エージェンティックRAGの種類と動作原理、文書業務への適用ガイド
エージェンティックRAGを検索すると、性格の異なる二種類の記事が出てきます。
一つは概念とアーキテクチャを図で説明する記事、もう一つはLangGraphやLlamaIndexで実際に実装するコードチュートリアルです。どちらも間違ってはいないのですが、
いざ「では、自社の文書にRAGを付けてみたら、なぜしょっちゅう間違った答えを出すのか」という質問には、なかなか答えが出てきません。
この記事は、その隙間を埋めることを目標とします。エージェンティックRAGを、一般的なRAGとの違い、そして4つの類型という二つの軸で一度に整理し、最後には、企業で最もよくぶつかる文書業務にこれを付けるとき、何が正確度を分けるのかまでを押さえてお伝えします。
重要ポイントの要約
エージェンティックRAGは、一度検索して答える一般的なRAGとは異なり、計画し、検索し、結果を自ら評価してまた検索するループで答えをつくる方式です。
類型は、ルーティング型、多段階検索型、自己修正型、マルチエージェント型の四つに分けて見ると、すっきりします。
検索ループがどれほど賢くても、その前段で文書を誤って読めば、検索の対象自体が汚染され、すべてが崩れます。
そのため、企業の文書業務では、検索戦略よりも文書の理解、すなわち正確な認識と構造化が先です。
1. エージェンティックRAGとは? 30秒の定義
エージェンティックRAG(Agentic RAG)は、RAGにエージェントの判断能力を結合した方式です。一般的なRAGが質問を受けて一度検索し、その結果で答えをつくるのに対し、エージェンティックRAGは質問を自ら分解し、どこを検索するかを選び、結果が十分かを吟味したうえで、不足なら再び検索します。
核心は、検索を一度きりの固定された動作ではなく、目標に到達するまで繰り返す過程として扱う点です。ここでRAG自体がなじみのないものなら、以下の記事を先に見ると、はるかに読みやすくなります。
2. 一般的なRAG vs エージェンティックRAG、何が違うのか
最も紛らわしい点です。違いは判断と反復にあります。一般的なRAGは検索結果をそのまま受け取って使い、エージェンティックRAGはその結果が使えるかを自ら評価し、必要なら再び検索します。
区分 | 一般的なRAG | エージェンティックRAG |
|---|---|---|
検索の方式 | 1回の固定検索 | 必要時に反復・多重の検索 |
結果の判断 | 検索結果をそのまま使用 | 結果の品質を自ら評価 |
ソースの選択 | 単一のベクトルDB中心 | 複数のソース・ツールから選択 |
失敗への対応 | 根拠が弱くてもそのまま生成 | 不足なら再び検索・補正 |
強い質問 | 単純・単答の問い合わせ | 多段階・比較・条件の問い合わせ |
たとえば「昨年3四半期に比べて今年、費用が増えた項目を契約書から探して」と言えば、一般的なRAGは一度検索した断片で答えをつくり、根拠が不足するとそのまま作り話をしがちです。エージェンティックRAGは、質問を項目別に分けて何度も検索し、突き合わせたうえで答えます。
3. エージェンティックRAGはどう動作するのか、4段階のループ
動作は、四つの段階がぐるぐると回る構造です。
計画(Plan) — 質問を下位の質問に分け、どのソースを見るかを定めます。
検索(Retrieve) — 定めたソースに問い合わせ、根拠を集めます。
評価(Evaluate) — 集めた根拠が答えるのに十分か、互いに矛盾しないかを吟味します。
生成または再検索(Generate/Retry) — 十分なら答えをつくり、不足ならまた計画へ戻ります。
このループを繰り返して根拠を埋めていくのが、エージェンティックRAGの原理です。
ここで、自ら根拠を吟味する判断は、段階的な推論とつながっています。
4. エージェンティックRAGの種類、4つの類型
ループをどう回すかによって、大きく四つに分かれます。
① ルーティング型 (Routing)
質問を見て、どのソースへ送るかを先に定める方式です。社内文書、データベース、Webのようにソースが複数あるとき、質問に合う場所へ道を開きます。最も単純で、手間がかかりません。
② 多段階検索型 (Multi-step Retrieval)
一度の検索で答えが出なければ、質問を分けて何度も検索します。複数の文書に散らばった情報を集めてこそ答えになる複合的な質問に強いです。
③ 自己修正型 (Self-correction)
検索結果の品質を自ら評価し、根拠が乏しければ問い合わせを変えて再び検索します。答え一つの正確度が業務に致命的な領域で価値を発揮します。
④ マルチエージェント型 (Multi-agent)
検索・整理・検証といった役割を、複数のエージェントが分担して協業します。上位のエージェントが目標を、下位のエージェントが細部の作業を担うオーケストレーションの構造で、複合的なワークフローに向いています。
4つを一目で比較
類型 | 核心 | いつ使うか |
|---|---|---|
