AI・PMOの進化
RAG（検索拡張生成）
Retrieval-augmented Generation
読み：らぐ
必要な情報を検索して取り出し、その情報を参照材料としてAIの生成へ渡す方式です。
01初心者向け
まず意味をつかむ
モデルの記憶だけに頼らず、社内資料などから関連する部分を探して回答づくりへ使います。検索で何を取れたかと、それを正しく使えたかを分けて確かめます。
02実務者向け
仕事でどう使うか
検索対象、更新方法、アクセス権、抽出単位を決めます。関連情報の取得率、回答の根拠、権限外の情報が混ざらないかを評価し、参照元をたどれるようにします。
03専門家向け
判断を一段深める
検索で見つかることは、情報が正しいことや回答が正しいことを保証しません。古い資料、矛盾、資料中の不正な指示を扱う仕組みが必要です。検索の失敗と生成の失敗を分けて改善することが重要です。
別名・略語：RAG、検索拡張生成
IN PRACTICE
具体例で考える
架空のPMOが、承認済みの運用規程だけを検索し、該当箇所を付けた手続案を生成します。最終判断は原文と権限条件を確認して行います。
理解を助けるための架空の例です。権限付きの資料検索
関連箇所の抽出
根拠を確認する回答生成
検索と生成を分けた概念図です。検索結果の正しさを自動保証しません。
ここは誤解しやすい
RAGはモデルの学習内容を直接更新する方法とは異なり、根拠資料の管理も継続して必要です。
PROXIA INSIGHTS
考え方を、実務へつなぐ
AIを「使う」から、PMの判断に「活かす」へ ↗この知識を、組織の力へ。