社内向けRAG入門

IT基礎知識中級全8レッスン約200分

公開日：2026年7月5日

コース概要

社内向けの RAG（検索拡張生成）は、便利な生成 AI に社内文書を読ませる、という単純な話ではありません。誰の文書を、どの単位で切り、どう索引し、どこまで見せるか——社内 RAG の設計は、実は「社内の情報構造を設計し直す仕事」でもあります。本コースは、2026 年 7 月時点で選択肢となる主要ツール・手法を、個別ベンダーの深追いではなく「4 段階アーキテクチャ（データ→索引→検索→生成）」と「選定軸」で整理し、文書パイプライン・チャンキング・埋め込みモデル選定・ベクトル DB 選定・ハイブリッド検索・リランク・クエリ理解・評価指標・PII とガバナンス・社内展開までを 8 レッスンで扱います。情シス・DX 推進・社内開発エンジニアの 3 軸のどこから読んでも、翌週から社内で意思決定できるように設計しました。

学習の流れ

前半 4 レッスンで「作る側」の骨格を固めます。レッスン 1 で 4 段階アーキテクチャと本コースの守備範囲を提示し、レッスン 2 で社内文書の類型と文書パイプライン・メタデータ設計・更新戦略、レッスン 3 でチャンキング 5 種と埋め込みモデル選定、レッスン 4 でベクトル DB 選定・ハイブリッド検索・リランクを扱います。中盤のレッスン 5 でクエリ理解（HyDE・Multi-Query）と RAG 特化の生成側プロンプト設計、レッスン 6 で検索・生成の評価指標と Ragas 実務を扱います。後半のレッスン 7 で権限伝播・PII マスキング・監査ログ・ガバナンス、レッスン 8 で社内展開の型・KPI・コスト設計・組織導入までを扱い、修了後の学習方向も提示します。全 8 レッスン・約 200 分の構成です。

このコースで学べること

✓ RAG（検索拡張生成）の 4 段階アーキテクチャ（データ・索引・検索・生成）を全体像として説明できる
✓ 社内文書の類型と前処理パイプライン・メタデータ設計・更新戦略を組み立てられる
✓ チャンキング 5 種類と埋め込みモデル選定軸を、社内文書の性質から選び分けられる
✓ ベクトル DB 選定軸・ハイブリッド検索・リランクの組み合わせを、規模と要件に応じて設計できる
✓ クエリ理解（HyDE・Multi-Query）と RAG 特化の生成側プロンプト設計ができる
✓ 検索・生成の評価指標体系（Recall／MRR／nDCG／Faithfulness／Answer Relevancy）で RAG を継続評価できる
✓ 権限伝播（Document-level ACL）と PII マスキング、監査ログを含むガバナンスを設計できる
✓ 社内展開 4 段階（PoC → 部門パイロット → 全社展開 → 定着）と KPI・コスト設計を整えられる

対象者

社内向けに RAG（検索拡張生成）システムを企画・設計・構築・評価・展開する立場を想定。情シス／DX 推進部門／SIer プロジェクト PM／社内開発エンジニア／プロダクト企画の 3 軸。生成 AI の使い方はある程度知っており、社内 RAG を立ち上げる（あるいは発注する）役割を担う方

講師紹介

久保田慎一（くぼたしんいち）

AI プロダクト企業プロダクトマネージャー／元情報システム部門・SIer／社内 RAG 導入伴走 10 社以上

国内大学経営情報系学部を卒業後、2004 年に国内大手メーカーの情報システム部門へ新卒入社。グループウェア・社内ポータル・SharePoint・全文検索・ワークフローシステムの運用管理を 6 年経験。2010 年に国内大手 SIer に転職し、金融・製造業向けの社内システム企画〜開発〜運用の SE として 4 年、うち 2 年は業務システム × 全文検索基盤の案件を主導した。2014 年に国内 SaaS スタートアップへ参画し、社内向け生産性ツール SaaS のプロダクトマネージャーを 8 年務め、後半では AI 系機能（要約・分類・ドキュメント検索）の企画を担当。2022 年に国内 AI プロダクト企業へプロダクトマネージャー兼 AI ソリューション部門長として参画し、社内 RAG プロダクトの企画・提供とエンタープライズ導入 10 社以上を主導。2026 年 7 月時点で現職を務めながら独立準備中。信条は「RAG の 8 割は LLM の外側で決まる——文書と検索が勝敗を分ける」

受講される方へのメッセージ

「社内向けの RAG は、便利な生成 AI に社内文書を読ませる、という単純な話ではありません。誰の文書を、どの単位で切り、どう索引し、どこまで見せるか——社内 RAG の設計とは、実は「社内の情報構造を設計し直す仕事」でもあります。本コースでは 2026 年 7 月時点で選択肢となる主要ツール・手法を、個別ベンダーの深追いではなく判断軸として整理し、8 レッスンで文書パイプラインから評価・ガバナンス・社内展開までを扱います。情シス・DX 推進・社内開発エンジニアの 3 軸のどこから読んでも、翌週から社内で意思決定できるようになることを目指します」

レッスン一覧

このコースの用語集（115語）

インデックス: 文書やチャンクを検索可能な形で格納するデータ構造の総称。RAG では、埋め込みベクトルを ANN 索引（HNSW／IVF／PQ など）で格納し、メタデータを紐づけて絞り込み可能にする。文書の更新に応じてインデックスも更新（差分・削除・再インデックス）する必要がある。→ レッスン 2、レッスン 4
埋め込み: テキストや画像などのデータを、高次元の数値ベクトルに変換したもの。近い意味のデータはベクトル空間で近くに配置される。RAG ではチャンクを埋め込みベクトルに変換して索引化し、クエリベクトルとの類似度で検索する。→ レッスン 3
埋め込みモデル: テキストを埋め込みベクトルに変換するモデル。クローズド API（OpenAI・Cohere・Voyage AI・Google Gemini）、OSS（multilingual-e5・bge-m3・sup-simcse-ja・ruri など）、多言語モデル、日本語特化モデルの 4 象限で選定する。次元数とコスト・精度のトレードオフがある。→ レッスン 3
OCR（おーしーあーる）: Optical Character Recognition の略。画像から文字を認識する技術。紙をスキャンした PDF や写真・帳票の文書化に不可欠。Google Document AI・Azure Document Intelligence・Amazon Textract・PaddleOCR・Tesseract などが使われる。→ レッスン 2
OWASP: Open Worldwide Application Security Project の略。Web アプリケーションのセキュリティに関する国際的な非営利コミュニティ。近年は「LLM Applications 向けの Top 10 リスク」も公開し、社内 RAG のセキュリティ設計の参考になる。→ レッスン 7
カットオフ: LLM の事前学習データの締切日。カットオフ以降の情報は LLM 単体では回答できないため、RAG で最新情報を注入する必要がある動機の 1 つ。→ レッスン 1

すべての用語を見る →