RAGとは、大規模言語モデル（LLM）に検索機能を組み合わせた技術で外部リソースを利用し、リアルタイムの情報を基に回答を生成する技術です。

解説

RAG（検索拡張生成、Retrieval-Augmented Generation）は、情報検索技術と生成型AIを組み合わせた技術で、具体的には、大規模なデータベースやオンラインリソースから情報を検索し、その情報をもとに新しい文章や回答を生成するプロセスを指します。

この技術は、通常のテキスト生成モデルでは得られない、より精密でコンテクストに基づいた回答を可能にします。

例えば、企業のFAQシステムでは、ユーザーの質問に対して最も関連性の高い情報を即座に検索し、その情報を元に自然な言語で回答を提供することができます。

この方法により、単なるテキスト生成よりも信頼性の高い結果が得られるため、カスタマーサポートや情報検索システムでの活用が期待されています。

通常の生成AIとの違い

RAG（検索拡張生成）と通常の生成AI（例えば、ChatGPT）には以下のような違いがあります。

通常の生成AI

訓練データに基づいて生成を行います。これは、事前に大量のテキストデータを使って学習されており、応答はこの学習データに依存しています。モデル内の知識は更新されない限り変わらず、リアルタイムの情報生成には向いていません。

例えば、ある顧客が「A製品」の最新のソフトウェアアップデート情報を問い合わせたとした場合、ここでの回答は過去の一般的な情報に基づいた回答になり、具体的な最新情報を提供できません。（事前に情報がない場合は、回答できない、もしくはハルシネーションが発生する可能性があります。）

RAG（検索拡張生成）

事前に学習している情報に加え、リアルタイムで外部のデータベースやインターネットから検索し、その情報を組み合わせて新しい回答を生成します。RAGは、外部から取得した最新の情報を利用することで、より正確で最新の回答を提供することが可能です。

「A製品」の最新のソフトウェアアップデート情報を問い合わせたとした場合、先程の通常の生成AIでは答えられない内容も、ソフトウェア・アップデート情報を外部のデータベースに格納しておくことで、外部から最新の情報を検索して生成するため、具体的かつリアルタイムの情報を提供できます。（ハルシネーションの発生の低下）

コールセンターやコンタクトセンターでは、情報やナレッジに更新される頻度も多いため、生成AIを利用する場合はRAGの技術が利用されることが多くあります。

利用シーン

より簡単な説明

RAG（検索拡張生成）は、コンピューターが外部のデータベースやマニュアル、ナレッジベースから必要な情報を探し、その情報を基に新しい回答を作る技術です。

例えば、あなたが「A製品の使い方」を知りたいと考えたとします。普通の生成AIは、その製品について過去に学んだことをもとに一般的な説明をします。しかし、RAGは実際に「A製品の取扱説明書」や「製品に関する最新の情報」を探して、具体的で最新の使い方についての答えを作ります。

これにより、もっと詳しく正確な情報を、あまり時間をかけずに得ることができるのです。つまり、外部のデータから得た具体的な情報を活用することで、質問に対してより的確な答えが提供されるというわけです。

類義語・関連用語

生成AI、LLM、取得拡張生成

読み方・表記

RAGは、英語で"Retrieval-Augmented Generation"と表現されます。日本語の業界では「RAG」「検索拡張生成」という用語も用いられます。

---