RAG
① 非エンジニア向けのざっくり概要
検索で拾った文書を踏まえて AI が答えるやり方。
いったん関連資料を取り出し、その内容を材料に生成モデルが返答します。
② ちょっとだけ詳しく
💡 Why｜何のために使うか
外部文書を先に検索してLLMに渡し、回答の根拠と最新性を強めるため。
🙋 Who｜誰（どんな役職・スキルセットの人）が主に使うか
AI活用担当、開発者、社内ナレッジを扱う情シス。
🕒 When｜どんな場面で使うか
社内規程やマニュアルを参照するAIチャットを作るとき。
🌐 Where｜どこで動く/使うか（社内・クラウド・端末など）
自社文書と連携したAIシステム。
🔧 How｜どうやって使うか
1） 質問を受ける
2） 関連文書を検索して候補を取得
3） 必要部分をLLMへ渡す
4） 根拠付きで回答を生成。
✨ できること｜導入後の実務効果
- モデルの記憶に頼らず最新情報を反映できる
- 回答に根拠（出典）を付けられる
- 参照範囲や権限を絞って誤回答・漏えいを減らせる
⚠️ よくある誤解｜似た用語との差分
ファインチューニングと混同されがちだが、RAGは外部検索で補う方式、ファインチューニングはモデル自体を再学習する方式。
③ もっと知りたい人向け
この用語は、特定の団体が定める単一の公式仕様を持たない概念です。まずは上の②の理解を土台に、ページ下部の「関連用語」から周辺の言葉をたどると、実務での位置づけがつかみやすくなります。