RAG（検索拡張生成）の仕組みは？検索方式や導入例を解説

RAG（検索拡張生成）とは、LLM（大規模言語モデル）が外部にある情報を検索することで、より高精度な回答を生成する技術です。外部情報を「検索フェーズ」で取得し、収集したデータを参考に「生成フェーズ」で回答を生成します。

AI技術を詳しく知りたい方は、
「AI技術とは？人工知能にできることや活用事例・導入方法を解説」
「RAGとは？生成AIとの関係や導入メリット・ポイントを解説」
をご覧ください。

検索フェーズでは、外部情報（最新ニュースや自社の内部情報、各種レポートなど）を検索エンジンから取得します。

 RAG搭載の生成AIシステムに質問すると、入力内容が数値ベクトル（入力した文字を数値の配列に変換する作業）に変換されます。次に数値ベクトルを基に外部情報から類似度検索を行い、最も関連性の高いデータを収集します。

 検索結果で得られた情報は、生成フェーズでのプロンプト（AIへの指示文章）に組み込まれ、最適な回答の作成に活用されます。

ベクトル検索は、入力データ（文章や画像など）を数値ベクトルに変換して単語の関連情報を抽出する方式です。

 ベクトル検索は、ベクトル間の距離を計測することで類似性を判断できる仕組みになっています。これにより、素早く関連情報を抽出できるので、迅速な回答が可能です。

 RAGのベクトル検索は、社内文書を効率的に検索する方式として活用されるケースが多いです。

キーワード検索は、入力したキーワードの類似度（文字列の一致やパターンマッチングなど）から検索する方式です。

 類似文書の検索では、TF-IDF（単語の重要度を測る指標）を基に文書間の類似性を評価しています。従来の検索エンジンと同様に幅広い情報源から該当データを抽出することが可能です。

LINEヤフー株式会社は、RAGを活用した独自ツール「SeekAI」を全従業員向けに開発しました。このツールは、エンジニアが技術情報を検索する際やカスタマーサポート業務などに活用されています。

RAGを採用したことで、約98％という高精度な回答を得られました。この事例は、RAGとAIモデルの連携により、検索効率が大幅に向上した代表例といえます。

東洋建設株式会社では、「K-SAFE東洋 RAG適用Version」という労働災害事例検索システムを導入しました。このシステムは、社内基準にもとづいた情報を素早く抽出し、労働災害防止に向けた対策を講じる上で大きな役割を果たしています。

RAGを活用することで、質問の根拠となる資料を同時に提示できるため、より説得力のある安全指導を行うことが可能です。また、画像を併用することにより、情報共有がしやすくなりました。