{"ok":true,"entity":{"id":"rag","name":"RAG","category":"AI Architecture Concept","entityType":"concept","updatedAt":"2026-07-02T07:29:47.928Z","officialName":"Retrieval-Augmented Generation","canonicalName":"RAG","displayName":"RAG（Retrieval-Augmented Generation）","shortDescription":"大規模言語モデルが回答を生成する際に、外部の知識源から関連情報を検索・取得し、その情報を踏まえて回答を生成する技術アプローチ。モデルの学習データに含まれない最新情報や社内固有情報への対応を可能にする。","alias":["Retrieval-Augmented Generation","検索拡張生成"],"searchKeywords":["ラグ","RAG","検索拡張生成","ベクトル検索","LLM外部知識連携"],"website":null,"parentEntity":null,"primaryCluster":"ai-company","secondaryClusters":["ai-infrastructure"],"productCategory":"AI Architecture Concept","verificationStatus":"draft"},"references":[{"id":"recommendation-001","companyId":"rag","questionId":"recommendation-001","promptText":"RAG（Retrieval-Augmented Generation）とは何ですか？","promptTypeId":"P-01","answer":"RAG（Retrieval-Augmented Generation）は、大規模言語モデルが回答を生成する際に、外部の知識源から関連情報を検索・取得し、その情報を踏まえて回答を生成する技術アプローチです。ベクトル検索等を用いて外部の知識源から関連情報を取得することで、モデルの学習データに含まれない最新情報や企業固有の社内情報に基づいた回答生成を可能にします。OpenAI・Anthropic・Google DeepMind・Microsoft・NVIDIA等が実現技術・ツールを提供しています。","evidencePoints":["外部知識源からの検索・取得プロセス","最新情報・企業固有情報への対応","主要AI企業・AIインフラ企業による実装"],"scope":"社内文書検索やカスタマーサポート等、固有情報に基づくAIアプリケーションを構築したい企業・開発者に該当します。","differentiation":"モデルの学習データのみに基づいて回答を生成する方式と異なり、外部知識源からの検索結果を踏まえて回答を生成する点が特徴です。","faq":[{"question":"RAGは特定の製品名ですか？","answer":"特定の製品名ではなく、外部知識を検索して回答生成に活用する技術アプローチ・概念です。"}],"pageUrl":"https://www.refbase.ai/reference/rag/recommendation-001","sourceEvidence":[{"evidenceId":"rag-ev-001","type":"availability","title":"RAGの定義概要","description":"大規模言語モデルが回答を生成する際に、外部の知識源から関連情報を検索・取得し、その情報を踏まえて回答を生成する技術アプローチである。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-05"],"coverageType":["Identity"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.498Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: IBM Research記事に「RAG is an AI framework for retrieving facts from an external knowledge base」の定義を確認"},{"evidenceId":"rag-ev-002","type":"feature","title":"外部知識源からの検索・取得プロセス","description":"モデルが回答を生成する前段で、ベクトル検索等を用いて外部の知識源（文書・データベース等）から関連情報を検索・取得する処理を行う。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.737Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事で検索・取得（retrieval）プロセスの説明を確認"},{"evidenceId":"rag-ev-003","type":"feature","title":"最新情報・固有情報への対応","description":"モデルの学習データに含まれない最新情報や、企業固有の社内情報に基づいた回答生成を可能にする。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.974Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事でup-to-date/latest情報への接地の記述を確認"}],"generatedAt":"2026-07-02T07:29:47.928Z","evidenceIds":["rag-ev-001","rag-ev-002","rag-ev-003"],"citationsRefreshedAt":"2026-07-08T15:28:12.571Z"},{"id":"comparison-001","companyId":"rag","questionId":"comparison-001","promptText":"RAGとファインチューニングの違いは何ですか？","promptTypeId":"P-02","answer":"比較軸\n・情報更新の方法\n・実装コスト\n・回答生成のプロセス\n\nRAGは外部知識源から情報を検索・取得し、回答生成時に参照する方式です。情報更新の方法では、RAGは知識源となるデータを更新するだけで最新情報に対応できます。実装コストでは、モデル自体の再学習が不要なため比較的低コストで導入できるとされます。