この教材の目次を開く
回答はこのページを開いている間だけ保持します。別のページへ移動・再読み込みすると消えます。保存されるのは読み方の設定だけです。
「保存済みです。」と表示された回答は、同じブラウザーでこの教材を開き直すと復元できます。
1外の資料を探してから、答えをつくる
資料を探しても、答えを確かめるのはなぜ？
この節で使う言葉：RAG・メタデータ・取得ログ
この節の学習目標：質問と検索した資料をAIに渡して答えを作る流れと、最後に根拠を確かめる理由を説明できる。
旅行二日目の見学が中止になり、泊まるか日帰りに変えるか迷う二人。AIは前日でも取消無料と答えますが、予約したプランAには前日から宿泊料金の100％とあります。同じホテルでも、プランが違えば条件は変わります。今回の予約と条件をそろえて回答を照合し、すぐには取り消さず、帰り方も含めて比べることにしました。
質問に関係する資料を探してAIに渡し、答えが資料の内容に合っているか確かめます。
同じホテルでも、プランが違う
この話で学ぶこと：元の質問に今回の予約条件をそろえた資料を添え、答えを原資料と比べる。
会話を文章で読む
場面：2025年10月9日、出発前の荷造り。ハル左、ミオ右。開いた鞄を前に、ミオが自分向きの通知を読んで衣類を入れる手を止める。
ミオ「旅行2日目の見学、中止だって。日帰りに変えるなら、宿も取り消そうか。」場面：ハルは自分向きのPCで回答を見てからミオへ顔を向ける。取消の手続きは開いていない。
ハル「AIには、前日でも取消料はかからないって出てる。」場面：ミオの右肩越しに、机へ平らに置いた予約確認書とプランA利用条件を二つの手で読む。
ミオ「でも、予約したプランAには、前日から取消料があるよ。」場面：二人は左右を保って机上の書類を見る。中央手前の机に座ったビットが今回のプランと日付を問いかける。
ビット「同じホテルでも、今回のプランと日付は合っている？」場面：二人の肩越しに、プランA、10月10日泊、前日から宿泊料金100%の条件を机上で照合する。今日9日の取消が前日に当たるとハルが読む。
ハル「プランAで、10月10日泊。今日9日の取消なら、前日に当たるね。」場面：出発前の同じ机でミオ右が平らに置いたプランA条件と予約確認書を読む。ハル左はPCの手元、ビットは二人の間の天板に座る。
ミオ「前日からは宿泊料金の100%。それより前なら無料、という条件だね。」場面：ハルの肩越しに同じ問いでの試作検索を見る。検索結果には今回の予約確認書とプランA利用条件がある。机上のビットが元の問いと資料をそろえるよう促す。
ビット「元の質問と、この予約の資料を一緒に使って確かめようか。」場面：ハルの肩越しに回答への入力を見る。9日に取り消したらいくらかという元の質問、今回の二資料、この資料で回答を作る操作がそろう。
ハル「「9日に取り消したらいくらか」と、この予約確認とプランAの条件を渡すね。」場面：二人の肩越しに、PCの回答と机上の原資料を無言で見比べる。予約確認書は10月10日泊、プランAは前日から宿泊料金の100%、それ以前の取消は無料。ミオはその条件を指す。
場面：ハルが取消の操作へ進まずPCを閉じる。ミオは泊まり用の衣類を鞄へ戻す手元にある。
ハル「無料ではないね。すぐ取り消さず、泊まる案も残しておこう。」場面：ミオの袖から伸びる手が泊まり用の衣類を開いた鞄へ仮置きする。帰り方の候補のノートが机上にあり、予約を残し、取り消す判断は保留している。
ミオ「帰り方を比べてから決めたい。今は、予約を残して考えよう。」
RAGは、検索と生成をつなぐ方法
RAG（検索拡張生成）は、質問に関係する外部の資料を検索し、その内容を生成AIへ渡して回答づくりに利用する方法です。検索は必要な資料を取り出すこと、生成は渡された情報などを使って答えを組み立てること。二つは同じ処理ではありません。
