この用語の意味
RAG（検索拡張生成）は、質問に応じて社内文書、マニュアル、データベースなどから関連する情報を検索し、その内容を材料に生成AIが回答を作る仕組みです。AIが学習済みの知識だけで答えるのではなく、検索で取り出した情報を回答時の文脈として渡します。
「社内AI」「マニュアル検索」「規程を調べるチャット」の説明で使われることが多い言葉です。ただし、検索結果に古い資料や誤った資料が含まれていれば、回答も正しいとは限りません。
何ができるか
- 社内規程、手順書、商品資料などから、質問に関係する箇所を探す
- 複数の資料を横断して、回答のたたき台や確認箇所を整理する
- 回答と一緒に参照元を示せる設計にし、担当者が元資料へ戻って確認しやすくする
実際に使うために必要なもの
検索対象にする文書の保管場所、最新版を管理する担当者、閲覧権限、更新手順を決めます。個人情報や社外秘の情報を含む資料は、利用するサービスのデータ利用条件と組織内のルールを確認し、登録範囲を必要最小限にします。
文書を整理・分割して検索用の索引を作る処理、検索基盤、生成モデル、文書の更新と削除を反映する担当者が必要です。索引の作成・更新、保存、検索、生成の費用と、文書ごとの閲覧権限を確認します。
小さく試す運用例
まず、改定履歴が分かる少数の問い合わせ手順書だけを検索対象にします。担当者が実際の質問を10件ほど用意し、回答に示された参照元と元資料を見比べます。回答の正しさだけでなく、検索漏れ、古い資料の混入、回答できない質問を記録し、対象文書や検索条件を見直します。
人が確認すること・注意点
検索した文書内の指示を、実行すべき命令として扱いません。根拠が見つからない、資料同士が矛盾する、権限外の文書しかない場合は回答を保留し、担当者へ引き継ぎます。
- 回答だけで判断せず、必要に応じて参照元の文書と改定日を確認します。
- 検索対象の文書に閲覧権限の違いがある場合は、利用者ごとに見せてよい情報を分けます。
- 人事、契約、法務、安全などの重要な判断は、RAGの回答を根拠の一つとして扱い、担当者や専門家が最終確認します。
関連する事例・テンプレート
RAGの回答を作るAIの基本はAI（生成AI）、文章の理解と生成に使われるモデルは大規模言語モデル（LLM）を参照してください。技術的な定義はNISTの用語集、考え方の原点はRAGの原論文で確認できます。
関連する記事：社内資料を整理してAIの読込量を減らす 文書インデックス作成テンプレート
RAGから文書台帳・権限・根拠表示を持つ構築例へ進める：NASと社内Webアプリでつくる文書管理・AI検索の構築ガイド
検索で資料を絞る仕組みを読込量削減の運用へつなぐ：社内AIのトークン使用量を減らすには？ 速度と使用量を減らす運用案