RAG（Retrieval-Augmented Generation）は、大規模言語モデル（LLM）に検索機能を組み合わせたAIを利用する新しい手法です。日本語では「検索拡張生成」などと訳されるこの技術により、生成AIによる回答の精度は高まり、さまざまな業務の効率化を促進できます。
通常、生成AIに新たな知識をインプットするには、専用の学習データを用意し、一定の時間をかけて追加学習を行う必要がありますが、RAGを使用すれば、追加学習のステップを省略できます。生成AIに質問をする際に、その質問に関連する情報を同時に提供することで、その情報に基づいた適切な回答を導き出すことができるのです。
たとえば「本日の社員食堂のおすすめを教えてほしい」と生成AIに聞いても、そもそも自社の社員食堂のメニューを知らない生成AIには回答できません。そこでRAGでは、生成AIに質問する際、同時に社員食堂のメニューのデータを渡します。こうすることで、生成AIが独自情報を踏まえた回答を行えるようになります。

なぜRAGという仕組みが必要なのでしょうか。以下でその理由を解説します。

生成AIは、さまざまな用途に利用できる革新的な技術ではありますが、何でもできる魔法のツールではありません。用途のタイプに応じて向き不向きがあります。
たとえば、文章の作成や要約、翻訳などの言語処理や、プログラミングにおけるコードの自動生成、スプレッドシートで利用できる関数の作成など、「インターネット上でやり方を収集して学習できる一般的な作業」は、生成AIが得意とする領域です。
一方で、独自の規程や業務ルールなどに基づいた社内作業に関することは、そのままでは生成AIでの対応は困難です。当然ながら、生成AIは社内業務を進めるために必要となるルールなどを理解していません。社内作業について生成AIを活用するためには、何らかの形で社内情報を生成AIに理解させる必要があります。
皆さんが日常的に処理している業務の多くは、自社の規程やルールなどに基づいて行われるものではないでしょうか。経理や総務などのバックオフィス部門の業務や、営業・マーケティング部門における社内処理など、多くの業務は社内の業務ルールや業務プロセスに準ずる必要があります。このような業務にも生成AIを適用できれば、生成AIのユースケースが広がり、幅広い業務の効率化を実現できます。

RAGは幅広い業務の効率化に有効です。RAGにより、社内情報などの独自情報を生成AIにインプットし、与えた情報を踏まえて回答を出力させます。これにより、たとえば社内規程に基づいた業務の進め方に関する質問など、これまで生成AIでは対応できなかったユースケースもカバーできるようになります。
ちなみに、利用時に社内情報を生成AIにインプットするのではなく、事前に生成AIに社内情報を追加学習させておくことでも、同様の処理が可能になります。この手法をファインチューニング（Fine-tuning）と呼びます。ただし、ファインチューニングを行うには、追加学習のために一定の時間やコストをかける必要があります。用途や目的によってはファインチューニングの方が適しているケースもありますが、手軽に独自情報を生成AIにインプットさせることができるのはRAGのメリットの1つです。

RAGはどのような仕組みで動作するのでしょうか。RAGのプロセスの大まかな流れは以下のとおりです。

事前準備として、自社の規程に関する資料や業務マニュアルなどの独自情報を格納した検索用データベースを構築し、ユーザーの質問内容に関連した独自情報を抽出するための検索機能を用意しておきます。
また、ユーザーからの質問を受け付け、検索用データベースと生成AIそれぞれと連携して、RAGの処理を実現するアプリケーションを用意します。

ユーザーは事前に構築されたアプリケーションに対して、質問内容（プロンプト）を入力します。たとえば「500万円の発注を行いたいが、誰の決裁を取得すればよいのか」といった質問内容が考えられます。

アプリケーションは、入力された質問内容に基づき検索用データベースを検索して、関連する独自情報を取得します。先ほどの質問では、社内の権限規程などが回答に必要な情報として該当します。

アプリケーションは、ユーザーが入力した質問内容と検索用データベースから取得した独自情報をセットにして、生成AIに入力します。生成AIは、事前に学習済みの一般的な情報といま入力された独自情報を踏まえたうえで、ユーザーの質問に対し適切な回答を出力します。
先ほどの例では、「500万円の発注を行う場合、部長決裁を取得する必要があります」といった回答が生成AIから得られます。

最終的に、アプリケーションは生成AIの回答結果をユーザーに対して表示します。以上が、RAGを用いた生成AI活用の一連のプロセスです。

では、RAGは具体的にどのような場面で利用できるのでしょうか。主な活用例をご紹介します。

RAGを利用して、社内規程や業務マニュアルなどを手軽に調べられる社内向けサービスを構築できます。一般的に、企業規模が拡大するほど規程や業務マニュアルなども増える傾向があり、大企業では目的のドキュメントを探すだけでもかなりの時間がかかるでしょう。特に新入社員や転職してきたばかりの従業員にとっては、欲しい情報がなかなか見つからず苦労する場面が多いのではないでしょうか。
RAGを活用したAIチャットボットサービスにより、手軽に社内情報を検索する仕組みを構築して、こうした課題を解決できます。