外部資料を検索して渡さない使い方に比べ、RAGでは許可された業務資料や更新情報を回答に利用しやすくなります。重みは、学習で調整されるモデル内部の数値です。利用時に資料を探して渡すだけなら、モデルの重みを学び直しているわけではありません。ここでは、資料を探して回答材料へ加える利用時の流れを押さえます。RAGの構成部品を学習・調整する研究や実装もあるため、「RAGには学習が一切ない」という全体への断定はしません。
外部資料を使えることと、正しい答えになることは別です。資料の誤り、検索漏れ、生成時の取り違えは残ります。
事実や根拠に合わない内容を、もっともらしい回答として生成することをハルシネーションと呼びます。RAGは根拠情報を利用しやすくする方法ですが、資料や回答の取り違えをなくす保証ではありません。
生成AIへ渡すのは検索結果だけではありません。元の質問と、関連する資料の内容を一緒に渡すことで、何に答えるかと、何を根拠にするかをつなぎます。RAGが参照する資料は、利用を許可された範囲から用意します。
漫画の例を読み直すと、二人の予約はプランAで、宿泊日は2025年10月10日です。プランAの利用条件には、宿泊日の前日から取消料が宿泊料金の100％、それより前の取消は無料と書かれています。質問は、前日の10月9日に取り消す場合の料金。今回は「前日から」の条件に当たるので、無料ではなく宿泊料金の100％となります。質問と予約確認書・プランAの利用条件を一緒に渡して答えを作り、その答えが今回のプランと日付に合うか、原資料でも照合します。ホテル名・予約条件・日付は教材用の架空例です。
漫画で行った資料添付と、RAGの検索を分ける
漫画では、ハルとミオが予約確認書や利用条件を自分で選び、質問と一緒にAIへ渡して比べ直しました。この場面だけから、そのサービスが内部で資料検索を行うRAGだとは断定できません。資料を人が添える使い方と、システムが質問に関係する部分を検索して渡す使い方を区別します。どちらも、今回の予約と条件をそろえ、答えを原資料へ戻って確認する必要があります。
資料を準備する処理と、質問に答える処理は別
ここからは、ベクトル検索を使うRAGの一例として流れを説明します。文章の特徴を数値の並びへ変換する方法を埋め込みと呼びます。この数値の並びがベクトルです。まず、利用を許可された資料を取り込み、見出しや条件を保つまとまりに分け、数値表現と版・日付などを検索用に保存します。
利用時には、質問も資料と対応する数値表現へ変換し、関係する資料を探します。元の質問と、取り出した資料の内容を生成AIへの入力に加え、回答を作ります。最後に、資料の対象・適用条件と回答を人が照合します。資料を保存していても、今回の検索で取り出せなければ、その資料を回答材料にしたことにはなりません。
この例で資料を追加・更新する処理は、生成モデルの重みを調整する再学習とは別です。RAGには語句による検索などを使う構成もあり、すべてのRAGで同じ数値変換が必要という意味ではありません。
根拠：Lewisほか RAG原論文（別のタブで開く） ↗ / GUGA 2027年2月適用シラバス（別のタブで開く） ↗ / Microsoft Learn RAGと検索（別のタブで開く） ↗ / Microsoft Learn RAGの検索工程（別のタブで開く） ↗ / Google モデルの重みの用語（別のタブで開く） ↗ / Microsoft Learn 質問と資料のベクトル検索（別のタブで開く） ↗
資料の新しさと、使える範囲を整える
検索対象には、文書・FAQ・表・業務システムなどを用意できます。FAQ（Frequently Asked Questions）は、よくある質問とその回答をまとめた資料です。取り込む前に、誰が作った資料か、更新日・適用日・対象の施設・プラン・地域、閲覧権限を確認します。メタデータは、本文に添える作成元・版・日付などの情報です。
