検索拡張生成（RAG）

定義

検索拡張生成（RAG）とは、AI モデルが問い合わせの時点で自社のナレッジソースから関連情報を取得し、それに基づいて回答を組み立てる手法です。学習時に記憶した内容だけに頼らずに済みます。

別名: RAG根拠づけされた生成検索による拡張

仕組み

質問が届くと、システムはナレッジベース（ヘルプセンターの記事、ドキュメント、過去のチケット）から最も関連の高い箇所を検索し、その箇所を質問と一緒に言語モデルへ渡します。モデルは、受け取った文脈を使って回答を書きます。

土台のモデルが学習していない内容であっても、RAG ベースのサポートエージェントがあなたの製品、価格、ポリシーについて答えられるのはこのためです。

サポートにとっての意味

RAG は、カスタマーサポートにおけるハルシネーションへの主要な防御策です。実際の自社コンテンツに根拠を置くことで、回答は正確で最新に保たれます。ただし回答の質は、接続したソースの質を超えることはありません。整理された矛盾のないドキュメントは、確かで正しい回答を生みます。古い、あるいは食い違った内容は、自信たっぷりに間違った回答を生みます。

よくある質問

RAG は AI のハルシネーションを止められますか？

取得したソースに回答を根拠づけることで大幅に減らせますが、なくすことはできません。回答の質は、ナレッジソースがどれだけ整理され最新かに左右され続けます。

RAG とは何の略ですか？

Retrieval-Augmented Generation（検索拡張生成）の略です。関連する元資料を取得し、それを使ってモデルの生成する回答を拡張（根拠づけ）することを指します。

ナレッジソースを接続する

検索拡張生成（RAG）

仕組み

サポートにとっての意味

よくある質問

関連用語