が多いですが、回答元となる文書をピンポイントに選び、特定の文書から回答させることも可能です。また、回答元から不要な文書を除外し、ユーザが知りたい情報をより的確に回答させることもできます。

生成AI連携(RAG)のメリット④　回答の妥当性確認が容易

対話画面に回答時に参照した文書も表示され、ワンクリックで元ファイルを開くことが可能です。生成AIが複数の情報をもとに回答した場合は、回答の個々の部分に参照した情報を表示するため、生成に使われた内容を素早く確認して回答の妥当性を判断できます。

生成AI連携(RAG)のメリット⑤　利用者の閲覧権限を考慮した回答

情報源が社内情報であるため、利用者の閲覧権限を考慮する必要があります。QuickSolutionは利用者の閲覧権限を考慮して文書の抽出を行うため、セキュアな運用が可能です。

生成AI連携(RAG)のメリット⑥　追加学習させないため安心

生成AIのひとつであるChatGPTなどは入力された質問／回答をトレーニングデータとして使用し、LLMの追加学習を行っています。そのため、個人情報／機密情報を含む質問をした場合、それが学習データとなり情報漏洩のリスクがあります。一方、QuickSolutionの生成AI連携(RAG対応)はLLMの追加学習を行わないため、安心して利用することができます。
※LLMに追加学習させない文脈内学習(In-Context Learning)は行っています。文脈内学習とは、生成AIが持つ学習能力で、少量の例を与えるだけでその文脈からパターンを学習し、そのパターンに沿った文章を生成することです。

生成AI連携(RAG対応)の活用事例

RAGはさまざまなビジネスシーンで活用することができます。具体的な活用事例をご紹介します。

事例①　情報を収集して整理

事例②　過去事例の分析

事例③　社内ルールを調べる

まとめ

このページでは、RAG(Retrieval-Augmented Generation、検索拡張生成)について解説しました。RAGとは、欲しい情報を検索して抽出し、その内容をもとに生成AIに回答を生成させる技術です。RAGの強みとして、LLMに追加学習させる必要がなく、回答精度が高い点が挙げられます。

また、本ページではRAG技術を応用した生成AI連携を提供するQuickSolutionについても紹介しました。QuickSolutionは企業内の膨大な情報からユーザが知りたい情報を的確に回答する機能を提供し、ナレッジ活用や業務効率化に大きく貢献します。関連記事も参考にして、効率的な情報探しを実現する方法をぜひご検討ください。

【関連記事】

• 生成AI連携(RAG対応)
• 生成AI検索とは？社内情報の新しい活用法
• ChatGPTとエンタープライズサーチの違い
• エンタープライズサーチとは？
• AI(人工知能)とは？

生成AI連携(RAG対応)で業務改革した企業

QuickSolutionを導入された企業さまの多くは業務効率化／ナレッジマネジメント／DX推進を実現しています。当ホームページでは多くの活用事例を掲載しておりますが、ここでは生成AI連携(RAG対応)を利用している事例を紹介します。

ダイヘン株式会社

生成AI連携(RAG)を活用し、月1,000万円相当の人件費削減効果を実現

詳しく見る

住友電気工業株式会社

グループ全社規模の大容量RAG基盤を約2週間という短期間で構築

詳しく見る

なお、上記以外のQuickSolution導入事例についてもこちらからご覧いただけます。