ルーティング型 | 質問を見てソースを選択 | ソースが複数あるとき |
多段階検索型 | 不足なら反復検索 | 一度では解けない質問 |
自己修正型 | 結果の品質を自ら評価 | 正確度が重要な業務 |
マルチエージェント型 | 役割を分けて協業 | 複数段階の複合業務 |
複数のエージェントを企業でどう統制しながら回すかが気になるなら、AIエージェントの種類 完全整理の記事で、権限と自律性を基準にした実務的な分類をあわせて見ることができます。
5. エージェンティックRAGの限界と課題
エージェンティックRAGは万能ではありません。導入の前に押さえておくべき限界がいくつかあります。まず、何度も検索して評価する分、応答が遅くなり、コストが増えます。次に、ループとツールの連結を設計して維持しなければならないため、実装の複雑さが一般的なRAGよりも高くなります。そして、根拠を吟味して再検索しても、ハルシネーションが完全に消えるわけではありません。
ここに、最も根本的な限界がもう一つあります。これらすべての精巧なループも、結局は検索してくる根拠が正確なときにのみ価値を発揮するという点です。そのため、実務でのエージェンティックRAGの成否は、検索戦略よりも、その根拠をつくり出す前段で、文書をどれほど正確に理解したかで分かれます。
6. ところが、なぜ自社の文書ではしょっちゅう間違えるのか
エージェンティックRAGを付けても答えが揺れるなら、原因はたいてい検索戦略ではなく、その前段にあります。どれほど賢く再検索しても、そもそも文書を誤って読んでおけば、検索の対象自体が汚染されるからです。
企業の文書は、表や書式、手書きが入り混じった非定型(PDF・HWP・スキャン)が大半です。こうした文書を雑に読むと、結合された表がほどけて数字が見当違いのマスに付き、検索の単位に分ける過程で文脈が切れます。汚染された断片を何度検索しても根拠がずれているので、エージェントはまじめに間違った答えへとたどり着きます。
結局、エージェンティックRAGの性能は、検索ループの賢さではなく、そのループに入る根拠の品質が左右します。
7. 企業文書に付けるとき、韓国ディープラーニングはどうアプローチするのか
韓国ディープラーニングは、エージェンティックRAGの出発点を「検索」ではなく「文書の理解」と見ます。DEEP OCRは非定型・多言語・手書きの文書から情報を抽出し、DEEP Parserは表や結合セルなど複雑なレイアウトを構造の単位で復元し、原文の内容と根拠の構造を保存します。
これをもとに、DEEP Agentは文書の収集・分類・抽出・検証から社内システムの連携までを一つの流れとして自動化し、オンプレミスや閉域網の環境でも適用できます。
この自動化が目指す方向が「3 Zero AI Worker」です。Zero Training、Zero Hallucination、Zero Reviewを通じて、繰り返しの学習と全数検収の負担を減らし、運用効率とコスト削減へとつなげます。
こうした韓国ディープラーニングの独自のマルチモーダルモデルは、OCRBench v2英語部門で68.1点を記録し1位となりました。文書の理解に特化した技術で、複雑な表や数字の情報を原文の構造に近い形で保存し、信頼度の高い根拠を提供します。
8. よくある質問
Q. エージェンティックRAGと一般的なRAGの最も大きな違いは何ですか?
一般的なRAGは一度検索して、その結果で答え、エージェンティックRAGは結果が十分かを自ら評価し、不足なら再び検索します。判断と反復が付いた点が、最も大きな違いです。
Q. エージェンティックRAGを使えば、ハルシネーションは消えますか?
完全に消えると見るのは難しいです。ただ、根拠を吟味して再検索するため、根拠なしに作り話をする場合を減らす方向で作動します。根拠として使う文書を正確に読んでおくほど、効果が大きくなります。
Q. 自社のPDFやHWPの文書でもできますか?
できます。ただ、非定型の文書は認識と構造化の品質が答えの正確度を左右するため、実際の文書サンプルで検索の根拠がきちんとつくられるかを、まず確認することをおすすめします。
Q. 導入するには、開発チームが必要ですか?
自ら実装するには開発の能力が必要ですが、文書業務の自動化は、認識と構造化、検証、連携をまとめて提供する方式で、コードの負担を減らして導入できます。
結論
エージェンティックRAGは、二つの筋で覚えれば十分です。類型はルーティング型から多段階検索型、自己修正型、マルチエージェント型へと広がり、性格は一度検索して終わる一般的なRAGと、自ら判断して再び検索するエージェンティックRAGに分かれます。そして、企業の本当の仕事である文書業務では、検索ループを精巧に整える前に、そのループに入る根拠から正確でなければなりません。検索ではなく、文書の理解が先です。
文書ベースのRAG、どこまで可能でしょうか?
文書の種類と処理量、検証が必要な業務ルール、セキュリティ要件(オンプレミス・内部網)を教えていただければ、自社の文書を基準に、適用範囲をあわせて確認いたします。