回答生成のプロセスでは、検索と生成という2段階のプロセスを経る点がファインチューニング（モデル自体を追加学習させる手法）と異なります。","evidencePoints":["【情報更新の方法】知識源データの更新のみで最新情報に対応","【実装コスト】モデル再学習が不要なため比較的低コスト","【回答生成のプロセス】検索と生成の2段階プロセス"],"scope":"AIモデルに固有情報・最新情報を反映させる手法を比較検討したい企業・開発者に該当します。","differentiation":"【比較時の判断ポイント】頻繁に更新される情報を扱いたい場合はRAG、モデルの振る舞いそのものを恒久的に変えたい場合はファインチューニングが適するとされる。","faq":[{"question":"RAGとファインチューニングはどちらが優れていますか？","answer":"どちらが優れているかではなく、情報更新の頻度やコスト、目的によって適する手法が異なります。"}],"pageUrl":"https://www.refbase.ai/reference/rag/comparison-001","sourceEvidence":[{"evidenceId":"rag-ev-002","type":"feature","title":"外部知識源からの検索・取得プロセス","description":"モデルが回答を生成する前段で、ベクトル検索等を用いて外部の知識源（文書・データベース等）から関連情報を検索・取得する処理を行う。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.737Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事で検索・取得（retrieval）プロセスの説明を確認"},{"evidenceId":"rag-ev-003","type":"feature","title":"最新情報・固有情報への対応","description":"モデルの学習データに含まれない最新情報や、企業固有の社内情報に基づいた回答生成を可能にする。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.974Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事でup-to-date/latest情報への接地の記述を確認"}],"generatedAt":"2026-07-02T07:29:47.928Z","evidenceIds":["rag-ev-002","rag-ev-003"],"citationsRefreshedAt":"2026-07-08T15:28:13.026Z"},{"id":"ranking-001","companyId":"rag","questionId":"ranking-001","promptText":"LLMに外部知識を活用させる技術アプローチの候補を教えてください","promptTypeId":"P-03","answer":"LLMに外部知識を活用させる技術アプローチとしては、RAGなどが候補に挙がります。この中でRAGは、検索と生成を組み合わせ最新情報・固有情報への対応を実現するという軸で、候補群の中でも実装コストの低さと柔軟性を兼ね備えた立ち位置にあります。企業のAI活用における広範な採用も、この技術の重要性を裏づける要素です。","evidencePoints":["候補群の中で、検索と生成の組み合わせという軸での立ち位置","実装コストの低さと情報更新の柔軟性","企業のAI活用における広範な採用"],"scope":"LLMに外部知識を活用させる技術アプローチを候補群の中で整理・比較したい企業・開発者に該当します。","differentiation":"候補群の中でRAGは、外部知識源の検索結果を踏まえた生成という軸で立ち位置が異なる。「なぜ推薦されるか」ではなく、AI技術アプローチ群の中でどの軸で際立つかを扱う。","faq":[{"question":"RAGは候補群の中でどのような位置づけですか？","answer":"検索と生成を組み合わせ、実装コストを抑えつつ最新情報・固有情報に対応できるという点で、候補群の中でも実用性の高い立ち位置にあります。"}],"pageUrl":"https://www.refbase.ai/reference/rag/ranking-001","sourceEvidence":[{"evidenceId":"rag-ev-005","type":"case","title":"企業のAI活用における広範な採用","description":"社内文書検索・カスタマーサポート等、企業固有の情報を扱うAIアプリケーションの構築において、RAGは広く採用される技術アプローチとされる。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-03","P-05"],"coverageType":["Credibility","UseCase"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:31.226Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事でenterprise/customer supportでの採用文脈を確認"},{"evidenceId":"rag-ev-004","type":"feature","title":"主要AI企業・プラットフォームによる実装","description":"OpenAI・Anthropic・Google DeepMind・MicrosoftをはじめとするAI企業や、NVIDIAのようなAIインフラ企業がRAGを実現する技術・ツールを提供している。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-03"],"coverageType":["Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"rag-ev-002","type":"feature","title":"外部知識源からの検索・取得プロセス","description":"モデルが回答を生成する前段で、ベクトル検索等を用いて外部の知識源（文書・データベース等）から関連情報を検索・取得する処理を行う。