RAGはAIが外部の情報を検索してから回答する仕組み。ハルシネーション対策として注目の技術を解説します。
RAG（Retrieval-Augmented Generation：検索拡張生成）は、LLMが回答する前に外部のデータベースや社内文書を検索し、その結果をもとに回答を生成する仕組みです。
なぜRAGが必要なのか
LLMは学習時点までの情報しか知らず、社内のマニュアルや最新の資料については正確に答えられません。RAGを使えば、AIがまず正しい資料を探してから回答するため、情報の鮮度と正確性が大きく向上します。
RAGの代表的な活用例
- 社内FAQチャットボット：マニュアルを検索して回答
- カスタマーサポート：過去の対応履歴をもとに返信案を作成
- リサーチ支援：複数の資料を読み込んで要点をまとめる
導入のポイント
RAGは「検索の質」で成果が決まります。資料を整理し、どこを検索対象にするかを設計することが重要です。まずは小さな資料セットで試して精度を確かめるのがおすすめです。
関連するAI用語辞典
関連チュートリアル
関連プロンプト
関連ツール
本記事にはアフィリエイトリンクを含む場合があります。経由での申し込み時に当サイトが報酬を受け取ることがありますが、掲載内容・評価は報酬の有無に左右されません。記載情報は公開時点のものであり、最新情報は各公式サイトをご確認ください。
編集部の評価方法論を見る →