2026/11/08
今更聞けないAI知識
AIは資料をどう使って答える？「検索拡張生成（RAG）」を施設の利用案内で読み解きます
この記事の要点
検索拡張生成（RAG）は、質問に関係する資料を探し、回答の材料に加える仕組みです。架空の施設利用案内を例に、検索から文章生成までの流れ、追加学習との違い、資料があっても誤りが残る理由を説明します。結論と根拠を一緒に受け取り、自分の判断に関わる条件を元資料と照合する見方を紹介します。
目次
「資料を参照しました」とある回答を、どこまで信じますか
施設の利用方法をAIに尋ねたところ、分かりやすい説明と一緒に「利用案内を参照しました」と表示されたとします。資料を使っているなら、そのまま予定を立ててもよさそうに感じるかもしれません。ただ、参照した資料があることと、回答のすべてが正しいことは、分けて考える必要があります。
今回取り上げるのは、AIが資料を参照して答えるための「検索拡張生成」です。英語の頭文字からRAGと呼ばれ、日本語では「ラグ」と読むことがあります。一言で表すなら、関連資料を探して、回答を作る材料に加える仕組みです。IBMの解説でも、学習に使ったデータの外にある関連情報源を活用する方法として紹介されています。（出典: IBM）
たとえば、「会議室は何時まで使えますか」という質問に対して、施設の利用案内から関係する記述を探し、その内容を使って説明する場面を考えると、役割をつかみやすいでしょう。この記事では、架空の施設を例に、この流れを追っていきます。実在するサービスの操作方法や、実際に試した結果の紹介ではありません。
押さえたいのは、RAGという名称を覚えることよりも、回答と資料の関係です。どの資料を材料にし、どこまでが資料に書かれている内容なのかが分かれば、AIの説明を確認する場所も絞れます。「資料を使っているから安心です」で終わらせず、「この説明は資料のどの記述に対応しますか」と見ることが、利用の判断につながります。
参考書を開いて説明する作業にたとえると分かります
RAGのイメージは、参考書を開いて質問への説明を作る作業に似ています。施設の受付担当者が、手元の知識だけで答えるのではなく、利用案内の該当箇所を確かめてから説明する場面を想像してみてください。ここでのたとえは、資料を使う流れを理解するためのものです。AIに人間と同じ理解や意識があるという意味ではありません。
流れを分けると、「質問を受け取ります」「関係する資料を探します」「見つかった情報を回答の材料に加えます」「その材料を使って文章を生成します」と整理できます。生成とは、文章などの内容を作り出すことです。検索が材料を見つける役割を担い、生成が質問に合わせて説明を組み立てる役割を担います。IBMは生成AIを、利用者の指示や依頼に応じて文章などの内容を作る技術として説明しています。（出典: IBM）
ここでいう資料は、必ずしもインターネット全体を意味しません。この記事の架空の例では、施設の利用案内と予約案内を検索対象にした仕組みを想定します。その範囲に駐車場の説明がなければ、駐車場の利用条件を裏付ける材料は見つからないでしょう。「検索する」という言葉だけから、あらゆる情報を調べていると受け取らないことが大切です。
また、文章として読みやすくまとめることと、条件を漏らさず伝えることは別の作業です。参考書の一節を短く説明するときにも、例外や対象者を省けば意味が変わります。RAGを見る際も、資料が見つかったかだけでなく、そこにある条件が回答に残っているかを確かめると、仕組みの役割と限界を一緒に捉えられます。
架空の施設案内で、資料から回答への変化を追います
説明用に、架空の「みどり交流館」を考えます。利用案内には「会議室の利用時間は午前9時から午後8時までです」「毎週月曜日は休館です」と書かれ、予約案内には「会議室は事前予約が必要です」と記載されているものとします。これらは仕組みを理解するために用意した架空の条件で、実在施設の情報ではありません。
利用者の質問も架空の例として、「火曜日の午後7時から、予約せずに会議室を使えますか」とします。この質問に答えるには、利用時間だけでは足りません。午後7時が利用時間内かどうかに加えて、事前予約の条件も確認する必要があります。時間の記述だけを材料にして「使えます」と答えれば、予約に関する条件が抜けてしまいます。
資料に沿った回答の作例は、「案内上、午後7時は会議室の利用時間内ですが、利用には事前予約が必要です。予約せずに使えるとは案内されていません」となります。この文章は実際のAI出力ではなく、編集上の例示です。利用者が知りたいことに合わせ、別々の記述を一つの説明にまとめる様子を示しています。
ここから「今度の火曜日に空きがありますか」と聞かれた場合はどうでしょうか。今回用意した資料には、予約の空き状況がありません。そこで「空いています」と答える根拠はなく、「この資料からは空き状況を確認できません」と区切るのが適切です。利用できる時間帯、予約の必要性、実際の空き状況は似ていますが、それぞれ別の情報です。
この違いが分かると、回答の評価も具体的になります。文章の自然さだけを見るのではなく、質問に含まれる条件ごとに、対応する資料があるかを確認できます。説明が短くても、必要な条件と確認できない点が残っていれば、次の問い合わせ先を判断しやすくなるでしょう。
資料を参照することと、AIを追加で学習させることは別です
