RAG（ラグ）は、ざっくり言うとこうです。
RAG＝検索して、根拠を参照して、答える仕組み
だから、社内ルールや製品仕様など「正確さが必要」な場面で強いです。
生成AIが苦手なのは、会社ごとの固有情報です。
これらは外部の一般知識ではなく、社内にしかありません。
そこでRAGを使うと、AIが社内資料を参照しながら回答できるようになります。
| ステップ | 何が起きる？ |
|---|---|
| ① 検索 | 質問に関連する社内資料を探す |
| ② 参照 | 見つけた文章（根拠）をAIに渡す |
| ③ 回答 | 根拠を材料にして回答を生成する |
ポイント：AIの頭の中を賢くするというより、必要な時に資料を引っ張ってくる発想。
| 項目 | できる | できない/苦手 |
|---|---|---|
| 社内FAQ | 規程・マニュアル参照で回答 | 資料にないことは推測になる |
| 業務ナレッジ | 手順・テンプレを提示 | ルールが曖昧だとブレる |
| 検索性 | 資料の“どこに書いてあるか”を示せる | 資料が散らかってると精度低下 |
| 最新情報 | 資料を更新すれば反映される | 更新されないと古いまま |
結論：RAGは万能ではなく、資料の質と更新で精度が決まる。
結論：「探す時間」を減らしたい会社ほど、RAGの費用対効果が高い。
先にやるべきこと：資料の整理と、最低限の更新ルール作り。
RAGで事故る典型は次の3つです。
質問テンプレ（社内RAG向け）
目的：この質問で知りたいのは[目的]です。
前提：対象は[部署/顧客/社内]、状況は[状況]です。
条件：最新ルールを優先し、根拠（参照資料名・該当箇所）を必ず示してください。
出力：1)結論 2)根拠 3)手順 4)注意点 の順で。
