# 【中学生でもわかる】RAG（ラグ）とは？AIに「カンニングペーパー」を持たせて嘘を防ぐ技術
「ChatGPTを業務に使いたいけど、嘘をつくのが怖い」
「社内のマニュアルに基づいて答えてほしいけど、どうすればいい？」
AI導入を考える経営者や担当者にとって、最大の壁は**「AIがもっともらしい嘘（ハルシネーション）」をつくこと**です。
この問題を解決し、AIを「信頼できるビジネスパートナー」に変える技術が**「RAG（ラグ）」**です。
本記事では、このRAGの仕組みを、難しい専門用語（ベクトル、エンベディングなど）を一切使わずに、**「カンニングペーパー」**という例えだけで5,000文字徹底解説します。
これを読めば、エンジニアと対等に会話ができるようになります。
—
## 第1章：なぜ、AIは嘘をつくのか？
### 1.1 ChatGPTは「物知りな知ったかぶり」
まず、普通のChatGPTを想像してください。
彼はインターネット上のあらゆる知識を持っていますが、**あなたの会社のことは何も知りません。**
学習データの中に、あなたの会社の「就業規則」や「製品マニュアル」は入っていないからです。
### 1.2 「知らない」と言えないAI
そこで、あなたが「うちの会社の就業規則について教えて」と聞くと、どうなるでしょう？
AIは「知らない」と言いたくありません（質問には答えるように訓練されているからです）。
その結果、一般的な知識を混ぜて**「就業規則では、副業は禁止されています（キリッ）」**と適当な嘘をつくことがあります。これがハルシネーションです。
ビジネスにおいて、この「知ったかぶり」は致命的です。
顧客に間違った情報を伝えれば、クレームや損害賠償に発展するからです。
—
## 第2章：RAG = 「カンニングペーパー」を持たせる
ここで登場するのが**RAG（Retrieval-Augmented Generation：検索拡張生成）**です。
名前は難しいですが、やることはシンプルです。
**「AIに、貴社のマニュアル（カンニングペーパー）を渡して、それを見ながら答えさせる」**
これだけです。
### RAGの流れ（3ステップ）
1. **質問する**: あなたが「就業規則について教えて」と聞きます。
2. **探す（検索）**: AIはまず、渡された「就業規則PDF」の中から、関係ありそうなページを探します。
3. **答える（生成）**: 見つけたページを読みながら、「**マニュアルの12ページによると、**副業は許可制です」と答えます。
これなら、嘘をつきようがありませんよね。
「記憶」に頼るのではなく、「資料」を見て答える。これがRAGの仕組みです。
—
## 第3章：【深掘り】どうやって「探して」いるの？（ベクトルの魔法）
ここからは少しだけ踏み込みます。
AIはどうやって、膨大な資料の中から「関係ありそうなページ」を一瞬で見つけているのでしょうか？
キーワード検索（Ctrl+F）ではありません。**「意味」**で探しているのです。
### 3.1 言葉を「数字」に変える（エンベディング）
コンピュータは言葉の意味を理解できません。そこで、言葉を「数字（座標）」に変換します。
これを**「ベクトル化（エンベディング）」**と呼びます。
例えば、言葉を「[王様] – [男] + [女] = [女王]」のように計算できる数字に変換するのです。
* 「王様」 → [0.9, 0.1, 0.5]
* 「女王」 → [0.9, 0.8, 0.5]
* 「りんご」 → [0.1, 0.2, 0.9]
似た意味の言葉は、数字も似たものになります。
「王様」と「女王」は数字が近いですが、「りんご」は遠いですよね。
### 3.2 近くの数字を探す（ベクトル検索）
あなたが「社長のルール」と質問したとします。
AIはこれを数字に変換します。
すると、資料の中にある「就業規則」という言葉の数字と、「社長のルール」という言葉の数字が**「近い」**ことがわかります。
キーワードが一致していなくても（社長≠就業規則）、意味が近いから見つけられる。