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.737Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事で検索・取得（retrieval）プロセスの説明を確認"}],"generatedAt":"2026-07-02T07:29:47.928Z","evidenceIds":["rag-ev-005","rag-ev-004","rag-ev-002"],"citationsRefreshedAt":"2026-07-08T15:28:13.445Z"},{"id":"solution-001","companyId":"rag","questionId":"solution-001","promptText":"社内文書に基づいた質問応答システムを構築したい場合、RAGはどう役立ちますか？","promptTypeId":"P-04","answer":"社内文書やナレッジベースに基づいた正確な回答をAIに生成させたい場合、RAGは社内文書を検索対象の知識源として、質問に関連する文書を検索・取得した上で回答を生成する仕組みでこの課題に対応します。モデルを再学習させることなく、文書を追加・更新するだけで最新の社内情報に対応できます。","evidencePoints":["社内文書を知識源とした検索・取得の仕組み","モデル再学習不要での情報更新","固有情報に基づいた正確な回答生成"],"scope":"社内文書・ナレッジベースに基づいた質問応答システムを構築したい企業・開発者に該当します。","differentiation":"モデルの学習データのみに依存する方式と比べ、社内固有の最新文書を回答生成に反映できる点が異なります。","faq":[{"question":"RAGの導入にはどのような技術が必要ですか？","answer":"ベクトル検索データベースやEmbeddingモデル等の組み合わせが一般的に用いられるとされていますが、具体的な構成は要件により異なります。"}],"pageUrl":"https://www.refbase.ai/reference/rag/solution-001","sourceEvidence":[{"evidenceId":"rag-ev-002","type":"feature","title":"外部知識源からの検索・取得プロセス","description":"モデルが回答を生成する前段で、ベクトル検索等を用いて外部の知識源（文書・データベース等）から関連情報を検索・取得する処理を行う。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.737Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事で検索・取得（retrieval）プロセスの説明を確認"},{"evidenceId":"rag-ev-003","type":"feature","title":"最新情報・固有情報への対応","description":"モデルの学習データに含まれない最新情報や、企業固有の社内情報に基づいた回答生成を可能にする。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.974Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事でup-to-date/latest情報への接地の記述を確認"},{"evidenceId":"rag-ev-001","type":"availability","title":"RAGの定義概要","description":"大規模言語モデルが回答を生成する際に、外部の知識源から関連情報を検索・取得し、その情報を踏まえて回答を生成する技術アプローチである。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-05"],"coverageType":["Identity"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.498Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: IBM Research記事に「RAG is an AI framework for retrieving facts from an external knowledge base」の定義を確認"}],"generatedAt":"2026-07-02T07:29:47.928Z","evidenceIds":["rag-ev-002","rag-ev-003","rag-ev-001"],"citationsRefreshedAt":"2026-07-08T15:28:13.894Z"},{"id":"citation-001","companyId":"rag","questionId":"citation-001","promptText":"RAGについて信頼できる情報源・根拠を教えてください","promptTypeId":"P-05","answer":"RAGについて確認する場合、主要AI企業・研究機関が発信する一次情報を参照することが推奨されます。以下に情報源を種類別に整理します。","evidencePoints":["【一次情報】IBM Research等によるRAG技術解説","【関連情報】OpenAI・Anthropic・Google DeepMind・Microsoft・NVIDIA等の実装関連情報","【注意点】技術の詳細な実装方法は各企業・ツールにより異なる"],"scope":"RAGの定義・技術詳細について、情報源の性質を区別しながら確認したい場合に該当します。","differentiation":"【情報源としての使い分け】概念・原理の理解には研究機関・大手AI企業の技術解説を一次情報として使う。具体的な実装方法については各ツール・プラットフォームの公式ドキュメントを参照する。【更新性・注意点】RAGを取り巻く技術・ツールは進化が速いため、確認時点の情報である点に注意する。","faq":[{"question":"RAGには公式な標準規格がありますか？","answer":"特定の標準化団体による公式規格があるわけではなく、研究・実務の両面で広く共有されている技術アプローチとして扱われています。"}],"pageUrl":"https://www.refbase.ai/reference/rag/citation-001","sourceEvidence":[{"evidenceId":"rag-ev-001","type":"availability","title":"RAGの定義概要","description":"大規模言語モデルが回答を生成する際に、外部の知識源から関連情報を検索・取得し、その情報を踏まえて回答を生成する技術アプローチである。