生成AIの発展とともに、LLMやRAGなどの新技術が注目されるようになり、多くの企業が開発や導入を進めています。

一方で、「LLMやRAGという言葉を最近よく耳にするけど、何のことかよくわからない」という方も多いのではないでしょうか。

そこで本記事では、LLMとRAGの基本について、両者の関係や仕組みとともにわかりやすくご紹介します。

またAI総研では、AI活用を検討する上で押さえておきたい、AI・ChatGPTの最新活用事例50選の狙いや取り組みをまとめたレポートを無料で配布しています。ご興味のある方は、以下リンクからダウンロードしてご活用ください。

⇒AI・ChatGPT活用事例50選の資料ダウンロードはこちら(無料)

【図解】RAGとLLMの違い・関係とは？

RAGとLLMの関係を一言で表すと、RAGはLLMを進化させる技術と位置づけられます。

RAGとは、LLMと社内データベース/外部情報とを組み合わせることで、生成AIアプリケーションからより精度の高い回答を引き出すための技術です。

RAGとLLMそれぞれについてわかりやすく紹介していきます。

※生成AI/ChatGPTの活用を検討する際に必ず押さえておきたい、基礎知識から活用の進め方、ポイントまでをまとめた資料をダウンロード頂けます。
⇒【ゼロから分かる】生成AI/ChatGPT活用ガイドブックの資料ダウンロードはこちら(無料)

RAGとは

RAG（Retrieval-Augmented Generation）とは、生成AIが質問に回答する際に、生成AIのデータベースに加え、膨大な自社のデータベースから情報を検索し、回答させるように自社データを組み込む手法のことを指します。

ユーザーが、生成AIを搭載したアプリケーションに質問を入力すると、社内データベースや外部情報を検索して、適切な情報を取得し、取得した情報と質問内容をもとに生成AIが最適な回答を導き出す仕組みです。

LLMとは

LLM（大規模言語モデル）とは、膨大な量のテキストデータを読み込ませ、トレーニングされた自然言語処理のためのモデルのことです。

大量の文章のパターンや言語の特徴を理解しており、文章の生成や日常会話など様々な言語タスクを実行することができます。圧倒的なデータ量と学習能力により、人間と変わらない自然な会話や文章を作成できる点が大きな特徴です。

LLMの仕組みは上図の通りです。ユーザーが質問を入力すると、LLMがWeb上の大量のテキストをスキャンして関連するワードを抽出します。その後、抽出したワードから次に来るワードの確率をワードごとに計算し、最も確率の高いワードを選択して回答します。

LLMは、ChatGPTをはじめとする現在登場しているほとんどの生成AIサービスのもとになっている技術であり、インターネットにも匹敵する人々の生活に欠かせない技術となっています。

企業のRAGの活用事例３選

企業によるRAGの活用事例として、以下の3つが挙げられます。

• ①デロイト：対話型システムにRAGを導入し社内データベース検索も可能に
• ②くすりの窓口：専門的な質問にも答えられるRAGを活用したチャットボットを導入
• ③コネヒト：社内マニュアルとRAGを結び付け、検索機能の大幅な向上を実現

それぞれの事例についてわかりやすく紹介していきます。

※国内外の最新生成AI/ChatGPT活用事例50選をまとめた資料をダウンロード頂けます。
⇒生成AI/ChatGPT活用事例50選の資料ダウンロードはこちら(無料)

①デロイト：対話型システムにRAGを導入し社内データベース検索も可能に

デロイトトーマツコンサルティングは、社内向けに生成AIを用いた対話型システムを構築し、社内のコンサルタントがファイルをアップロードして要約したり、質問することを可能にしています。

デロイトは、このシステムにRAGを導入しました。これにより、コンサルタントが入力した情報をもとに、生成AIが社内独自のデータベースや外部データベースを検索できるようになり、回答の正確性や精度が向上しました。

RAGの活用により、コンサルタントのリサーチ業務が大幅に効率化され、戦略立案や実行支援など、より知的な作業へとリソースを割くことができるようになります。

②くすりの窓口：専門的な質問にも答えられるRAGを活用したチャットボットを導入

オンライン診療や服薬指導などのサービスを提供しているくすりの窓口は、顧客の対応窓口として、RAGを活用した生成AIチャットボットを試験導入しました。

くすりの窓口の顧客からの問い合わせ内容には、薬の服薬方法や効果、病気や症状に関する質問など、専門的なものもあり、回答する従業員ごとに回答内容の質にばらつきがあるという問題がありました。

