RAG(Retrieval-Augmented Generation)は、生成AIが回答を作る際に、社内文書やFAQ、マニュアルなどの外部情報を検索し、その内容を根拠として回答させる仕組みです。
テンプレートを使うときに重要なのは、項目を埋めること自体ではありません。対象業務、参照データ、検索方法、回答ルール、評価方法まで一貫して設計し、「どの状態なら使えるRAGと判断するか」を決めることが重要です。
この記事では、そのままコピーして使えるRAGテンプレート、各欄の書き方、判断基準、記入済み具体例、良い例・悪い例、注意点までまとめます。
そのまま使えるRAGテンプレート
【利用目的】
【対象業務】
【対象利用者】
【対象質問】
【対象外質問】
【成功条件】
■ データ準備
・参照する文書:
・除外する文書:
・最新版確認方法:
・更新頻度:
・権限 / 機密情報の扱い:
■ 文書分割・メタデータ
・分割単位:
・チャンクの考え方:
・付与するメタデータ:
・版管理方法:
■ 検索設計
・検索対象:
・検索方法:
・絞り込み条件:
・取得件数:
・検索結果の確認基準:
■ 生成設計
・回答形式:
・根拠表示:
・参照情報にない場合の扱い:
・禁止事項:
・有人対応へ切り替える条件:
■ 評価・改善
・テスト質問数:
・検索品質の評価:
・回答品質の評価:
・業務効果の評価:
・不合格時の改善対象:
【運用ルール】
・文書更新担当:
・評価頻度:
・ログ確認方法:
・改善担当:
【次のアクション】
テンプレートを書く前に決めること
最初に、RAGをどの業務で使い、どこまで答えさせるかを決めます。対象が広すぎると、必要文書も評価基準も曖昧になります。
良い例:「経費精算に関する社内問い合わせ50パターンを対象にし、税務判断や例外承認は有人対応へ切り替える」
悪い例:「社内の質問に何でも答えられるようにする」
対象業務・対象質問・対象外質問まで決めると、必要な文書と評価方法を絞りやすくなります。
利用目的の書き方
利用目的は、RAG導入後に効果を評価できる形で書きます。
判断基準:「何を改善したいか」「誰が使うか」「どの指標で成果を見るか」が分かるか。
良い例:「管理部門の経費精算問い合わせ対応時間を平均8分から4分以下へ短縮する」
悪い例:「生成AIを活用して効率化する」
データ準備の書き方
RAGでは、参照する文書の品質が回答品質に直結します。
判断基準:
- 最新版か
- 同じテーマで内容が矛盾していないか
- 廃止済み文書が混ざっていないか
- 個人情報・機密情報を含まないか
- 利用者が参照してよい範囲か
良い例:「経費精算マニュアルv3.2、交通費規程2026年版、FAQ最新版を利用。旧版は除外」
悪い例:「社内共有フォルダの資料を全部使う」
文書分割・メタデータの書き方
長い文書をそのまま検索対象にせず、意味のまとまりごとに分けます。
判断基準:1つのチャンクで1つの論点が完結し、質問されたときに必要情報だけを取り出せるか。
良い例:「交通費規程を『電車』『新幹線』『タクシー』『出張費』に分割し、カテゴリ・更新日・対象者・版番号を付与」
悪い例:「30ページの規程を1チャンクで登録」
検索設計の書き方
検索設計では、「どの情報をどう取得し、何をもって妥当と判断するか」を書きます。
判断基準:
- 質問に直接関係する文書が上位に出るか
- 古い文書や無関係文書が混ざらないか
- 必要な根拠が複数ある場合に取りこぼさないか
- 取得件数が多すぎてノイズになっていないか
良い例:「質問カテゴリと対象者で絞り込み、上位5件を取得。テスト質問20件中18件以上で正しい根拠が上位3件以内なら合格」
悪い例:「関連文書を検索する」
生成設計の書き方
生成設計では、検索結果をもとにどのように回答させるかを決めます。
判断基準:参照情報にない内容を推測しない、根拠を示す、答えられない場合の扱いが明確か。
良い例:
以下の参照情報だけを根拠に回答してください。
参照情報に答えがない場合は「確認できません」と回答してください。
回答末尾に参照文書名と該当箇所を示してください。
例外承認が必要な場合は有人対応を案内してください。
悪い例:「自然で分かりやすく回答してください」
