RAG (検索拡張生成)読み: らぐ

Q: RAG (検索拡張生成)とは何ですか？

Retrieval-Augmented Generation。 社内資料や外部 DB を検索してから AI に答えさせる仕組み。RAG (Retrieval-Augmented Generation) とは、 質問に対して まず関連する社内資料や外部 DB を検索し、 その内容を AI に渡してから 回答を生成させる仕組み。 LLM のハルシネーションを防ぎ、 自社固有の情報 (議事録 / 契約書 / マニュアル 等) を扱えるようになる。 実装は (1) 資料をベクトル化して DB に保存、 (2) 質問もベクトル化して類似資料を検索、 (3) 検索結果を プロンプトに含めて LLM に渡す、 の 3 ステップ。

Q: RAG (検索拡張生成)の使い方や活用例を教えてください

RAG (Retrieval-Augmented Generation) とは、 質問に対して まず関連する社内資料や外部 DB を検索し、 その内容を AI に渡してから 回答を生成させる仕組み。 LLM のハルシネーションを防ぎ、 自社固有の情報 (議事録 / 契約書 / マニュアル 等) を扱えるようになる。 実装は (1) 資料をベクトル化して DB に保存、 (2) 質問もベクトル化して類似資料を検索、 (3) 検索結果を プロンプトに含めて LLM に渡す、 の 3 ステップ。

2026-06-05 更新

AI用語辞典RAG・検索拡張最終更新: 2026-06-05・AI PICKS編集部

定義

Retrieval-Augmented Generation。社内資料や外部 DB を検索してから AI に答えさせる仕組み。

RAG (検索拡張生成)とは（詳しく解説）

RAG (Retrieval-Augmented Generation) とは、質問に対してまず関連する社内資料や外部 DB を検索し、その内容を AI に渡してから回答を生成させる仕組み。 LLM のハルシネーションを防ぎ、自社固有の情報 (議事録 / 契約書 / マニュアル等) を扱えるようになる。実装は (1) 資料をベクトル化して DB に保存、 (2) 質問もベクトル化して類似資料を検索、 (3) 検索結果をプロンプトに含めて LLM に渡す、の 3 ステップ。 Perplexity / ChatGPT 検索 / Notion AI などが内部的に RAG を使っている。 2026 年はハイブリッド検索 (BM25 + ベクトル) やリランカー併用が標準で、単純な類似度検索のみでは精度が頭打ち。

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「RAG (検索拡張生成)とは」 https://aipicks.jp/glossary/rag