たとえば古い営業時間が残っていたなら、回答文だけを直すより、資料の更新と古い版の扱い、検索対象への反映を見直します。権限のある資料だけを検索させることも必要です。「探せる資料が多いほどよい」として、別部門の非公開情報まで混ぜてはいけません。
更新日が新しいだけで、今回の予約に適用されるとは限りません。予約控えのプラン、契約時に適用した版、キャンセルする時点など、問いに必要な条件を確かめます。資料を更新した後も、検索対象への反映が済んだかを別に確認します。
検索で実際に取り出した資料の記録を、ここでは取得ログと呼びます。新版の資料を保存していても、取得ログに旧版しか残っていなければ、その回答は新版を根拠にできていません。資料を持っていることと、今回の検索で取り出せたことを分けて確かめます。取得ログを見られない利用者は、画面に出る引用の該当箇所を原資料と比べ、欠けた条件と質問を管理者へ伝えます。引用の表示だけで、検索した資料の全記録が見えているとは限りません。管理者は取得ログや検索設定を確認します。
根拠：Microsoft Learn RAGと検索（別のタブで開く） ↗ / GUGA 2027年2月適用シラバス（別のタブで開く） ↗
図を拡大する ↗図の内容を文章で確認する
先に資料を準備する
- 利用を許可された資料を取り込み、対象・版・日付を確認する。
- 見出しや必要な条件を保つまとまりへ分ける。
- 各まとまりを、埋め込みモデルで数値表現へ変換する。
- 本文と数値表現、版・日付などを検索用に保存する。
質問を受けて回答する
- 質問を受け取り、資料と対応する数値表現にする。
- 検索用に保存した資料から、質問に関係する部分を取り出す。
- 元の質問と、取り出した資料の内容を生成AIへ渡す。
- 渡された情報を材料に回答を生成する。
- 人が、対象・適用条件・原資料と回答を照合する。
準備段階で保存した情報を、質問時の検索で利用します。検索で取り出せなかった資料は、その回答の材料になりません。この資料登録は生成モデルの重みを変える再学習とは別です。検索できても、資料や回答が正しいことは保証されません。
ベクトル検索を使うRAGの一例です。資料の追加・更新と、生成モデルの再学習は別です。
どの段階を直すか
架空の店で、営業時間が変わったのに旧版を検索したなら、資料・版の管理が課題です。最新資料を拾ったのに時間を取り違えたなら、生成結果の照合も課題です。どちらも「AIの答えが違った」ですが、直す場所が異なります。
ここで持ち帰ること
元の質問と、今回の条件に合う資料を回答へ渡す。資料を探せることと、答えが正しいことは別なので、最後に根拠を照合します。
条件を見て、自分で確かめる
言葉にしてみる （採点なし）
AIが2026年の規約を引用しました。予約控えでは2025年契約のプランBで、契約時の別紙に変更条件があります。「資料の年が新しいから使える」でよいでしょうか。何を照合してから答えを使うか説明してください。
解説と考え方を読む
今回の対象プラン、契約・適用の条件、変更日と、実際に取得した資料の版を照合します。更新年の新しさだけでは適用は決まりません。元の質問と、適用する規約・別紙を取得して回答へ渡し、条件を落としていないかを確認します。不明なら採用を保留します。
2似た言葉と、必要な情報は同じとは限らない
必要な情報が見つからないとき、どこを直せばいい？
この節で使う言葉：チャンク・意味的検索
この節の学習目標：必要な資料が見つかっていない場合と、見つかっているのに順位が低い場合を区別し、見直す方法を説明できる。
