RAG

RAG（Retrieval-Augmented Generation）は、必要な情報をまず社内外の文書やデータから探し、その内容を手がかりに生成AIが答えを作る仕組みです。あらかじめ用意した知識源を参照させることで、一般知識だけでは答えにくい社内固有の内容にも対応しやすくなります。

生成AIだけに頼ると、存在しない事実をそれらしい文章で書いてしまうことがあります。RAGは、回答の材料となる資料を先に探し、その範囲を踏まえて答えさせることで、根拠の見える回答にしやすくする手法です。社内マニュアル、報告書、FAQ、業務データなど、組織が持つ情報を活用したいときによく登場します。検索と生成を組み合わせた技術・手法として位置づけられます。

実例

「サワイ製剤研究、Azure OpenAI RAGで知識継承」では、製剤研究部がAzure OpenAI上に、過去の検討報告書など社内データを参照するRAGを構築した。製剤の硬度を上げたいといった課題に対し、過去品目の事例から手法を多角的に提示し、回答下に参考文献リンクを付けて根拠をすぐ確認できるようにしている。情報収集は従来1〜4時間かかっていたところ約15分になり、部員の80%以上が日常利用している。

「Azure DatabricksでRAG基盤と即時データ活用」では、Azure Databricksで整備したデータを生成AIのRAG基盤に用いている。SAPなどを含む16システムから15分サイクルで収集し、メダリオンアーキテクチャで品質を整えたデータを活用する形で、2025年9月に初回リリースした。技術・品質・フィールド・調達・SCM・文書・手順書・FAQなどを取り込むRAG環境の実現も目指している。