RAGとは？意味・仕組みと資料をもとに答えるツール（2026年10月時点）

ひとことで言うと

RAG（Retrieval-Augmented Generation、検索拡張生成）は、AI が答える前に、社内の文書のような資料から質問に関係する部分を検索し、その内容をプロンプトに足してから答えをつくる仕組みだ。AI のモデルが学習していない情報や新しい情報でも、資料に書いてあれば答えに使える。

たとえば顧客対応のチャットボットは、その会社についての知識が要る。Anthropic はこうした例を挙げ、AI の知識を補う方法として開発者がふつう使うのが RAG だと説明している。

仕組み

Anthropic の解説に沿うと、RAG は準備と回答の2つの段階で動く。

1. 準備：資料をチャンク（数百トークンほどの小さなかたまり）に分ける。トークンは AI が文章を数える単位だ。
2. 準備：埋め込みモデルで、各チャンクを意味を表す数値（ベクトル）に変える。
3. 準備：その数値をベクトルデータベースに保存する。意味の近さで検索できるデータベースだ。
4. 回答：質問が来ると、質問も数値に変え、意味の近いチャンクを探す。
5. 回答：見つかったチャンクをプロンプトに足し、AI が答えをつくる。

Google の Gemini API のファイル検索も、ファイルを自動でチャンクに分け、埋め込み、索引をつくる。Google はこれを、キーワードの一致でなく質問の意味をとらえる検索だと説明している。一方 Anthropic は、意味の検索は「エラーコード TS-999」のような正確な語の一致を取りこぼすことがあり、語の一致で探す方法と組み合わせると精度が上がるとしている。

RAG は、2020年5月に Patrick Lewis らが発表した論文（TRAIL の解説）で提案された。論文はモデルの中に覚えた知識と、Wikipedia を検索できる外の記憶を組み合わせ、より具体的で事実に沿った文章をつくれたと報告している。

表で見る最新の状況

上の表は取り込んだ資料や社内の情報をもとに答える機能を持つ6つのツールの無料プランの有無、いちばん安い有料プラン、日本語の画面の有無を並べたものだ。料金の確認日は2026年10月10日から10月23日。6つとも無料プランが「あり」で、日本語の画面がある。

• Dify は TRAIL の DB でナレッジ（RAG）の機能を持つと書かれている開発基盤だ。いちばん安い有料プランの Professional は1ワークスペースあたり月$59で、ナレッジに入れられる文書は500件までだ。
• NotebookLM は取り込んだ資料だけを根拠に答える Google のツールだ。Google AI Plus は月¥725で、ノートブック200件、ソース100件まで使える。
• Claude の Pro は月$20だ。Anthropic のヘルプによると、Projects の資料がコンテキストウィンドウの上限に近づくと自動で RAG に切り替わる機能は、Pro 以上の有料プランで使える。
• Notion AI の Plus は1人あたり月¥1,650だが、AI の機能は試用だけだ。

TRAIL の年表では、資料をもとに答える機能は2023年11月14日の Notion の「Q&A by Notion AI をベータ公開」、2024年6月25日の Claude の「Projects を追加」と続いた。2025年には Dify が9月22日に「v1.9.0 で Knowledge Pipeline を追加」し、Manus も12月1日に指示とナレッジを保存できる Projects を全プランに加えた。

TRAIL の比較表では、6つのツールのいちばん安い有料プランの中身が、文書の件数の上限から AI の試用だけまで分かれている。

RAG とファインチューニング、長いプロンプトの違い

ファインチューニングはモデル自体を追加学習で変える方法で、RAG はモデルを変えずに渡す情報を変える方法だ。資料が少ないうちは、RAG を組まずに全部をプロンプトに入れる方法も選べる。

仕事でどう関係するか

社内の規程やマニュアルに答える AI を作りたいとき

規程やマニュアルがコンテキストウィンドウに入りきらない量なら、RAG が向く。API で作るなら、OpenAI のファイル検索のように提供元がサーバー側で検索まで行う道具もあり、検索のコードを自分で書かずに済む。画面の操作で作るなら、Dify のナレッジの機能を使う方法がある。

答えの根拠を確かめたいとき

Google のファイル検索は、答えをつくるのにアップロードした文書のどの部分を使ったかを、引用として付けることがあり、PDF ならページ番号も付くことがある。Google はこれが事実の確認に役立つとしている。社内で使うなら、根拠の文書を示すよう AI に頼んでおくとよい。

アップロードした就業規則だけをもとに、育児休業を取れる期間と申請の締め切りを答えてください。
答えには、根拠にした条文の番号と文書の名前を付けてください。
就業規則に書かれていない場合は「規則に記載がない」と答えてください。

費用を見積もるとき

Google のファイル検索では、文書を登録するときの埋め込みに料金がかかり、保存と、検索のときの埋め込みは無料だ。取り出した文書は、ふつうの入力のトークンとして料金がかかる。OpenAI は取り出す件数を減らすとトークンと待ち時間を減らせる一方、答えの質が下がることがあると書いている。

注意点と限界

• 検索で関係する部分を取り出せないと、AI は正しく答えられない。Anthropic は、資料を小さく分けたチャンクが文脈を失い、検索が失敗することが多いと書いている。たとえば「売上は前の四半期より3%伸びた」という一文だけでは、どの会社のいつの話かわからない。
• Anthropic はチャンクごとに文書の中での位置づけを短く書き足す方法で、検索の失敗を49%減らせたと報告している。並べ替えの処理と組み合わせると67%減ったという。
• 資料のファイル名や置き方も検索の結果に関わる。Anthropic のヘルプはファイルにわかりやすい名前を付け、関係する文書を同じプロジェクトにまとめるよう勧めている。
• Google のファイル検索は、1つの文書の大きさが100MBまでで、音声と動画のファイルには対応していない。

よくある質問

関連する用語

• コンテキストウィンドウ：RAG で取り出した情報も、この範囲に入れて渡す
• ファインチューニング：モデル自体を追加学習で変える、RAG と比べられる方法
• LLM（大規模言語モデル）：RAG で資料を渡す先のモデル
• ハルシネーション：AI が事実と違うことを答える現象
• ディープリサーチ：ウェブを何度も検索して報告書にまとめる機能
• ツール：Dify、NotebookLM、Claude、ChatGPT、Notion AI