地域イベントで写真を大きく映したい二人。会場料に機材も含まれると思っていましたが、原資料の脚注には別料金と書かれています。試作の取得結果には、その脚注がありません。並べ替える前に、必要な部分を取得できているかを確かめます。脚注を取り直して照合し、残る条件と見積りが分かるまで予約は保留します。
それぞれの検索で見つかった資料から、並べ替えに渡す一覧を作ります。ここでいう取得候補は、その一覧に入った資料です。一つの検索で脚注が見つかったら、並べ替えに渡ったかも確かめます。
会場料の脚注が、取れていない
この話で学ぶこと：必要な脚注が取れていないときは、候補の順番より先に、取得する範囲を見直す。
会話を文章で読む
場面：会場の下見。投影壁は白く未使用、左の台車にプロジェクターが残る。ハル左、ミオ右は小さな写真の案を持って壁を見る。ビットは手前下部。
ミオ「この写真を大きく映したい。プロジェクターも使えるかな。」場面：ハルの肩越しに同じ試作質問での取得結果A料金本文とB利用時間を読む。ミオは右で原資料を開く。
ハル「試作で取れた料金本文を見ると、会場料だけでよさそうに思ったけど。」場面：ミオは原資料の料金本文に続く機材別料金の脚注を読み、ハルはプロジェクターへ伸ばす手を止める。
ミオ「ここに「機材は別料金」ってあるよ。」場面：机前のビットが問い、ハルは一台のPCを開き、ミオは脚注のある原資料を自分の机へ置く。
ビット「取得した中に、機材の条件は入っている？」場面：ハルの肩越しに取得結果A/Bを読む。Cは取得されていませんという枠で分けられ、取得済みの内容にはない。
ハル「本文Aと利用時間Bはある。でも、脚注Cは取れていない。」場面：ミオは展示案の紙を机へ戻す。ハルは操作から離れ、機材を予約せず計画を保留する。
ミオ「機材の費用が別なら、見積りが分かるまで使い方を決めずにおきたい。」場面：同じ会場の机を少し低い位置から見る。ハル左は自分のPC、ミオ右は机に開いた原資料を読む。小さなビットは二人の内側の足元の床で問いかけ、左の台車のプロジェクターは使っていない。
ビット「並べ替える前に、足りない脚注を取る範囲を確かめようか。」場面：ハルの肩越しに取得範囲の試行設定を見直す。本文と続く隣接部分を取得する指定と、同じ機材料金の問いで再検索する操作がある。
ハル「本文と続く脚注が、一緒に取れるか見直すね。」場面：ミオの肩越しに今回の取得結果A・B・Cと原資料の脚注を比べる。Cに機材別料金とあり、原資料にも同じ脚注がある。
ミオ「今度は脚注も取れた。機材が別料金という点は、原資料と合ってる。」場面：ハルがPCを閉じ、ミオは展示案を鞄へ戻す。机の確認事項には機材の料金、利用時間、その他の条件、見積りが残る。ビットはミオの内側の床。
ハル「ほかの条件は、まだ確かめてない。見積りも含めてから決めよう。」場面：二人はまだ予約せず、機材込みの見積りを聞く準備へ移る。ハル左、ミオ右、ビットは二人の間の床を進み、背面の左耳はシアン、右耳は橙。プロジェクターは左の台車に残る。
ミオ「予約はまだせず、機材も含む見積りを聞く準備をしよう。」
資料を区切り、意味の近さを探せる形にする
ここからは、RAGを設計・管理する人の視点で、検索の工程を見ます。利用者が自分で設定を変えられるとは限りません。回答の根拠が足りないと気づいたら、対象の質問と欠けた条件を管理者へ伝えます。
1 必要な条件を、一緒に取り出せるか
チャンクは、長い資料を検索に使いやすいまとまりへ分けた単位です。小さ過ぎると条件や前後関係が離れ、大き過ぎると不要な情報が増えます。見出し・段落・表の条件が分断されていないかを確かめます。
会場料金の本文と「機材は別料金」の脚注が離れたなら、まず両方を取得できているかを見ます。必要な部分を同じまとまりへ含める、隣接部分も取り出す、といった調整を検討します。
2 言い換えを、意味の近さで探す
