01 / UNDERSTAND
仕組みと使いどころ
検索拡張は、Retrieval-Augmented Generation（RAG）の仕組みを説明する際に、利用者の質問に関連する外部情報を取得し、その情報を質問とともに生成モデルへ渡す処理を指す文脈上の表現である。資料が定義している正式な概念はRAGであり、「Retrieval Augmentation」を独立した方式や「RAGの検索部分」という固有の構成部品名として定義しているわけではない。RAGでは、社内文書などを埋め込みへ変換してベクトルデータベースに格納し、質問との類似性に基づいて関連情報を取得する構成が使われる。取得情報をプロンプトの文脈へ追加することで、モデルを再学習せずに組織固有または更新された情報を回答へ反映できる。出典や参照先を回答に含めれば、利用者による原文確認にも役立つ。ただし、取得情報が不適切、古い、または不足していれば回答も不正確になり得るため、RAGは誤りを完全に防ぐものではない。
02 / IN PRACTICE
Retrieval Augmentationの活用例
たとえば、こんな場面で
社内規程への質問に対し、関連する休暇規程や利用者の休暇記録を取得し、それらを文脈として生成モデルへ渡して回答を作る。
03 / GOOD TO KNOW
使うときのポイント
検索対象の更新状況とアクセス権を管理し、取得した情報と原文へ戻れる参照先を表示する。重要な判断では生成された回答だけでなく原文も確認する。
参考資料
Understanding Retrieval Augmented Generation - AWS Prescriptive Guidance （新しいタブで開きます）What is RAG? - Retrieval-Augmented Generation AI Explained - AWS （新しいタブで開きます）What is RAG (Retrieval Augmented Generation)? | IBM （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。