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。

RAGを活用することで、生成AIから、社内データベースやWeb上の最新情報などの膨大なデータを反映した精度の高い回答を得ることができるようになります。

本記事では、「RAGについて基本からしっかりと理解したい」という方に向けて、RAGの仕組みやメリット、具体的な活用事例まで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)

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。

※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と他のデータ学習方法の比較と選び方

RAGと他のデータ学習方法を比較した図は上の通りです。

• ①RAG(Retrieval-Augmented Generation)：膨大なデータからの検索に強み
• ②ファインチューニング：自社の目的・用途に特化した生成AIを構築
• ③プロンプトエンジニアリング：非エンジニアでも実装可能

それぞれについてわかりやすく紹介していきます。

①RAG(Retrieval-Augmented Generation)：膨大なデータからの検索に強み

RAG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。

メリット

• 膨大なデータ量の学習が可能：RAGではプロンプトエンジニアリングと異なり、膨大な量のデータを学習させることができます。そのため、自社データをフル活用した業務効率化やサービス創出が可能となります。
• 最新データに基づく回答：RAGでは生成AIと自社のデータベースが接続されており、常に最新のデータを活用した回答を得ることが可能です

デメリット

• 導入ハードルが高い：RAGには設計と実装に高度なエンジニアリング知識やスキルを有する人材による開発体制が必要となります。
• 回答時間が長い：RAGでは回答の際に、膨大な自社データを検索させることになるため、回答までに長い時間を要する傾向があります。

②ファインチューニング：自社の目的・用途に特化した生成AIを構築

2つ目の方法はファインチューニングによるデータ学習です。

ファインチューニングによる学習では、生成AIの提供するモデルに、自社データを学習させることで、モデル自体を自社専用のものにアップデートします。

これにより、自社の業界や事業領域、特定のタスクに対して精度高く活用可能な自社専用の生成AIを構築することが可能です。

メリット

• 業界やタスクに特化可能：モデル自体をアップデートするため、自社の業界、事業領域や特定のタスクに特化した精度の高い回答を得られるようになります。
• ユーザーが利用しやすい：モデル自体が自社のニーズにカスタマイズされたものになっているため、AIの知識の乏しい社員でも簡単に自社独自の生成AIを利用できるようになります。

デメリット

• 導入ハードルが高い：ファインチューニングには設計と実装に高度なエンジニアリング知識やスキルを有する人材による開発体制が必要となります。
• コストが高い：モデルの学習には膨大なデータを学習させる必要があり、その過程で生成AIのAPIに対して従量課金での支払いをすることとなります。また、学習に用いるデータセットを収集・整理するコストもかかることとなります。

③プロンプトエンジニアリング：非エンジニアでも実装可能

3つ目の方法は、プロンプトエンジニアリングによるデータの学習です。

そもそもプロンプトエンジニアリングとは、生成AIに入力する質問や指示の内容を工夫することで、適切な回答を引き出すことを指します。

生成AIに入力する質問や指示に、データをテキストで入力したり、CSV、PDFファイル、URLなどを添付することで、そのデータを学習した回答を得ることができます。

※ChatGPTや生成AIツールを活用する際に、コピペで使える定番のプロンプト21選や、上手に書くコツをまとめた資料をダウンロード頂けます。
⇒ChatGPT/生成AIツールの定番プロンプト21選の資料ダウンロードはこちら(無料)

メリット

• 非エンジニアでも実行可能：プロンプトエンジニアリングには、エンジニアリングの専門知識やスキルが必要ないため、非エンジニアの方でも比較的簡単に、データを学習させることができます。
• コストが低い：生成AIへの入力内容を変更するだけなため、追加での料金などはかかりません。

デメリット

• プロンプトエンニアリングスキルが必要：データを活用し生成AIから適切な回答を得るためには、質問や指示の設計や記述のフォーマットなどのスキルが必要となります。
• 学習データ量の制限：プロンプトエンジニアリングでは入力できるデータ量に限りがあるため、膨大な顧客とのやりとりや社内データなどを学習させることには向いていません。

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を活用する９つの方法

企業が生成AIを活用する方法として、以下の9つが挙げられます。

• ①リサーチ・翻訳・要約・分析
• ②企画立案・フィードバック
• ③メール・企画書等の文書作成
• ④設計・デザイン案作成
• ⑤ソフトウェア開発・デバッグ
• ⑥チャットボット等による社内知見の検索・業務支援
• ⑦文章/画像等のコンテンツ作成
• ⑧チャットボット等による顧客対応自動化
• ⑨サービス機能・顧客体験の進化

