定義
エージェント型RAGとは、AIエージェントが検索クエリの生成・絞り込み・複数ソースの統合を自律的に判断しながら回答を生成する、従来のRAGを進化させたアーキテクチャのこと。
エージェント型RAG (Agentic RAG)とは（詳しく解説）
従来のRAGは「1回検索→生成」の固定フローだが、エージェント型RAGではLLM自身が検索クエリの生成・言い換え・反復検索の要否・複数ソースの統合を自律判断する。複雑な質問への回答精度は大幅に向上するが、導入コストとのトレードオフが大きい。 2026年時点の実運用での主な落とし穴は3点。①レイテンシ：通常RAGが1〜2秒で返せる場面でもエージェントの反復検索で5〜15秒に膨らむ。②コスト肥大：検索ループが収束せず1クエリで20回以上のLLM呼び出しが発生するケースも珍しくない。③コンテキスト汚染：取得情報が増えるほど無関係な内容が混入し、精度が逆に下がるパラドックスに注意が必要だ。 現場での選び方は明確で、単純なFAQや1ソース参照なら通常のRAGで十分。法律・医療・社内ナレッジの複合推論が必要な場面にのみ採用を検討する。相場感はAmazon Bedrock Agents経由で月$50〜$500程度（クエリ量依存）。AI PICKSで調査した事例では、過剰導入によりコストが通常RAGの10倍に跳ね上がったケースが複数報告されている。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「エージェント型RAG (Agentic RAG)とは」 https://aipicks.jp/glossary/agentic-rag
エージェント型RAG (Agentic RAG)の使用例
- 社内規程QAシステムで複数部門のドキュメントを横断検索する際、エージェントが自動でクエリを分割・統合して回答精度を高める。
- 法律相談ボットで判例・法令・通達を多段階で検索し、矛盾する情報を自律的に取捨選択して根拠付き回答を生成する。
