企業の情報検索と文脈:RAGレビューと文脈グラフのアイデア

学術的および実務的なレビューは、RAGの展開におけるギャップを特定し、決定がなぜ行われたのかを記録するための文脈グラフを提案しています。
Key insights
AIの決定根拠を捉えるために提案された文脈グラフ
著者は、事実だけでなく、決定の根拠—ルール、承認、関連する過去のイベント—を保存するための「文脈グラフ」を提案しました。これにより、AIシステムは結果が生成された理由を説明できるようになります。文脈グラフの概念は、価格設定や割引などの選択に至る先行要因(例:苦情、ポリシー、マネージャーの承認)を記録することで、AIが人間のような判断を適用できるようにすることを目的としています。
体系的なRAGレビューがラボから生産へのギャップと共通の課題を発見
2015年から2025年までの77件のRAG+LLM研究の文献レビューでは、ほとんどの実装がGPTファミリーモデル(63.6%)、FAISS/Elasticsearchによる情報検索(80.5%)、クラウドインフラ(66.2%)を使用していることがわかりました。企業環境でプロトタイプを展開した作品はわずか13%でした。繰り返しの課題としては、幻覚の制御(48.1%)、データプライバシー(37.7%)、レイテンシとスケーラビリティ(31.2%)、ドメイン適応(23.4%)、ビジネスインパクトの測定(15.6%)があります。
企業RAGは静的保持を超えた混合検索と評価を必要とする
レビューでは、23.1%の研究でハイブリッド検索(密なベクトル + ナレッジグラフ)が説明可能性と精度を向上させることがわかりました。ドメインのファインチューニングは、事実性を10〜20%向上させました。研究コミュニティは、生産に焦点を当てたヒューマン・イン・ザ・ループ評価とビジネス成果メトリクスが不足しています。
創業者と開発者はデータだけでなく決定プロセスを記録するよう促される
文脈グラフの提案とRAGレビューは共同で、AIワークフローを計測し、意図、中間ステップ、承認をログに記録するように構築者に推奨しています。これにより、システムは過去の単発的な事実をドメイン間での例外やクロスシステムの状態を持つ決定ロジックに一般化できるようになります。