トップヒント：RAGは問題ではない、コンテキストが問題だ — 3つの改善策

「トップヒント」は最新テクノロジートレンドを探るコラムです。今回は、コンテキストエンジニアリングを活用してRAG（検索拡張生成：Retrieval-Augmented Generation）システムを改善する方法を解説します。

「AIへの指示の出し方」として注目されてきたプロンプトエンジニアリング。しかし最近では、もう一歩踏み込んだ「コンテキストエンジニアリング」という考え方が広がっています。今週は、この手法をRAG（AIが外部データを参照して回答する仕組み）に取り入れて、より精度の高い結果を得るための3つの方法をご紹介します。

1、コンテキストをうまく活用する

今のAIは、入力した質問（プロンプト）をもとに回答を生成します。そのため、質問の書き方を工夫する「プロンプトエンジニアリング」が重要とされてきました。
しかしコンテキストエンジニアリングでは、質問に「情報の出所」「日付」「最新かどうか」といった背景情報をあわせて渡すことで、AIがより正確な回答を返せるようになります。
活用例
健康保険のチャットボットに「使える病院を教えて」と聞いた場合、ユーザーが細かい条件を伝えなくても、AIが自動的に最新のデータベースから関連情報を探して答えてくれます。

2、AIには「まとめた情報」を渡す

大量のデータをそのままAIに渡すより、あらかじめ要点をまとめたデータを渡す方が、より正確で速い回答が得られます。
活用例
「自分の保険に免責金額はあるの？」と調べたい場合、AIが60ページの書類を最初から読む必要はありません。あらかじめ要約されたデータを渡しておくことで、素早く正確に答えが返ってきます。

3、「やってはいけないこと」をAIに伝える

AIに「こうしてほしい」という指示を出すだけでなく、「これはしないで」という制限を加えることで、回答の精度が上がります。まだあまり知られていない方法ですが、非常に効果的です。
活用例
「2024年より古い情報は使わないこと」とひと言加えるだけで、古いデータが回答に混ざるリスクを大幅に減らすことができます。

※本記事はグローバル本社のブログ記事を日本語版に修正したものです。
原文はこちらをご参照ください。