埋め込み（エンベディング）は、文章などの特徴を数値の並びで表す方法です。この数値の並びがベクトルです。近さを手掛かりに、「開く時刻」と「営業時間」のような言い換えを探す方法が、意味的検索（セマンティック検索）です。
ベクトルを蓄積し、近い候補を探す仕組みがベクトルデータベースです。「文章を数値で表す」「近い候補を取り出す」というつながりで理解します。
ここまでの確認：意味が似た候補でも、今回の施設・プラン・適用日に合うとは限りません。資料に添えた版や日付などのメタデータの条件と、取得した内容を合わせて確認します。
3 資料だけでなく、質問も対応する数値表現にする
資料をベクトルにして保存しただけでは、質問との近さを比べられません。この例では、資料と質問に同じ埋め込みモデルを使い、対応する数値表現にします。違う基準で作った数値の並びを、そのまま同じ意味の座標として比べることはできません。資料側と質問側の変換方法を確認します。
質問が「何時から入館できますか？」、資料が「入館は午前9時から」なら、文字が完全には同じでなくても、意味の近さを手掛かりに関連する候補を探せます。一方、「売店は午前10時から」も時刻に関する文章ですが、知りたい対象は入館です。数値上で近い候補でも、対象・日付・原文を確認します。
意味の近さを使う方法も、文章の意味を人と同じように理解し、真偽を保証する仕組みではありません。検索の結果が上位にある理由と、その記述が今回の問いに正しく使えるかを分けて考えます。
根拠：Microsoft Learn RAGと検索（別のタブで開く） ↗ / LlamaIndex RAGの構成（別のタブで開く） ↗ / GUGA 2027年2月適用シラバス（別のタブで開く） ↗ / Microsoft Learn RAGの検索工程（別のタブで開く） ↗ / Microsoft Learn 質問と資料のベクトル検索（別のタブで開く） ↗
検索の工夫は、違う取り違えを減らす
検索で拾う候補を増やす：ハイブリッド検索
ハイブリッド検索は、語句の一致を探す方法と、意味の近さを探す方法を組み合わせます。型番のような厳密な語と、「持ち運べる」のような用途の言い換えの両方を探したい場合に役立ちます。
見つかった資料の順番を見直す：リランキング
リランキングは、取得した候補を質問との関係などで再評価し、順番を付け直すことです。候補の順位が問題なら見直す意味があります。ただし、取得していない脚注を、取得済み候補の並べ替えで追加することはできません。
探す問いを整える：クエリ書換え
クエリ書換えは、質問を検索しやすい形に整理することです。複数の問いに分ける工夫もありますが、型番・対象・日付などの元の条件を勝手に変更してはいけません。
改善する場所を決めるには、取得ログで各検索の結果、取得候補、回答を作る処理に渡した資料の順に追います。脚注がどの検索にもなければ探し方を、見つかっても取得候補になければ一覧へ渡す処理を調べます。取得候補にあるのに回答に渡っていなければ、並べ替え後の順位と、上位何件を渡したかを確かめます。高度な方法を選んだだけで正答は保証されません。
根拠：Microsoft Learn RAGと検索（別のタブで開く） ↗ / GUGA 2027年2月適用シラバス（別のタブで開く） ↗ / Microsoft Learn RAGの検索工程（別のタブで開く） ↗
図を拡大する ↗図の内容を文章で確認する
- 質問「何時から入館できますか？」を数値の並びへ変換する。
- 資料「入館は午前9時から」「売店は午前10時から」も、同じ埋め込みモデルで数値の並びへ変換しておく。
- 質問と資料の対応する数値表現を比べ、質問に近い資料を候補として取り出す。
- 候補の対象・日付・原文を確認する。「売店」と「入館」は対象が異なる。
