生成AI・LLMを活用し、企業の社内情報や特定情報から回答を生成するにあたって、LLMのハルシネーションを低減するRAG（Retrieval Augmented Generation：検索拡張生成）への関心が高まっています。最近では、多数のRAGソリューションの中から自社に適したものを探す企業が増えています。 RAGの仕組みや企業向けのRAGにつきましては、以前の当ブログの記事でもご紹介しておりますので、よろしければ過去記事（技術解説：企業向けRAGとは？）もご覧ください。 ■技術解説■ 生成AIのハルシネーションを低減するRAG。図表データまで特定できる”企業向けRAG”とは？（前編）生成AIのハルシネーションを低減する技術として注目されるRAG（Retrieval Augmented Generation：検索拡張生成）。 このRAGという技術を活用することで、特定ドキュメント等から回答を自動生成できます。 本記事では、RAGの概念、動作の仕組み、RAGにおける検索性能の重要さ、RAGの性能を向上させる戦略について説明します。 1回目の今回は、RAGの概念や仕組みや、RAGにお

生成型AIのハルシネーションを減らす手段としてRAG（Retrieval Augmented Generation : 検索拡張生成）が注目されていますが、複雑な表やチャートなどを解釈できるRAGは少数です。企業向けRAGの必要性と、Allganizeの企業向けRAGの手法および精度向上のための取り組みを紹介します。 企業向けのRAGを解説する1回目の記事では、RAGの概念や動作原理、高性能な検索機能の重要性、RAGの性能を上げるための技術的な課題について説明しました。 2回目の今回は、企業内に存在する複雑な文書に含まれる表やチャートなどを解釈し、適切な答えを見つけ出すRAGについて、具体的な例を紹介したいと思います。 "企業向けRAG"の必要性 最近、RAG方式を採用した回答生成ツールを提供する企業が増えています。しかし、RAGが実装されていれば何でも良いわけではありません。企業が業務で利用している資料は、図表が多く含まれていたり、ページ数も多く複雑です。 企業が利用するドキュメントは、一般的なRAGの対応可能な範囲を超えていることが多く、質問に関連する情報が記載

生成AIのハルシネーションを低減する技術として注目されるRAG（Retrieval Augmented Generation：検索拡張生成）。 このRAGという技術を活用することで、特定ドキュメント等から回答を自動生成できます。 本記事では、RAGの概念、動作の仕組み、RAGにおける検索性能の重要さ、RAGの性能を向上させる戦略について説明します。 1回目の今回は、RAGの概念や仕組みや、RAGにおいて重要なポイントについて解説します。 RAGとは？ RAGの概念 生成AI活用時におけるハルシネーションを減らし、より正確な回答を出力する方法としてRAGが注目されています。その動向に伴い、企業向けの生成AIツールを提供している企業において、「RAG（Retrieval Augmented Generation、検索拡張生成）」を前面に打ち出す企業が増えてきています。 RAGは、2020年5月に発表された論文「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks（知識集約型NLPタスクのための検