✓ RAGは導入したのに「思ったほど賢くない」と感じている

✓ 複数の資料をまたぐ質問になると、答えがズレてしまう

✓ 情報が足りなくても調べ直してくれず、不確かな答えが返ってくる

✓ 「エージェンティックRAG」という言葉は聞くが、自社に要るのか判断できない

もし一つでも当てはまるなら、

問題は「検索精度のチューニング不足」ではありません。

RAGが「一度しか検索しない・調べ直さない・検証しない」という、進め方そのものの限界に当たっているだけです。

この45分で、RAGが「一発検索」から「計画して調べ直すAI」へどう進化してきたかを技術用語なしで整理し、「自社は従来RAGで十分か、エージェント化が要るか」を見極める判断軸を持ち帰ることができます。

■ こんな方におすすめです

────────────────────────────────

✓ RAGを導入したが「複雑な質問に弱い」「思ったほど使えない」で止まっている方

✓ エージェンティックRAGという言葉を、技術語なしで一度きちんと理解したい方

✓ 従来RAGの改善で足りるのか、エージェント化が要るのかを自社で判断したい方

✓ 図面・帳票・表など複雑な資料をAIに扱わせたいが、進め方に悩んでいる方

✓ DX推進・IT推進の担当として、社内のRAGを次にどう進化させるか考えている方

■ セッション説明

────────────────────────────────

「RAGは導入した。でも思ったほど賢くない」。この感覚を持つ担当者が増えています。日本企業のRAG導入は導入済み17.8%・導入意向あり約35%と進み始めた一方で、複数の資料をまたぐ、足りなければ調べ直す、答えを自分で検証する、といった人間なら当たり前にやることが、多くのRAGには組み込まれていません。原因は精度チューニング不足ではなく、「一度だけ検索して答える」という進め方そのものの限界です。

本セッションでは、RAGが「一発検索」から「自律的に動くエージェント」へどう進化してきたかを、Naive→Advanced→Modular→Agenticの4段階で整理します。さらに、検索の「やり方」そのものに2つの潮流があることも扱います。事前に索引を作る従来型と、索引を作らずAIがその場でファイルを探す新しい方式（Claude Codeが採るエージェント型検索）です。後者は構築・保守が不要で常に最新という強みを持つ一方、図や表・複雑な資料には弱く、図・複雑データには検索の基盤を用意して両者を組み合わせるハイブリッドが現実解になります。難しい実装の話はしません。ゴールは「自社のRAGをどう進化させるかの方向感」を掴むことです。

■ 今回話す内容

────────────────────────────────

1. RAGの「一発検索」という限界の正体と、Naive→Advanced→Modular→Agenticという4段階の進化
2. 従来RAGとエージェンティックRAGの違いを「計画・検証・自己修正・複数ステップ検索・ツール使用」の5観点で整理
3. 索引を作る検索とその場で探す検索の使い分けと、「自社は従来RAGで十分か・エージェント化が要るか」の判断軸

■ 登壇者

────────────────────────────────

三好大悟（株式会社リベルクラフト 代表）

データサイエンティスト出身。製造業・大手ITを中心に、AI・データ活用のコンサルティングと社内研修を手がける。「技術を現場で動く施策に翻訳する」をミッションに、導入判断から構築・運用展開まで一気通貫でサポートしている。Python・SQLによる実装経験と、経営層へのプレゼン・合意形成の両方を持つ実務家。

X: 三好大悟, リベルクラフト