Apa itu retrieval-augmented generation (RAG)?
Retrieval-augmented generation (RAG) adalah metode di mana model bahasa terlebih dulu mengambil dokumen yang relevan, lalu menulis jawabannya dengan dokumen itu di depan mata. Setiap mesin AI yang mengutip sumber menjalankan semacam RAG: mencari dulu, lalu menulis dengan hasilnya di depan mata. Bagi merek, langkah pengambilan adalah gerbangnya. Halaman yang tidak pernah diambil tidak bisa membentuk jawaban, sebagus apa pun halamannya.
Dari mana asal retrieval-augmented generation?
Namanya berasal dari Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks oleh Patrick Lewis dan rekan, diajukan 22 Mei 2020 dan diterbitkan di NeurIPS 2020. Makalah ini menggabungkan memori parametrik model, yaitu apa yang dipelajarinya saat pelatihan, dengan memori non-parametrik: indeks vektor padat Wikipedia yang dicari oleh retriever untuk setiap pertanyaan.
Mesin pencari AI memakai gagasan yang sama dalam skala web, dengan indeks pencarian menggantikan indeks Wikipedia dan hasil langsung menggantikan cuplikan tetap.
Bagaimana RAG bekerja dalam pencarian AI?
Dalam pencarian AI, RAG berjalan dalam beberapa langkah:
- Mesin menulis ulang pertanyaan menjadi satu atau beberapa pencarian.
- Mesin mengambil hasil dari indeks web, miliknya sendiri atau milik mitra.
- Mesin memilih hasil mana yang diteruskan ke model.
- Model menulis jawaban dengan hasil tersebut dalam konteksnya.
- Mesin melampirkan kutipan pada sebagian sumber yang dipakainya.
Apakah setiap halaman yang diambil dikutip?
Tidak. OpenAI mendokumentasikan bahwa kolom sources dari pencarian web mengembalikan setiap URL yang dirujuk model, dan bahwa jumlah sumber sering kali lebih besar daripada jumlah kutipan (dokumentasi API OpenAI, dibaca 15 Okt 2026).
Jadi jumlah kutipan meremehkan apa yang dibaca mesin, dan sebuah halaman bisa memengaruhi jawaban tanpa ditautkan (artikelnya). Pengambilan tetap berbuah: dalam data kami, 94 dari 97 jawaban yang mengutip halaman dari situs merek sendiri juga menyebut mereknya (artikelnya).
Seperti apa pengambilan dalam contoh nyata?
Dalam contoh Tesla publik (4 Okt 2026), apa yang diambil dan dikutip mesin berbeda per mesin. ChatGPT mengutip tesla.com 12 kali dari 93 kutipan di 25 pertanyaan pembeli, sekitar 13%. Perplexity, Claude, dan Google AI Overviews bersama-sama mengutipnya 5 kali dari 915.
Sisa kumpulan pengambilan adalah halaman milik orang lain: di pertanyaan pembeli dan pertanyaan merek, youtube.com dikutip 29 kali, en.wikipedia.org 24, dan reddit.com 20. Itulah halaman yang menjadi dasar tulisan model.
Pertanyaan umum tentang Retrieval-augmented generation (RAG)
Apakah RAG berarti AI hanya memakai apa yang diambilnya?
Tidak. Model tetap membawa apa yang dipelajarinya saat pelatihan, dan jawabannya memadukan keduanya. Pengambilan mengarahkan jawaban; ia tidak menggantikan ingatan model.
Bagaimana agar halaman saya diambil?
Izinkan crawler pencarian AI membacanya, pastikan teksnya ada tanpa JavaScript, jaga agar tetap terindeks dan memenuhi syarat cuplikan, dan jawab subpertanyaan spesifik yang diajukan pembeli.
Apakah RAG sama dengan grounding?
Keduanya tumpang tindih. RAG adalah metode mengambil dokumen sebelum menulis; grounding adalah tujuan mengaitkan klaim jawaban dengan sumber-sumber itu.
Mengapa halaman saya dikutip tetapi merek saya tidak disebut?
Halaman Anda memengaruhi jawaban, tetapi daftar pendeknya jatuh ke pihak lain. Biasanya ini berarti halaman itu menjawab sebuah subpertanyaan dengan baik tetapi tidak meyakinkan pembaca untuk memilih Anda.
Istilah terkait
- Grounding
Grounding adalah mengaitkan jawaban model AI dengan sumber luar, seperti hasil pencarian langsung, agar klaimnya bertumpu pada konten yang diambil, bukan hanya pada ingatan.
- Data pelatihan vs pencarian langsung
Data pelatihan adalah apa yang dipelajari model sebelum batas pengetahuannya; pencarian langsung adalah apa yang dicarinya di web saat menjawab, dan satu jawaban AI bisa memakai salah satunya atau keduanya.
- Query fan-out
Query fan-out terjadi saat mesin AI memecah satu pertanyaan menjadi beberapa pencarian terkait dan menyusun jawabannya dari semua hasil itu.
- Kutipan AI
Kutipan adalah halaman web yang ditautkan atau dicantumkan mesin AI sebagai sumber jawabannya.
Contoh kasus: Tesla, jawaban AI publik, 4 Okt 2026: pemindaian pertama Proofsource untuk Tesla, 25 pertanyaan pembeli dan 5 pertanyaan merek, satu jawaban per pertanyaan di masing-masing dari empat mesin. Sampel kecil dari satu merek, ditampilkan sebagai contoh, bukan tolok ukur.
Lihat di mana AI melewatkan Anda, dan apa yang perlu diperbaiki.
Lihat pertanyaan pembeli mana yang menyebut merek Anda, siapa yang disebut sebagai gantinya, dan apa yang perlu diperbaiki. 200 jawaban. 25 Prompts/pertanyaan. Mesin AI teratas. 2 hari. Gratis. Tanpa kartu.
Google AI OverviewsGoogle AI Mode
