RAG（Retrieval-Augmented Generation）ってなに？— はじめてでもスッと分かる超入門
目安時間9分
RAGと聞くと、難しく聞こえますが、簡単に言うと
「まず情報を探してから、その内容をもとにAIが答えを書く」
というやり方です。
目次
RAGをひとことで
- 質問が来る → 関連資料を探す → 見つけた内容をもとにAIが答える
- 「どこに書いてあったか」を示しやすいので根拠がハッキリ
- 社内マニュアル・FAQ・議事録など自分たちの資料を活用できる
RAGは「AIを学習し直す」わけではありません。あくまで検索して文脈を渡すという発想です。
なぜRAGがあるといいのか？
- AIは最新の社内事情を知らないことが多い → 手元の資料を参照できると安心
- 答えの根拠を求められる場面（お客さま対応・監査など）で出典を示せる
- 間違い（思い込み）をへらせる：資料ベースで答えるから
RAGはどう動くのか？（全体像）
- ① 準備：よく使う資料をきれいにして小分け
- ② 検索：質問に合いそうな小分け文書をパッと集める
- ③ 生成：集めた文をそえてAIが回答を書く（引用つき）
- ④ 確認：人がサッと見てOKにする／修正を戻す
RAGを作る4つの部品
1) 資料の用意（前処理）
- 長い文書は段落ごとに小分け（「チャンク」と呼ぶことがあります）
- タイトル・日付・部署などのタグをつけておくと後で便利
- PDFは改行や表が崩れやすいので、できればWordやテキスト化
2) 探しやすくする仕組み
- 似た意味の文を見つけやすくするための数値化（「埋め込み」）
- 検索用の箱に入れておき、上位の候補をサッと取り出せるようにする
- 必要なら通常のキーワード検索も併用（ハイブリッド）
3) 取り出し役（リトリーバ）
- 質問に合いそうな小分け文書を上から数件まとめて引っ張る
- 部署・機密区分・日付などで絞り込みできると安全
- 並び替えの工夫で的外れを減らす
4) 答えを書く役（生成）
- 見つかった文を材料にして、AIが分かりやすく回答
- 「出典リンクを必ず出す」「分からない時は“不明”と答える」などルールを入れる
- 書き方（箇条書き→短い要約など）を型にして固定
RAG活用でつまずきやすいポイントとコツ
- 小分けが雑：文の途中で切ると意味が途切れる → 段落や見出し単位で分ける
- 取り出す数が多すぎ/少なすぎ：ノイズや取りこぼしの原因 → 実測しながら調整
- 根拠が出ない：回答だけだと不安 → 引用を必須に（出典・ページ等）
- 権限ミス：見せてはいけない資料が混ざる → タグで絞り込み＆ログ
RAGの書き方（プロンプト）のミニ型
# あなたの役割：資料の内容だけで答えてください（推測しない）
# 入力：質問、資料抜粋（タイトル・出典・本文）
# ルール：箇条書き→最後に2行の要約／出典を列挙／不明は「不明」と回答
- 「推測しない」「出典を書く」を先に約束しておく
- 仕上がりフォーマット（箇条書き→要約）を固定
- 分からない時のふるまいも決めておく
RAGの活用はまずはここから（小さく試す手順）
- ① 資料を選ぶ：まずはよく参照する10〜20ファイル
- ② きれいにする：段落ごとに小分け、タイトル・日付のタグ付け
- ③ ためしてみる：3〜5個の代表質問で検索→回答→出典確認
- ④ 改善：小分けの粒度／取り出す数／書き方ルールを調整
- ⑤ 本番化：権限フィルタとログ（誰が何を見たか）を用意
RAGに関するよくある質問
Q1. 「学習し直し（微調整）」とRAG、どっちが良い？
- 最新情報や社内資料を使いたい → RAGが向く
- 文体のクセや定型パターンを覚えさせたい → 学習し直しが向く
- 実務は併用が多い（RAG＋軽い学習）
Q2. RAGにすれば間違いはゼロ？
- ゼロではありません。検索の質と出典必須の運用でグッと減らす
- 最後は人の目で確認（重要な回答ほど）
AIの解答は完璧ではありません。
Q3. PDFの表や図はどうする？
- 表はCSV化、図はキャプション（説明文）を付けると検索に引っかかりやすい
- むずかしい所は要点だけ別メモにしておくと便利
まとめ
- RAGは「探してから書く」方式。根拠を示せて安心
- コツは小分け・出典・権限の3点セット
- まずは少数の資料＋代表質問で小さく試す
次の一歩：よく見る資料を10本集めて小分け→ 代表質問で動かす→ 引用つき回答にする
の順で試してみましょう。
