検索拡張生成(RAG)とは?

検索拡張生成（RAG）とは、言語モデルがまず関連する文書を検索して取得し、それを参照しながら回答を書く手法です。情報源を引用する AI エンジンは、どれも何らかの形の RAG を使っています。調べてから、その結果を見ながら書くということです。ブランドにとっては、取得の段階が関門です。一度も取得されないページは、どれほど良くても回答を形づくれません。

無料トライアルを始めるデモを依頼

200件の回答。25 Prompts/質問。主要AIエンジン。2日間。無料。カード不要。

検索拡張生成はどこから来たのですか?

この名前は、Patrick Lewis らによる Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks に由来します。2020年5月22日に投稿され、NeurIPS 2020 で発表されました。モデルのパラメトリックな記憶(学習で得た知識)と、ノンパラメトリックな記憶(質問ごとにリトリーバーが検索する、Wikipedia の密ベクトルインデックス)を組み合わせたものです。

AI 検索エンジンは同じ考え方をウェブ規模で使っています。Wikipedia のインデックスの代わりに検索インデックスを、固定のスナップショットの代わりにリアルタイムの結果を使います。

AI 検索で RAG はどのように動くのですか?

AI 検索では、RAG はいくつかのステップで動きます。

エンジンが質問を1つ以上の検索に書き換えます。
自社またはパートナーのウェブインデックスから結果を取得します。
どの結果をモデルに渡すかを選びます。
モデルがそれらの結果をコンテキストに入れて回答を書きます。
エンジンが、使った情報源の一部に引用を付けます。

取得されたページはすべて引用されますか?

いいえ。OpenAI は、ウェブ検索の sources フィールドがモデルが参照したすべての URL を返すこと、そして情報源の数は引用の数より多いことがよくあることを文書化しています(OpenAI API ドキュメント、2026年10月15日閲覧)。

そのため、引用数はエンジンが読んだ量を過小に示し、ページはリンクなしで回答の材料になることがあります(記事)。それでも取得されることには意味があります。当社のデータでは、ブランド自身のサイトのページを引用した回答97件のうち94件が、そのブランドにも言及していました(記事)。

取得は実例ではどう見えますか?

公開されている Tesla の例(2026年10月4日)では、エンジンが取得・引用したものはエンジンごとに違いました。ChatGPT は購買者の質問25件で93件を引用し、そのうち tesla.com は12回、約13%でした。Perplexity、Claude、Google AI Overviews は合わせて915件中5回でした。

取得されたそれ以外のページは、他者のページでした。購買者とブランドの質問全体で、youtube.com が29回、en.wikipedia.org が24回、reddit.com が20回引用されました。モデルが回答を書いた材料は、これらのページです。