Agentic RAG（アジェンティック・ラグ）

Agentic RAG（アジェンティック・ラグ）は、RAGにエージェント的な自律性を組み合わせた検索拡張生成の発展形です。検索を1回で終わらせず、必要に応じて検索を繰り返したり、検索戦略を自律的に変えたりすることで、複雑な質問にも対応できます。

通常のRAGとの違い

典型的な処理フロー

ユーザー質問
  ↓
LLMが意図を解析・サブ質問に分解
  ↓
検索（1回目）
  ↓
結果が十分か自己判定
   不十分 → クエリを書き換え再検索
   十分 → 統合して回答生成

含まれる代表的な技術要素

どんな質問で効果が出るか

• 「Aの売上推移と、その要因に関する社内会議の議事録を要約して」
• 「複数製品の比較表を、最新の仕様書と過去の不具合報告から作って」
• 「契約書の中で、データ保護に関する条項と関連する社内規定を整合性確認して」

このように 検索を複数回・複数ソースで重ねる必要がある質問 で効果が大きくなります。

関連する仕組み

• **ReAct**：推論と検索を交互に実行
• Self-Ask：LLMが自分で副質問を立てる
• **Chain-of-Note**：検索結果にメモを取りながら推論
• HyDE：仮想回答を生成してから検索する手法

メリットと留意点

メリット

• 複雑な質問への回答精度向上
• 不足情報の自動補完
• 検索の透明性（どう調べたかが記録される）

留意点

1. レイテンシとコスト増（LLM呼び出しが多くなる）
2. 暴走防止のための上限設定が必要
3. 検証データセットでの効果測定が重要
4. 検索ツールの粒度設計が結果を左右

実装の代表的な選択肢

• LangGraph、LlamaIndex Agents、CrewAI などのオーケストレータ
• 自社実装の場合は最大反復回数・コスト上限を必ず設定

Agentic RAGは「検索から推論へ」とRAGを進化させる流れの中心であり、現代の業務AIで複雑な質問を扱う標準的な設計パターンになりつつあります。