「社内の規程やマニュアルについて、AIに聞けば答えてくれるようにしたい」というご相談が増えています。そのときに使われるのが、RAGと呼ばれる仕組みです。この記事では、RAGとは何か、チャットAIをそのまま使う場合と何が違うのか、中小企業での使いどころと導入の進め方を説明します。
RAGとは
RAG（ラグ）は、Retrieval-Augmented Generationの略で、日本語では「検索拡張生成」と訳されます。生成AIが答えを書く前に、社内の資料やデータベースから関係する情報を探し出し、それを読んだうえで答える仕組みのことです。
ChatGPTのような生成AIは、そのままでは自社の規程やマニュアル、過去の見積り、商品の仕様を知りません。そこで、質問が来るたびに社内の資料から関係する部分を探して渡し、「この資料にもとづいて答えて」と指示します。社内向けの「AIに聞ける問い合わせ窓口」や「社内ナレッジ検索」は、多くがこの仕組みで作られています。
RAGの仕組み
RAGは、大きく分けて準備と回答の2段階で動きます。
- 資料を取り込む（準備） 規程、マニュアル、FAQ、議事録などを集め、AIが探しやすい形に分けて保存します。文章の意味で探せるように、「ベクトル」と呼ばれる数値に変えておくのが一般的です。
- 質問に近い部分を探す（検索） 社員が質問すると、その内容に意味が近い資料の部分をいくつか探し出します。
- 資料をもとに答える（生成） 見つかった部分と質問をあわせて生成AIに渡し、答えを書かせます。どの資料のどこを使ったかを、出典として一緒に表示させることもできます。
チャットAIをそのまま使う場合との違い
| 比べる点 | チャットAIをそのまま使う | RAGを使う |
|---|---|---|
| 社内の情報 | 知らない。毎回、資料を貼り付ける必要がある | 取り込んだ資料から自動で探して使う |
| 答えの根拠 | わからないことが多い | 参照した資料を出典として示せる |
| 情報の更新 | AIの学習時点の知識に頼る | 資料を入れ替えれば、すぐ新しい内容で答える |
| もっともらしい間違い | 起こりやすい | 減らせる（ゼロにはならない） |
AIに自社の情報を覚えさせる方法として、追加で学習させる「ファインチューニング」もあります。ただ、費用と手間が大きく、資料が変わるたびに学習し直す必要があります。社内の資料をもとに答えさせたい、という目的なら、まずはRAGを検討するのが一般的です。
中小企業での使いどころ
社内の問い合わせ窓口
就業規則、経費の精算、各種申請の手順など、総務や経理に繰り返し来る質問に答えさせます。担当者が同じ説明をする時間が減ります。
業務マニュアル・手順書の検索
現場の作業手順や機械の操作方法、トラブル時の対処を、言葉で聞いて探せるようにします。ベテランの頭の中にしかなかった知識を、マニュアルや記録として残すきっかけにもなります。
営業・見積りの下調べ
過去の提案書や見積り、商品の仕様書から、似た案件の情報を探し出します。新人でも過去の事例を参考にしやすくなります。
お客様向けの問い合わせ対応
FAQや商品情報をもとに、Webサイトのチャットで答えさせることもできます。ただし、間違った回答がそのままお客様に届くため、まずは社内向けで精度を確かめてから広げるのが安全です。
導入の進め方と、精度を上げるコツ
資料の整理が、精度の大半を決める
RAGの答えの質は、取り込む資料の質でほぼ決まります。古い版と新しい版が混ざっている、同じことについて資料ごとに書いてあることが違う、といった状態では、AIも迷います。導入の前に、使う資料を選び、古いものを外しておくことが、いちばん効く準備です。
対象を絞って小さく始める
最初から全社の資料を入れるのではなく、「総務の問い合わせ」のように対象を一つに絞って始めます。よく来る質問を20〜30個用意し、正しく答えられるかを確かめながら調整します。進め方は中小企業のAI導入は何から始める？でも説明しています。
見せてよい情報の範囲を決める
人事評価や給与、役員会の資料など、一部の人しか見てはいけない資料を同じ仕組みに入れると、誰でもAI経由で見られてしまうおそれがあります。部署や役職ごとに、検索できる資料を分けて設計してください。社内ルールの作り方は生成AIの社内ガイドラインの作り方にまとめています。
出典を必ず表示させる
答えと一緒に参照した資料へのリンクを出すようにしておくと、社員が元の資料で確かめられます。間違いに気づきやすくなり、資料のどこを直せばよいかもわかります。
作り方の選択肢
- 既製のサービスを使う 資料をアップロードするだけで使える法人向けのサービスや、生成AIの法人プランに付いている機能を使う方法です。早く安く始められる反面、細かい調整や社内システムとの連携には限りがあります。
- 自社向けに開発する 社内のファイルサーバーや業務システムとつなぐ、部署ごとに見せる資料を分ける、回答の形式を決めるなど、業務に合わせて作り込む方法です。費用はかかりますが、使い勝手と精度を上げやすくなります。
まずは既製のサービスで小さく試し、効果が見えてから、足りない部分を開発で補う、という順番がおすすめです。
まとめ
RAGは、社内の資料から関係する情報を探し、それをもとに生成AIに答えさせる仕組みです。社内の問い合わせ窓口やマニュアル検索など、中小企業でも効果が出やすい使い方が多くあります。精度は取り込む資料の整理でほぼ決まるため、使う資料を選び、対象を絞って小さく始め、見せてよい範囲と出典の表示を決めてから広げていってください。
よくある質問
Q.01RAGとは何ですか？
Retrieval-Augmented Generation（検索拡張生成）の略で、生成AIが答える前に社内の資料などから関係する情報を探し、その内容をもとに答える仕組みです。社内ナレッジ検索やAIの問い合わせ窓口の多くがこの仕組みで作られています。
Q.02RAGとファインチューニングの違いは何ですか？
ファインチューニングはAIに追加で学習させる方法で、費用と手間が大きく、資料が変わるたびに学習し直す必要があります。RAGは質問のたびに資料を探して渡すため、資料を入れ替えるだけで新しい内容に対応できます。社内の資料をもとに答えさせたい場合は、まずRAGを検討するのが一般的です。
Q.03RAGを導入すれば、AIは間違えなくなりますか？
間違いは減らせますが、ゼロにはなりません。取り込む資料を整理し、参照した資料を出典として表示させ、大事な判断は人が元の資料で確かめる運用にしてください。