「資料を読ませる」と聞くと、AIがその内容を新しく覚え込み、以後ずっと知識として使えるようになると想像するかもしれません。しかし、回答の材料として資料を渡すことと、学習によってAIの仕組みを調整することは、区別して捉える必要があります。RAGを理解するうえでは、この違いが一つの分かれ目です。
モデルとは、データから学習したパターンを使って、文章の生成などを行う仕組みです。Google Cloudは、機械学習モデルを、学習用データに対して処理を行うことで得られるものとして説明しています。また、Googleの用語集では、事前に学習したモデルを特定の用途に合わせて追加学習することを「ファインチューニング」と説明しています。（出典: Google Cloud、Google for Developers）
RAGで押さえたいのは、質問への回答時に、関連する資料を材料として利用するという点です。前章の例なら、会議室の利用時間や予約条件を参照して答えることが中心になります。「この回答で資料を使えました」という事実だけから、「その内容がモデルに永久に記憶されました」と判断することはできません。
参考書のたとえに戻れば、学習の話と、説明のためにその場でページを開く話を分けると整理しやすいでしょう。ただし、実際のサービスで資料や会話が保存されるか、別の学習に使われるかは、そのサービスの提供条件を確認する話です。RAGという方式の名前だけでは決まりません。
初心者の段階で、学習の細かな技術まで覚える必要はありません。「回答の材料として使われましたか」と「サービスにどう保存・利用されますか」を別々の疑問として持てれば十分です。資料に基づく回答が得られたことを、記憶やデータの取り扱いに関する保証へ広げない見方ができます。
資料があっても、探し方とまとめ方で誤りは残ります
RAGを使えば、質問に関係する情報を回答の材料に加えられます。それでも、資料を参照したという一点で、正確さが保証されるわけではありません。前章までの流れから考えると、確認する場所は「使った資料」「見つけた箇所」「回答へのまとめ方」に分けられます。これは特定製品の不具合を報告するものではなく、仕組みを読むための整理です。
架空の施設案内で考えてみましょう。古い利用案内を材料にすれば、文章が資料に忠実でも、現在の利用条件とは合わない可能性があります。新しい案内を使っていても、会議室ではなく展示室の利用時間を拾えば、質問と材料が食い違います。正しい箇所を見つけても、「事前予約が必要です」という条件を回答から省けば、利用者の判断を誤らせかねません。
こうした場面では、「資料どおりですか」と「現実の状況に合っていますか」を分けると確認しやすくなります。Googleの用語集でも、出力が現実に基づいている性質を、事実性という概念で説明しています。（出典: Google for Developers）資料と回答が一致していても、その資料が古ければ、今の状況を判断するには別の確認が必要でしょう。
確認の際は、引用の有無だけで満足しないことがポイントです。参照元が示されていても、その箇所に「予約なしで使えます」とは書かれていないかもしれません。利用時間が書かれているページへの案内だけでは、予約条件まで裏付けたことにはなりません。
回答中の「できます」「不要です」「いつでも」といった、行動を決める言葉に注目すると照合しやすくなります。その言葉を支える記述はどこか、例外は省かれていないかを確認してください。文章全体を漠然と疑うよりも、自分の予定を左右する一文に焦点を合わせたほうが、何を確かめるべきかが明確になります。
明日からは、結論と根拠を一組で受け取ります
資料を参照するAIを利用するときの具体的な一歩として、結論だけでなく、根拠となる箇所も一緒に求める方法を提案します。たとえば、「利用できる条件を説明し、根拠となる資料名と該当箇所を示してください。資料で確認できないことは、その旨を分けて伝えてください」という頼み方です。これは入力文の提案であり、この通りに頼めば必ず正確になるという保証ではありません。
プロンプトとは、AIに渡す指示や質問のことです。特別な言い回しを覚えるより、「何を知りたいですか」「何を根拠にしてほしいですか」「分からない場合はどう示してほしいですか」を具体的にするほうが、依頼の目的を整理できます。施設の例なら、「使えますか」だけでなく、曜日、時刻、予約の有無を添えると、確認したい条件が明確になるでしょう。
回答を受け取った後は、自分の判断に関わる条件から元資料と照らし合わせます。会議室なら利用時間と予約条件です。空き状況が資料になければ、その点は施設への問い合わせなどで確かめる対象として残します。参照先を自分で確認できない場合は、確認できた場合と同じ確かさで予定を決めないことも、実用的な判断です。
仕事で使う場合の応用例としては、社内の案内文から申請期限や対象者を整理してもらう場面が考えられます。この場合も、AIの文章だけを転送するのではなく、期限と対象者に対応する原文を確認する進め方を提案します。これは利用方法の例示で、作業時間の短縮や誤りの減少を実測したものではありません。
RAGを知った後は、「AIがそう答えました」に、もう一つ問いを加えられます。「その答えは、どの資料のどの条件から出てきましたか」という問いです。次に資料付きの回答を受け取ったら、自分の行動を決める一文を選び、参照元と照らし合わせてみてください。そこで一致する部分と、追加確認が必要な部分を分けることから始められます。