RAGとは？社内マニュアルをAIに答えさせる仕組みを実務目線で

結論——RAGは社内文書をAIに答えさせる検索の仕組み

RAGは、社内のマニュアルや図面、過去のトラブル記録をAIに読み込ませ、そこから根拠を探して答えさせる仕組みです。ChatGPTのように学習済みの知識だけで答えるのではなく、自社の文書を検索してから回答します。マニュアルの場所を人が探す手間を減らせます。

製造業なら、作業手順書・検査基準・過去の不良対応などが毎日検索の対象になります。どこに書いてあるかを覚えている人に聞かなくても、チャットで答えが返る状態をつくれます。

RAGの読み方と意味

RAGは「ラグ」と読みます。Retrieval-Augmented Generationの略で、日本語では「検索で補強した文章生成」という意味です。検索（Retrieval）と生成（Generation）を組み合わせた仕組みと覚えれば十分です。

用語の整理はAI・DXの用語集にまとめています。LLM（大規模言語モデル。ChatGPTの中身にあたる文章生成の技術）など、関連する言葉もあわせて確認できます。

ふつうのChatGPTと何が違うのか

ChatGPTは学習済みの一般知識で答えます。自社の検査基準や型番ごとの手順は知りません。RAGは回答の前に自社文書を読む点が違います。

そのため「うちの製品の話」を聞いても、根拠の文書を示しながら答えられます。架空の内容を本当らしく語る誤りも、文書に沿わせることで減らせます。

RAGとは何か。社内マニュアルをAIが引く流れ

RAGは、質問が来るたびに社内文書を検索し、見つけた文章をAIに渡して答えさせる仕組みです。人が検索し、AIが要約する作業を一度に行うと考えると分かりやすいです。

検索して答える3ステップ

中身は大きく3つの流れで動きます。

1. 質問を受ける——「この型番の締め付けトルクは」とチャットで聞く
2. 社内文書を検索する——手順書や基準書から関係する部分を探す
3. 答えを作る——見つけた文章をもとにAIが短くまとめて返す

人が手順書のPDFを開いて該当ページを探す作業を、AIが肩代わりします。答えの横に出典の文書名を出す設定にすれば、現場が原文を確認できます。

なぜ「社内の文書」で効くのか

製造業の知識は、一般の本やネットには載っていません。自社の図面や検査記録にしか書いていない情報が多いためです。

RAGは、そうした社外に出回らない情報を回答の根拠にできます。ベテランの頭の中にある暗黙知を、文書にしておけば誰でも引ける状態に近づきます。

RAGが効く業務と、効かない業務

RAGは「答えが文書のどこかに書いてある業務」で効きます。逆に、判断や創作が必要な業務には向きません。先に向き不向きを見極めることが、投資を無駄にしない条件です。

効きやすい業務

答えが既存の文書に存在する業務が向いています。

• 作業手順書・マニュアルの参照——新人が自分で引ける
• 過去のトラブル対応の検索——同じ不良の処置を再利用する
• 検査基準・規格の確認——型番ごとの数値をすぐ出す
• 社内規程・就業ルールの問い合わせ——総務への質問を減らす

図面や手順書を検索させる具体的な手順は、製造業のRAG活用｜図面・手順書・トラブル記録をAIに検索させる手順で詳しく整理しています。

効きにくい業務

文書に答えがない業務は効果が薄くなります。

• 設備の最終的な良否判断——責任を伴う判断は人が負う
• 数値計算そのもの——AIは計算より検索が得意
• 文書化されていない勘やコツ——元の文書がなければ検索できない

元になる文書がない状態では、RAGは何も答えられません。まず書き起こす作業が先に来ます。

効く業務・効かない業務の一覧

RAGとファインチューニングの違い（仕組みの選び方）

社内情報をAIに覚えさせる方法には、RAGとファインチューニングの2つがあります。中小企業はまずRAGから検討するのが現実的です。更新のしやすさと費用で差が出ます。

更新のしやすさで選ぶ

ファインチューニングは、AIそのものに社内知識を学習させる方法です。手順書が変わるたびに学習をやり直す必要があり、手間と費用がかかります。

RAGは文書を差し替えるだけで最新の内容に更新できます。手順書が月に何度も変わる現場では、RAGの方が運用に乗ります。

2つの仕組みの比較表

出典を示せる点でも、根拠が問われる製造現場にはRAGが合います。どこに書いてあったかを確認できることが、現場の信頼につながります。

RAGの構築方法。3つの作り方と費用の考え方

RAGの作り方は大きく3つあります。規模とセキュリティ要件で選ぶのが基本です。費用は作り方で大きく変わります。

① 既製のAIチャットに文書を読ませる

ChatGPTの有料プランなどで、文書を読み込ませて質問する使い方です。設定が軽く、小さく試すのに向きます。

ただし、外部サービスに社内資料を預ける形になります。扱う情報の範囲を限定する判断が要ります。

② ノーコードツールで社内RAGを組む

Difyのようなツールを使い、社内向けに閉じたRAGを組む方法です。プログラミングなしで構築でき、普段使うチャットにつなげられます。

社内に閉じた形で作れるため、外部に出したくない情報を扱いやすくなります。運用できる人材が社内に必要です。

③ 開発会社に委託する

要件が複雑な場合は、開発会社に委託して専用のRAGを作ります。費用は高くなりますが、自社の仕組みに合わせられます。

3つの作り方の比較表

具体的な金額は構成と文書量で変わります。料金は各ツールの公式サイトで最新を確認してください。補助金を使う場合の対象範囲は熊本で AI 導入する際、本当に使える補助金 5 つにまとめています。

社内資料をAIに預ける前に決めるセキュリティの線引き

RAGを作る前に、どの情報を入れてよいか決めます。取引先の図面や個人情報の扱いを先に決めることが、トラブルを防ぐ条件です。

入れてよい情報・だめな情報

外部サービスを使う場合は、特に線引きが要ります。

入力の線引きは生成AIに入力してよい情報とだめな情報でも整理しています。TSMC関連の取引など、守秘義務が厳しい契約では特に注意が要ります。

閉じた環境で作る選択肢

外部に資料を出したくない場合は、社内に閉じたRAGを選びます。実際にあった例です。営業代行会社や製造業、不動産業の複数社が、外部サービスに社内資料を預ける不安からDifyで社内専用のRAGを構築しました。SlackやLINEなど普段使うツールにつなげられる点を理由に選び、新しい画面を開き直さずチャットから社内情報を聞ける状態になりました。規模は非公開です。

RAGで失敗する3つのパターンと対策

RAG導入でつまずくのは、仕組みより運用の問題が多いです。着手前に3つの条件を潰すと、無駄打ちを減らせます。

① 元になる文書が整っていない

手順書が古い、またはバラバラの状態では、RAGは古い答えを返します。まず文書を最新にそろえる作業が先です。

② AIの答えをそのまま信じる

RAGでも誤りはゼロになりません。数値や安全に関わる答えは、人が原文で確認します。確認の工程はAIのハルシネーション対策で整理しています。

③ 全社一斉に広げようとする

最初から全部門に入れると、文書整備が追いつきません。1つの業務で試してから広げる順番が現実的です。

RAG導入でまず作る1業務分の文書セット

今日やる1つは、RAGに読ませる文書を1業務分だけそろえることです。手順書でも検査基準でもかまいません。よく聞かれる質問を10個書き出し、その答えが載った文書を集めます。

その10個にAIが正しく答えられるかを試せば、自社でRAGが効くか判断できます。小さく試してから広げる順番が、失敗を避ける近道です。全社導入の検討は、その結果を見てからで間に合います。