RAG（Retrieval-Augmented Generation）は、AIが回答を作る際に「外部データを検索してから生成する」仕組みのことです。単なる生成AIよりも正確で最新の情報を提供できるのが特徴です。ChatGPTのような大規模言語モデル（LLM）が使われる場面で注目されています。

RAGは、AIの弱点である「知識の固定化」を補うために生まれた技術です。通常の生成AI（LLM）は、学習時点までのデータしか知らず、新しい情報や専門的データには対応できません。RAGでは、質問が入力されると、まず関連する情報を外部データベースや検索エンジンから取得（Retrieval）し、その情報をもとに文章を生成（Generation）します。これにより、AIは「事実に基づいた回答」を作ることができます。たとえば企業内でのFAQシステムやカスタマーサポート、医療・法務など正確性が求められる分野でRAGは活用されています。仕組みとしては、「ベクトルデータベース（例：FAISS、Pineconeなど）」に文書を格納し、質問文をベクトル検索して関連文書を抽出し、その内容をAIに渡して応答を生成します。これによりAIは文脈を理解し、社内データや最新ニュースを参照した回答を提供できます。RAGは今後、AIを単なる生成ツールから「知識を活用する思考エンジン」へと進化させる技術として注目されています。