トピック
実務におけるRAG（検索拡張生成）
RAG（検索拡張生成）は、自社の資料から関連箇所を検索し、質問と併せてモデルに渡します。これにより回答は、モデルが学習時に取り込んだ内容ではなく、自社の文書に根拠づけられます。本シリーズでは、その処理の流れと他手法との使い分けを扱います。
社内RAGガイド
RAG（検索拡張生成）とは、社内文書をAIに検索させ、出典付きで回答を得る仕組みです。社内規程・社内データの検索を出典・検証付きで実現する、社内RAG導入の基礎から進め方までを解説します。
記事を読む
コンテキストエンジニアリングとRAG
コンテキストエンジニアリングは、回答時にAIが見るすべてを整える実践であり、RAGはその中の一手法です。両者の関係と、それぞれが重要になる場面を解説します。
記事を読む
AIに適切なコンテキストを与える
AIが忘れるのは、各チャットが白紙から始まり、コンテキストウィンドウに収まる分しか見えないからです。解決法は、自分の文書から持続的で検索可能な、出典付きのコンテキストを与えることです。
記事を読む
文書からナレッジベースへ
文書のフォルダをAIナレッジベースに変える手順を解説します。集める、アップロードする、尋ねる、検証する。タグ付けもスキーマもコードも不要です。
記事を読む
RAGのハルシネーション率
RAG（検索拡張生成）はAIのハルシネーションを大幅に減らしますが、ゼロにはしません。スタンフォード大学の測定では主要リーガルRAGツールで17〜33%、GPT-4単体で43%。実数と残存リスクへの設計を解説します。
記事を読む