表記ゆれ（「PC」「パソコン」「パーソナルコンピュータ」）があっても大丈夫。
これが、AI検索（ベクトル検索）のすごいところです。
—
## 第4章：RAGでできること（ビジネス活用事例）
RAGを使えば、貴社の独自のデータをAIに活用させることができます。
### ケース1：社内ヘルプデスク
* **質問**: 「経費精算のやり方は？」
* **参照**: 経理マニュアル（PDF）
* **回答**: 「領収書をスマホで撮影し、システムAにアップロードしてください。（参照：経理規定 P.5）」
### ケース2：カスタマーサポート
* **質問**: 「この掃除機、赤いランプが点滅してるんだけど」
* **参照**: 全製品の取扱説明書（100冊分）
* **回答**: 「型番X-200ですね。赤点滅はバッテリー切れのサインです。充電してください。（参照：X-200取説 P.18）」
### ケース3：契約書チェック（法務）
* **質問**: 「この契約書、リスクはある？」
* **参照**: 過去の契約書データベース、法務ガイドライン
* **回答**: 「第5条の損害賠償条項が、当社のガイドラインと異なります。修正案はこちらです…」
—
## 第5章：RAG導入の「落とし穴」と対策
「じゃあ、とりあえずPDFを全部入れればいいのね？」
そう思った方、要注意です。RAGにも弱点があります。
### 1. 「ゴミ」を入れるとバカになる（Garbage In, Garbage Out）
古いマニュアル、間違った情報、重複したファイル。
これらを整理せずにAIに読ませると、AIは混乱して間違った答えを出します。
**「Garbage In, Garbage Out（ゴミを入れたらゴミが出てくる）」**の原則です。
導入前の「データ整理（断捨離）」が、成功の8割を握っています。
### 2. 図や表が苦手
AIは文字を読むのは得意ですが、複雑な図表やグラフを読み取るのはまだ苦手です。
マニュアル内の重要な表は、テキスト形式に書き直すか、最新の「マルチモーダルAI（GPT-4oなど）」を使って画像を認識させる必要があります。
### 3. セキュリティ設定
「給与テーブル」などの機密情報をAIに読ませてしまうと、一般社員が「社長の給料は？」と聞いた時に答えてしまうリスクがあります。
**「誰がどの情報にアクセスできるか（権限管理）」**の設定が不可欠です。
—
## 結論：仕事で使うなら、RAGは「標準装備」
ビジネスにおいて「嘘」は致命的です。
だからこそ、業務でAIを使うなら、RAGの導入は避けて通れません。
NoelAIでは、このRAG技術を使って、**「貴社のマニュアルを丸暗記した専用AI」**を開発しています。
また、面倒な「データの整理」や「図表のテキスト化」も、私たちがサポートします。
RAGを使ったAI導入の全体像や、具体的な進め方については、以下の完全ガイドで詳しく解説しています。
👉 **[【2026年版】AIチャットボット導入ガイド。売上を作る「デジタル社員」の育て方](./77_ai_chatbot_voicebot_roadmap_2026.md)**
—
**[RAG開発の無料相談（30分）]**
「うちのバラバラな資料（Excel、PDF、パワポ）でもAIに読み込ませられる？」
「セキュリティは大丈夫？」
そんな疑問に、RAG構築のプロフェッショナルであるエンジニアがお答えします。
実際のRAGチャットボットが、マニュアルを見ながら回答する様子をデモでご覧ください。
**>> [無料相談はこちら](/order)**
—
**用語解説**
* **LLM (Large Language Model)**: 大規模言語モデル。ChatGPTの頭脳のこと。
* **ベクトル (Vector)**: 言葉の意味を数字の列で表したもの。
* **エンベディング (Embedding)**: 言葉をベクトルに変換すること。
* **ハルシネーション (Hallucination)**: AIが事実と異なることを生成してしまう現象。
