従来RAGのリスクを克服、ハルシネーションを起こさない“進化系RAG”とは？

　ビジネスにおける生成AI活用が進む中、大規模言語モデルによるテキスト生成に外部情報の検索を組み合わせることで回答精度を向上させる「RAG」への注目度が高まっている。総務担当者や情報システム担当者、カスタマーサービスの問い合わせ対応担当者の負担を減らすためにナレッジ検索への活用も進んでいるが、一方で「現場では活用しづらい」との声も聞こえてくる。

　その要因の1つが、参照できる外部情報の中で最も近しい情報を回答としてしまうことだ。ハルシネーション（誤回答）のリスクがあることから活用が進まないケースが散見される。また、大規模言語モデルの一般知識が自社に当てはまらなかった場合にもハルシネーションが起こってしまうことから、RAGの活用に慎重にならざるを得ないのが実情のようだ。

　昨今は、こうした従来の課題を克服した“進化系RAG”も登場。曖昧な調べ方でもハルシネーションを防いで正しい情報を届けられることから、ユーザーの自己解決率を大幅に向上させる技術として注目されている。その仕組みや技術の詳細を、本資料で詳しく見ていく。