Retrieval-Augmented Generation.

RAG（Retrieval-Augmented Generation）は、質問に応じて文書やデータベースから関連情報を取り出し、その内容を大規模言語モデルの入力に加えて回答を生成する方法。モデル自体を再学習しなくても、社内文書や更新頻度の高い情報を利用しやすい。問い合わせ対応、マニュアル検索、ナレッジ共有などに使われる。
ただしRAGを使えば必ず正しくなるわけではない。検索で必要な文書を見つけられなければ、生成される回答も不十分になる。古い文書や無関係な文章の混入、権限のない情報の参照にも注意が必要だ。実装では、文書をどう分割するか、検索結果をどう評価するか、出典をどこまで表示するかを設計する。重要な業務では「答えられない」と返せる仕組みも品質の一部になる。

Blueberry’s Perspective

情報を探せることと、理解したことは別だ。社内ナレッジをAIにつなぐなら、答えを出す速さだけでなく、その答えを人がたどり直せることを重視したい。