～ChatGPTとRAGの組み合わせで変わる業務効率化～
※1/23に本まとめコラム後のRAGコラムを追加
昨年、AITCではChatGPTの業務活用コンサルティングを様々実施してきました。その中で、RAG（Retrieval-Augmented Generation：「検索強化型生成」）の仕組みを利用したコンサルティングを多く実施してきましたので、これらプロジェクトや、RAGに関するコラムを、2023年中に多く公開することができました。
本コラムはそれらのまとめコラムとなります。
その前に、そもそもRAGとは
RAG（Retrieval-Augmented Generation）は、テキスト生成タスクにおいて情報検索を取り入れた手法です。この仕組みは、主に二つの部分から成り立っています。
1．情報検索（Retrieval）部分: まず、与えられた質問やプロンプトに対して関連する情報を文書集合から検索します。このプロセスでは、質問に最も関連する文書や情報を見つけ出すことが目的
2．テキスト生成（Generation）部分: 次に、検索された情報を基にして、大規模言語モデル（例えば、GPT）が回答やテキストを生成します。この段階では、検索された情報を活用して、より正確で詳細な回答を生成することができる
RAGの特徴は、単に既存の知識を元に回答を生成するのではなく、具体的な質問や状況に応じて関連情報を検索し、その情報を基に回答を構築する点にあります。これにより、モデルは、大規模言語モデルが知り得ない、社内の機密情報や最新情報から知識を得ることができます。
RAGに関するコラムリスト
2023年RAGに関連するコラムを、業務活用系と、仕組み系で分けました。
業務活用系
仕組み系
2024年は最初の活動として、このRAGの仕組みを元に、ChatGPTの業務活用を始められてはいかがでしょうか？
お気軽にこちらのお問い合わせフォームからご連絡ください。
執筆
AITC センター長
深谷 勇次