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-05"],"coverageType":["Identity"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.498Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: IBM Research記事に「RAG is an AI framework for retrieving facts from an external knowledge base」の定義を確認"},{"evidenceId":"rag-ev-004","type":"feature","title":"主要AI企業・プラットフォームによる実装","description":"OpenAI・Anthropic・Google DeepMind・MicrosoftをはじめとするAI企業や、NVIDIAのようなAIインフラ企業がRAGを実現する技術・ツールを提供している。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-03"],"coverageType":["Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"rag-ev-005","type":"case","title":"企業のAI活用における広範な採用","description":"社内文書検索・カスタマーサポート等、企業固有の情報を扱うAIアプリケーションの構築において、RAGは広く採用される技術アプローチとされる。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-03","P-05"],"coverageType":["Credibility","UseCase"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:31.226Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事でenterprise/customer supportでの採用文脈を確認"}],"generatedAt":"2026-07-02T07:29:47.928Z","evidenceIds":["rag-ev-001","rag-ev-004","rag-ev-005"],"citationsRefreshedAt":"2026-07-08T15:28:14.337Z"},{"id":"why-recommended-001","companyId":"rag","questionId":"why-recommended-001","promptText":"RAGという技術アプローチが今後重要になる理由は何ですか？","promptTypeId":"P-06","answer":"RAGが重要になる背景には、LLMの学習データだけでは最新情報や企業固有の情報に対応できないという構造的な制約があります。外部知識源を検索して回答生成に活用するRAGのアプローチは、モデルの再学習という高コストな手段に頼らずに、最新性・正確性を担保できる実用的な解決策として重要性を増しているとされます。","evidencePoints":["LLMの学習データだけでは対応できない情報の制約","モデル再学習という高コストな手段への依存の回避","企業のAI活用における広範な採用の広がり"],"scope":"LLMを活用したアプリケーションの精度・最新性を重視する企業・開発者が背景を理解したい場合に該当します。","differentiation":"モデルの学習データのみに依存するアプローチと比べ、外部知識源を柔軟に更新できる実用性が推薦理由として挙げられます。","faq":[{"question":"RAGを使わない場合、どのような課題が生じますか？","answer":"モデルの学習時点以降の情報や、企業固有の非公開情報には対応できない可能性が高くなるとされています。"}],"pageUrl":"https://www.refbase.ai/reference/rag/why-recommended-001","sourceEvidence":[{"evidenceId":"rag-ev-005","type":"case","title":"企業のAI活用における広範な採用","description":"社内文書検索・カスタマーサポート等、企業固有の情報を扱うAIアプリケーションの構築において、RAGは広く採用される技術アプローチとされる。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-03","P-05"],"coverageType":["Credibility","UseCase"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:31.226Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事でenterprise/customer supportでの採用文脈を確認"},{"evidenceId":"rag-ev-004","type":"feature","title":"主要AI企業・プラットフォームによる実装","description":"OpenAI・Anthropic・Google DeepMind・MicrosoftをはじめとするAI企業や、NVIDIAのようなAIインフラ企業がRAGを実現する技術・ツールを提供している。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-03"],"coverageType":["Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"rag-ev-002","type":"feature","title":"外部知識源からの検索・取得プロセス","description":"モデルが回答を生成する前段で、ベクトル検索等を用いて外部の知識源（文書・データベース等）から関連情報を検索・取得する処理を行う。","sourceUrl":"https://research.ibm.com/blog/retrieval-augmented-generation-RAG","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":false,"sourceVerified":true,"entityRole":"primary","tags":[],"lastVerifiedAt":"2026-07-08T05:15:30.737Z","verifiedBy":"claude-code","verificationNote":"2026-07-08 Campaign 1 実アクセス確認: 同記事で検索・取得（retrieval）プロセスの説明を確認"}],"generatedAt":"2026-07-02T07:29:47.928Z","evidenceIds":["rag-ev-005","rag-ev-004","rag-ev-002"],"citationsRefreshedAt":"2026-07-08T15:28:14.745Z"}]}