文字が完全に同じでなくても、意味の近さを手掛かりに探す例です。図の数値表現は概念の表示で、実測したベクトルや類似度ではありません。意味が近いことは、事実の正しさや今回の適用条件の保証ではありません。
同じ埋め込みモデルを使う例です。意味が近いことと、内容が正しいことは別に確認します。
原因を分ける：機材の条件と、候補の順位
施設料の本文だけが取れ、機材の条件が別の断片に残っていたなら、文書の区切り方や隣接する部分の取得を見直します。候補として取れているのに順位が低いなら、候補の再評価が役立つ場合があります。取得できていない条件を、取得済み候補の並べ替えだけで取り戻すことはできません。
次の問題は別の場面で、美術館の割引条件と、携帯用機材の検索を扱います。必要な条件が取得できているか、取得済みの候補を並べ替える話かを分けて考えてみましょう。
ここで持ち帰ること
必要な条件が候補にあるかを先に確認し、その後で順位を考える。チャンク、検索方法、リランキングは、対処する原因が違います。
条件を見て、自分で確かめる
言葉にしてみる （採点なし）
料金本文と別料金の脚注は、どちらも今回の取得候補に入っています。しかし回答へ渡す上位3件に脚注は入っていません。同じ脚注が候補にも入っていない場合と比べ、見直す工程がどう変わるか説明してください。
解説と考え方を読む
取得候補に入っている場合は、候補の評価・順位、回答へ渡す範囲や条件の保持を調べます。候補に入っていない場合は、区切り方や隣接部分の取得等へ戻ります。リランキングで未取得資料を追加することはできません。
3出典と答えを照合し、探し方の違いを見渡す
出典が付いていたり、RAGの方法を工夫したりすれば、その答えを使ってよい？
この節で使う言葉：Advanced RAG・Agentic RAG・Graph RAG
この節の学習目標：答えの対象・日付・根拠を確かめ、RAGの各方法や道具がどの作業を助けるか説明できる。
旅先の施設Aで、楽しみにしていた展示を見ようとする二人。ところが入口の当月案内には、前日までの予約が必要とあります。検索で見た「予約不要」は、別の施設Bの案内でした。検索結果のどこを確かめればよかったのでしょうか。今日は入場を見送り、次は施設Aの条件を確認してから予約することにしました。
知りたい対象と日付に合う資料か、答えの根拠が実際に書かれているかを確かめます。
検索したのは、別の施設だった
この話で学ぶこと：見ていた案内が別の施設なら、今回の施設と当月の予約条件を公式案内で比べ直す。
会話を文章で読む
場面：旅先の施設Aへ二人が到着し、ミオが展示の建物を見る。ハル左灰色の上着、ミオ右紺の上着。小さなビットの頭は二人の内側の足元寄りに見える。
ミオ「この展示、実物を見られるのを楽しみにしてた。」場面：ハルが自分向きのスマホで検索を読み、ミオは右から入口掲示へ近づく。
ハル「検索では、予約不要って出てた。上の結果を見て来たんだ。」場面：ミオが当月の入口掲示で前日までの予約が必要と読む。ハルは後方左で立ち止まる。
ミオ「入口には「前日までの予約が必要」ってあるよ。」場面：小さなビットが二人へ問い、ハルは元の検索先、ミオは施設Aの当月掲示を見る。
ビット「見ていた案内は、どの施設の、いつのもの？」場面：ハルの肩越しに施設Bの予約不要の検索先を見る。右のミオは施設Aの当月掲示を確認する。
ハル「これは施設B。ここはAで、当月は前日までの予約が必要なんだ。」場面：入口から駅へという案内の前でビットが問い、ミオは残念な表情で鞄を握り、ハルが立ち止まる。
ビット「今日は入れないなら、今回の予定をどうしよう？」場面：二人は施設Aの入口を背に駅方向の歩道へ戻る。ハル左、ミオ右は一度振り返る。ビットは二人の足元の間に小さな猫の背面姿で進み、背後から見える左耳はシアン、右耳は橙。
ミオ「残念だけど、今日は駅へ戻ろう。予約をしてから、また来たい。」
出典が、回答のその内容を支えているか