評価・改善の書き方
RAGでは、回答だけでなく検索と業務効果を分けて評価します。
検索品質
正しい根拠文書を取得できたかを確認します。
回答品質
参照情報に基づいて正しく、必要条件や例外まで説明できているかを確認します。
業務品質
問い合わせ対応時間、有人対応率、誤回答率、利用者満足などを確認します。
良い例:「50件のテスト質問で正答45件以上、根拠表示100%、有人対応への適切な切り替え95%以上、平均回答確認時間4分以下」
悪い例:「回答精度を確認する」
記入済み具体例:社内の経費精算問い合わせ
利用目的
- 管理部門の問い合わせ対応時間を平均8分から4分以下へ短縮する
- 経費精算に関する回答表現のばらつきを減らす
対象範囲
- 対象質問:領収書、交通費、出張費、申請期限、承認フロー
- 対象外質問:税務判断、例外承認、個別契約判断
データ準備
- 経費精算マニュアルv3.2
- 交通費規程2026年版
- FAQ最新版
- 旧版文書は除外
- 更新日は文書メタデータへ登録
文書分割・メタデータ
- マニュアルを「領収書」「電車」「新幹線」「タクシー」「出張費」「申請期限」に分割
- カテゴリ、対象者、更新日、版番号を付与
検索設計
- 質問カテゴリと対象者で絞り込み
- 上位5件を取得
- テスト質問20件中18件以上で正しい根拠が上位3件以内なら合格
生成設計
- 参照情報だけを根拠に回答
- 回答末尾に参照文書名を表示
- 根拠がない場合は「確認できません」と回答
- 例外承認は有人対応へ誘導
評価・改善
初回テスト50件では、人が妥当と判断した回答が38件でした。原因を確認すると、「交通費全般」のチャンクが大きく、タクシー条件の取得漏れがありました。
そこで交通費チャンクを細分化し、カテゴリ絞り込みを追加した結果、妥当回答は46件へ改善しました。残り4件は例外条件が複雑だったため、有人対応へ切り替えるルールを追加しました。
平均回答確認時間も8分から3分程度へ短縮しました。
良い書き方と悪い書き方
悪い例:対象範囲が広すぎる
「全社ナレッジを対象にする」だけでは、必要データも評価基準も決まりません。
良い例:質問領域と対象外を決める
「経費精算50パターンを対象、税務判断・例外承認は対象外」のように範囲を限定します。
悪い例:検索条件が曖昧
「関連文書を検索する」だけでは、検索品質を評価できません。
良い例:合格条件を数値化する
「テスト20件中18件以上で正しい根拠が上位3件以内」のように書きます。
悪い例:AIに推測させる
参照情報にない内容を補完させると、もっともらしい誤回答につながります。
良い例:答えられない条件を決める
「参照情報に根拠がなければ回答しない」「例外承認は有人対応」のように制御します。
テンプレートを使うときの注意点
- 技術要素より先に対象業務と成功条件を決める
- 旧版・重複文書を除外する
- 文書を検索しやすい単位へ分割する
- カテゴリ・更新日・対象者・版番号などのメタデータを付ける
- 検索品質と回答品質を分けて評価する
- 回答には根拠を示す
- 参照情報にない内容を推測させない
- 有人対応へ切り替える条件を決める
- 文書更新と品質評価の担当を決める
RAGテンプレートのチェックリスト
- 利用目的が業務指標で表現されているか
- 対象質問と対象外質問が明確か
- 参照文書は最新版か
- 文書分割の基準があるか
- メタデータ項目を決めたか
- 検索結果の合格基準があるか
- 回答時の根拠表示ルールがあるか
- 答えられない場合のルールがあるか
- 検索・回答・業務効果の3層で評価するか
- 改善担当と更新頻度を決めたか
まとめ
RAGテンプレートでは、利用目的、対象範囲、データ準備、文書分割、メタデータ、検索設計、生成設計、評価・改善、運用ルールまで一続きで整理します。
実務で使えるテンプレートにするには、「何を登録するか」だけでなく、「どの状態なら検索成功か」「どの回答なら使えるか」「答えられない場合どうするか」「誰が継続改善するか」を具体化することが重要です。
このテンプレートをそのままコピーし、対象業務→データ→検索→回答→評価→運用の順に埋めれば、RAG導入・改善の検討事項を抜け漏れなく整理できます。