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活用方法の９つの定石と最新事例をまとめた資料をダウンロード頂けます。
⇒生成AI/ChatGPTの活用アイデア集の資料ダウンロードはこちら(無料)

①リサーチ・翻訳・要約・分析

生成AIを活用することで、webサイトでのリサーチやリサーチ結果の翻訳・要約、分析の大部分を自動化し、大幅に効率化することが可能です。

ChatGPTなどの生成AIサービスは、近年脅威的なスピードで進化を遂げており、最新のwebサイトからの情報の取得や、従来Excelで行っていたような定量分析も、チャット形式の操作で行うことができます。

そのため、リサーチ・分析業務における生成AI活用は、活用すると効率的というフェーズから、活用しないと非効率というフェーズに移行し始めています。

②企画立案・フィードバック

生成AIを活用することで、多様なバリエーションの企画案の幅出しの自動化や、壁打ち相手として自分の企画に対するフィードバックを受けることが可能です。

生成AIの強みは、思考体力が無限にあることであり、人間では不可能な、15分で300通りの企画案を立案するといった活用が可能で、特に幅出しのプロセスで強みを発揮します。

今後多くの業界での企画立案業務が、幅出しはAI、評価・ブラッシュアップは人間という役割分担にシフトしていくと考えられます。

③メール・企画書等の文書作成

メール・企画書などの文章作成は、生成AIが最も得意とするユースケースの１つです。

活用の際は、背景や目的、出力項目などをしっかりと指示することで、スピードはもちろん、人間以上のクオリティの文章を作成することが可能になります。

また、社内稟議用の文章など定型的な文書作成であれば、一度設定してしまえば、作成をほぼ完全に自動化することができます。

※文章作成やリサーチなど日々の業務効率化に使える、おすすめ生成AIツールや５大活用方法、ポイントをまとめた資料をダウンロード頂けます。
⇒【今日から使える】AI/生成AI活用仕事術大全の資料ダウンロードはこちら(無料)

④設計・デザイン案作成

生成AIによる、多様なデザイン案の生成と迅速なプロトタイピングにより、製品開発の時間とコストが削減されます。

これにより、製品の設計・デザインのプロセスが効率化されるとともに、人間ではなかなか思いつかなかったクリエイティブな設計・デザインが可能となります。

⑤ソフトウェア開発・デバッグ

生成AIの活用により、一部のシステム設計とコーディングの自動化が実現され、開発工数とリソースの節約につながります。

これにより、非エンジニアが開発業務の一部を担当したり、エンジニアがより重要な業務にフォーカスすることが可能となります。

⑥チャットボット等による社内知見の検索・業務支援

独自のデータを学習させた生成AIを使ったチャットボットの導入等により、各社員に最適な社内の専門知識をリアルタイムで共有することが可能です。

この取り組みにより、従業員は必要な情報を即座に取得し、業務の質とスピードを向上させます。

⑦文書/画像等のコンテンツ作成

画像や動画生成AIを活用することで、コンテンツ作成を効率化しコストを削減できます。

特に、広告のA/Bテストや消費者へのパーソナライズなどを目的とし、多数のコンテンツが必要な場合、AIの高速かつ効率的な生成能力は、費用対効果の高い選択肢となります。

⑧チャットボット等による顧客対応自動化

生成AIを活用したチャットボット等の導入により、顧客からの問い合わせへの対応の一部が自動化され、24時間365日の迅速なサービス提供が可能になります。

これにより、顧客満足度が向上し、同時にオペレーター等の業務負担も大幅に軽減されます。

※生成AIツールの導入を検討される方に、おすすめの10大生成AIツールの特徴や選び方、活用方法をまとめた資料をダウンロード頂けます。
⇒10大生成AIツール徹底比較の資料ダウンロードはこちら(無料)

⑨サービス機能・顧客体験の進化

生成AIを活用することで、既存サービスの機能や顧客体験をよりユーザー中心のものに進化させることが可能です。

例えば、専属のコンシェルジュのように最適な商品を最適な文脈/文面で提案したり、顧客のサービス利用にあたってのデータ入力の手間を、候補の提案により省略するなどの活用が進んでいます。

この活用により、業務効率化という領域を超え、競合のサービス/事業に対する差別化を図り、競争優位性を構築することが可能です。

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。