RAGを用いて自社の製品やサービスに関する情報をインプットすることで、カスタマーサポートでの顧客対応に生成AIを活用できます。
近年、コールセンターやコンタクトセンターでは人手不足が重大な課題となっています。そこで、定型的なサポート内容についてはRAGを用いた生成AIに一任し、AIでは処理しきれないイレギュラーな対応などに限定してオペレーターがサポートを行うように設計すれば、入電数を削減できます。RAGの活用は、コールセンター・コンタクトセンターの人手不足問題の解決につながります。

社内システムのヘルプデスクサービスを提供している場合、RAGを用いてサービスの一部を代行できます。RAGによりシステムのマニュアルを生成AIに読み込ませることで、ユーザーからのシステム操作に関する質問への対応や、トラブルシューティングなどの一部がAIで可能になります。これにより、ヘルプデスクの業務負荷を軽減できるでしょう。

RAGの活用においては、セキュリティ面、精度面などいくつか注意すべき点もあります。以下では、そうしたポイントをご紹介します。

RAGでは、質問内容と独自情報を合わせて生成AIに入力しますが、生成AIに読み込ませる独自情報の多くは、社外秘、部外秘などに指定される機密性の高いものです。これらの情報が流出しないよう、RAGの利用にあたってはセキュリティに最大限の注意を払わなければなりません。
利用する生成AIや選択するプランによっては、入力された情報を生成AIが再学習に利用すると規定されたものもあります。このような規約を掲げたRAGを使用してしまうと、独自の機密情報が生成AIの再学習に利用され、ほかの利用者の質問に対する回答として出力され外部に漏洩してしまう可能性が生じます。こうした事態を防ぐため、利用規約を十分に確認・理解したうえで生成AIのサービスやプランを選択する必要があります。

RAGは生成AIに独自情報を手軽に与えることのできる手法ではありますが、単に社内規程などのドキュメントを読み込ませるだけでは、十分な精度が出ない場合もあります。
高精度の回答生成を求める場合、ユーザーが入力した内容を踏まえてデータベースを検索し、いかに関連性の高い情報を特定できるかが重要です。これには検索用データベースの高い検索精度が不可欠です。メタデータの活用やセマンティック検索の活用など、検索精度を高めるための手法はさまざまです。しかし、RAGを効果的に利用するには、まずはデータベースの検索精度が重要である点を理解しましょう。

「Alli LLM App Market」は、生成AIを企業で簡単に利用するための環境をオールインワンで提供します。Alli LLM App Marketでは、生成AIをさまざまな業務で活用できるメニューを、生成AIから有効な回答を得るためのノウハウが詰まったプロンプトとともに提供しています。また独自のRAGシステムにより、表形式を含むドキュメントも高精度で検索して生成AIにインプットできたり、RAGによる回答結果に対してフィードバックを与えて段階的に精度を高めたりできるので、上述したRAG利用時の注意点である「出力精度が上がりにくい」といった問題にも対処できます。

日立ソリューションズは、Alli LLM App Market の開発元であるAllganize Japan株式会社と販売代理店契約を結んでおり、Alli LLM App Marketの再販および提案・導入作業を実施しています。日立ソリューションズの長年にわたるシステムインテグレーションの実績により、生成AI・LLMで機密情報を安全に取り扱えるプライベート環境を提供できます。また、既存システムとの連携など、お客さまの要望に合わせて適切な生成AI・LLM活用環境を提供します。

この記事では、RAGの仕組みや具体的なユースケース、利用時の注意点などについてご紹介しました。生成AIの活用の幅を広げられるRAGは、うまく使いこなせば業務効率化や生産性向上のための大きな武器となります。一方で、RAGの環境を構築するためには一定の知見が必要なのも事実です。Alli LLM App Marketでは、企業向けの生成AI利用環境をオールインワンで提供しており、高精度のRAGも利用できます。ご興味のある方は、ぜひ当社までお問い合わせください。

• ※本記事は、2024年9月時点の情報をもとに作成しています。
• ※本記事は、一般的な情報提供を目的としたものです。記事内の内容については、当社は情報が最新のものであること、また、正確であることを保証することはできません。当社は本情報を使用したことにより生じる責任、損害を補償する義務を負いません。

関連記事

生成AIの性能を引き出すポイントは「プロンプト」！

LLM（大規模言語モデル）とは？ 生成AIの基盤技術について概要や活用方法を紹介

生成AIの仕組みとメリットを知り、ビジネスシーンで役立てるためのヒントをチェック