出典リンクがあるだけでは確認は終わりません。質問の対象・時点・条件と資料が合うか、資料にその内容が書かれているか、回答が条件を落としていないかを照合します。生成AIが、検索資料にない内容を自然な文章で補う場合もあります。
たとえば「予約が必要」と資料にあるのに回答が「予約不要」なら、出典の存在で正しいとは判断できません。確かめられない点は保留し、必要なら人が原資料へ戻ります。外部資料に含まれる指示を、システムへの命令としてそのまま実行することも避けます。
引用元そのものを、誰の・いつの情報かで確かめる
回答が資料を正しく写していても、その資料が誤っていたり、今回の時点に適用されなかったりする場合があります。発信した主体、記述を支える根拠、更新日と適用日、他の資料との違いを確認します。新しい日付だけを見て採用したり、引用が付いたという理由だけで信頼したりしません。
| 資料 | 書かれていること | 確認すること |
|---|---|---|
| 2025年の旅行紹介記事 | 入館無料だった、と紹介している。 | 当時の訪問記録か。今の入館条件を保証する記事か。 |
| 美術館の公式利用案内 | 2026年10月からの料金と、無料になる対象・条件を掲載している。 | 今回の訪問日・入館者・展示に適用する案内か。例外はないか。 |
この例で2026年10月の入館を調べるなら、運営する美術館の適用中の案内へ戻り、対象と例外を読みます。ただし「公式」「新しい」という名前だけで内容を無条件に正しいと決めるのでもありません。食い違いが解消できなければ、該当部分を示して施設へ確認します。
根拠：Lewisほか RAG原論文（別のタブで開く） ↗ / Microsoft Learn RAGと検索（別のタブで開く） ↗ / GUGA 2027年2月適用シラバス（別のタブで開く） ↗ / Microsoft Learn RAGの検索工程（別のタブで開く） ↗ / Microsoft Learn 外部資料からの攻撃（別のタブで開く） ↗
発展型は、何を工夫するかで比べる
名前の違いではなく、どの工程を工夫する型かを比べる。
まず、どの工程を工夫するかを比べます。3つの呼び名は排他的な分類とは限らず、組み合わせる構成もあります。
- Advanced RAG
- 検索前の質問整理、検索方法、候補の評価など、基本工程を改善する考え方。単一の固定製品名ではありません。
- Agentic RAG
- AIエージェントが、問いに応じて検索先や手順を選び、追加検索などを行う構成。ここでのエージェントは、検索の手順を計画・実行する仕組みです。「エージェント」という名前だけでは、強化学習で学んだかは分かりません。任せる権限と停止条件も確認します。
- Graph RAG
- 人物・組織・出来事などの関係を知識グラフとして整理し、関係や集まりの要約を検索・回答に利用する構成。Microsoftの実装など、具体的な方式に違いがあります。
知識グラフは対象と関係をつないだ情報です。単に文章の近さを比べる方法と、関係や全体像を使う方法を区別します。複数の場所にある資料を扱う構成では、検索先の選択、権限、版、回答へ渡る情報をそれぞれ管理します。
関係をたどる例として、地域イベントの資料を「ミオ → 担当 → 写真展示」「写真展示 → 使用 → 第2会場」のように結びます。ここでいうグラフは、棒グラフではなく、ものごとのつながりです。同じ企画に関わる情報をまとめて「写真展示はミオが担当し、第2会場を使う」と要約すれば、関係と説明を探す助けになります。これはGraph RAGの構成を理解する一例で、すべての実装で同じ処理を行うという意味ではありません。型は排他的な分類とは限らず、複数の工夫を組み合わせる実装もあります。
整理した関係にも、読み違いが入り得る