くすりの窓口の社内マニュアル等のデータをRAGを活用してチャットボットに取り込み、専門的な質問にも的確に回答できる精度の高いチャットボットの構築を目指しています。

③コネヒト：社内マニュアルとRAGを結び付け、検索機能の大幅な向上を実現

ToC向けのWebサービスやアプリを提供するコネヒトは、Slack上でChatGPTと対話できる社内向けツールを導入しています。このツールの新機能として、RAGを活用した社内文書の参照機能を搭載しました。

従業員がSlack上で、生成AIに社内のルールや情報について質問すると、生成AIがRAGによって結びつけられた社内データベースやマニュアルを検索し、最適な回答を導き出します。

このように、RAGによって、社内独自の情報も容易に検索できるようになり、業務の大幅な効率化を実現することができます。

※これさえ読めば、ChatGPTの機能・できること・活用方法まで全てわかる、最新情報をまとめた資料をダウンロード頂けます。
⇒【5分でわかる】ChatGPT活用ガイドブックの資料ダウンロードはこちら(無料)

企業が生成AI活用を成功させるための５つのポイント

企業が生成AI活用を成功させるために抑えるべきポイントは以下の５つです。

• ①業務内容の棚卸しと活用インパクトの試算
• ②投資対効果の高い課題/目的と活用方法の選定
• ③アジャイルアプローチでの開発・導入
• ④システムとルールの両面からのリスク管理
• ⑤研修等での社員のAI活用リテラシーの向上

それぞれについてわかりやすく紹介していきます。

※200事例の分析に基づく、企業の生成AI/ChatGPT活用でよくある失敗とベストプラクティスをまとめた資料をダウンロード頂けます。
⇒生成AI/ChatGPT活用しくじり大全の資料ダウンロードはこちら(無料)

①業務内容の棚卸しと活用インパクトの試算

生成AI活用の成否を分ける最大のポイントは、生成AIを活用する意義の大きな業務に対して活用することに尽きます。　

活用の方針や戦略がないまま活用を進めるのではなく、自社の業務内容・フローをしっかりと棚卸しした上で、どの程度業務効率やアウトプット向上に繋がるかを試算することが重要となります。

②投資対効果の高い課題/目的と活用方法の選定

生成AIは全ての業務に対して万能という訳ではなく、膨大なデータに基づいたコンテンツ制作は得意だが、複雑な問いに対して正確な答えを出すのは苦手といった、明確な得意不得意が存在します。

そのため、自社の業務の現状や生成AIの特徴を踏まえた上で、どのような課題/目的に対して、どのようなアプローチ/範囲/ツールで活用を進めるかを、検討・選定するステップがプロジェクトの投資対効果を左右する、極めて重要なプロセスとなります。

③アジャイルアプローチでの開発・導入

生成AIは、一度開発・導入して終わりという進め方ではなく、何度もモデル・学習データ・利用方法等を細かくカスタマイズしなおすことで、より理想とする活用を実現することができます。

具体的には、初期仮説に基づいた簡易的なプロトタイプを構築し実際に利用してみる、というサイクルを、1サイクル数週間の期間で何度も繰り返し、ブラッシュアップしていくという、アジャイル開発のアプローチを取ることが適しています。

④システムとルールの両面からのリスク管理

企業が生成AIの活用に踏み切れない最大の理由として、機密情報漏洩や著作権侵害などのリスクへの懸念が挙げられます。

確かに、社員に特段ルールを設けず、一般に公開されている生成AIを活用させた場合、様々な問題が発生する可能性は存在します。

一方で、入力するデータが学習されないようなシステム構築や使用範囲・機密情報の取扱等の運用ルールの策定により、リスクをマネジメントし最小化することが可能です。

⑤研修等での社員のAI活用リテラシーの向上

生成AIの特徴として、AIとの対話によってアウトプットを引き出すことが求められるため、使い手のリテラシーによって成果が大きく左右されることが挙げられます。

そのため、生成AIのポテンシャルを最大限に活用するためには、従業員のAIに対する理解とスキル、すなわちAIリテラシーを向上させることが不可欠です。

研修プログラムや実践的なトレーニングを通じて、従業員に生成AIの基本的な知識、適切な使用方法、関連するリスクを理解してもらい、効率的かつ責任ある方法で使用できる環境の構築が必要となります。