RAG

RAG（Retrieval-Augmented Generation、検索拡張生成）は、LLM単体で回答させるのではなく、社内文書、FAQ、製品データ、ナレッジベースなどを検索してから回答を作る仕組み。

LLMは学習時点より後の情報や、企業ごとの非公開情報をそのまま知っているわけではない。RAGを使うと、必要な情報をベクトル検索やキーワード検索で取り出し、根拠としてLLMに渡せるため、ハルシネーションの低減にも役立つ。

社内チャットボット、カスタマーサポート、営業ナレッジ検索、契約書レビューSaaSなどでよく使われる。導入時は、検索対象データの鮮度、アクセス権限、引用表示の有無を確認したい。

SaaS選定では、AI機能の有無だけでなく、どの業務データを参照できるか、根拠を表示できるか、権限やログを管理できるかまで見ると判断しやすい。生成AIは便利さとリスクが同時に増えるため、現場で使う場合は人間の確認フロー、誤回答時の修正方法、学習データへの利用有無も確認したい。

よくある落とし穴は、デモでの賢さだけを見て導入を決めてしまうこと。実務では、社内データの鮮度、既存ツールとの接続、失敗したときの復旧手順、管理者が制御できる範囲のほうが満足度を左右する。