資料から関係を取り出すときに、「団体Aと団体Bが共催する」という文を、「団体Aが主催し、団体Bは会場を提供する」と取り違えたとします。共催は一緒に企画を主催することです。関係を誤ってつなげば、その関係を使った要約にも誤りが伝わります。これは工程から考えた架空の失敗例で、実測した誤抽出率ではありません。
知識グラフに整理されたこと自体は、関係が正しいという証明ではありません。誰と誰を、どんな関係として結んだか、その関係を支える原資料の文へ戻って確認します。関係が読み取れない場合は推測で補わず、未確認として保留します。検索や要約の方式を変えた場合も、原資料との照合は必要です。
根拠：Microsoft GraphRAGの概要（別のタブで開く） ↗ / Microsoft Learn RAGと検索（別のタブで開く） ↗ / LlamaIndex RAGの構成（別のタブで開く） ↗ / GUGA 2027年2月適用シラバス（別のタブで開く） ↗
道具の名前より、担う工程を確認する
取込み・検索・モデル呼出しをつなぐ
資料の取込み、検索、モデルでの回答づくりをつなぐ開発用の道具が、ここでいうフレームワークです。LlamaIndexなどを、検索基盤やベクトルデータベース、管理されたAIサービスと組み合わせて使えます。製品一つで全ての工程を同じ方法にするとは限りません。
目的→資料の種類と置き場→検索方法→検証の順で考えます。社内規程の参照、問い合わせ支援、関係の多い資料調査では、必要な工夫が違います。高度な型を選んだだけで、精度・安全性・費用が改善すると決めつけません。個別の製品仕様は提供者の版と確認日を確かめます。
資料の置き場と権限も確認する
部門ごとに資料が分かれ、他の部門から探しにくかったり共有しにくかったりする状態をデータサイロといいます。検索対象をつなぐ設計は役立ちますが、閲覧権限を広げてよいという意味ではありません。資料の置き場と、利用を許可された範囲を一緒に確認します。
根拠：LlamaIndex RAGの構成（別のタブで開く） ↗ / Microsoft Learn RAGと検索（別のタブで開く） ↗ / Microsoft GraphRAGの概要（別のタブで開く） ↗ / GUGA 2027年2月適用シラバス（別のタブで開く） ↗
図を拡大する ↗図の内容を文章で確認する
架空の施設Aについて、回答は「予約不要」、原資料は「対象期間は10月、前日までに予約が必要」です。まず対象と適用日、例外を読み、原資料が今回の問いに合うか、回答がその内容を正しく表すかを照合します。未確認の点があれば採用を保留。順位や引用の有無だけでは判断を終えません。
基本RAGでも発展型でも、この照合を省略しません。
別の場面へ使ってみる
出典付きの旅行案内を読んだとき、「出典があるから安心」で止まらず、誰向け・いつの案内かを比べます。関係の多い資料ならGraph RAG、問いに応じた追加検索ならAgentic RAGが候補になりますが、原資料を照合する役割は残ります。
ここで持ち帰ること
検索方法は目的で選び、出典の内容と回答の条件を照合する。仕組みを高度にするだけで確認を省略しません。
条件を見て、自分で確かめる
言葉にしてみる （採点なし）
担当者・企画・会場の関係を横断して探す課題と、問いに応じて複数の検索先を選ぶ課題があります。Graph RAGとAgentic RAGのどの工夫が関係するかを比べ、型を選んだ後にも残る確認を説明してください。
解説と考え方を読む
Graph RAGは対象間の関係や集まりの情報を検索・回答に使う構成、Agentic RAGは問いに応じて検索先や手順を選ぶ構成として比べます。両者は組み合わせる場合もあります。どちらでも対象・日付・根拠・権限を確認し、高度な型という名前だけで正確さを判断しません。