最近、AIを使った検索（RAG）が増えてきました。

ただ実際に使ってみると、少し複雑な質問になると、うまく答えられないという場面も多くあります。

従来のRAGの課題

これまでのRAGはシンプルです。

1. 質問を受ける
2. 1回検索する
3. 回答する

ただこの方法だと、

• 情報が足りない
• 比較や分析が弱い

といった問題が出てきます。

新しい考え方：Agentic RAG

そこで登場したのがAgentic RAG（Agentic Retrieval）です。

これは、AIが「どう調べるか」まで考える仕組みです。

例えば、「A社とB社を比較して」と聞くと、AIが自動で

• A社を調べる
• B社を調べる
• 必要なら追加で検索
• 最後にまとめる

調査プロセスそのものを実行してくれます。

でも実装は大変では？

このような仕組みは、普通に作ろうとすると

• 複数回検索の制御
• クエリ分解
• 状態管理

などを自前で作る必要があり、かなり大変です。

Azureならここが簡単になる

今回の記事で検証したのがAzure AI SearchのAgentic Retrievalです。

これを使うと、複雑な検索フローを自分で作らなくてもよくなります。

つまり、

• クエリ分解
• 複数検索
• 結果の統合

といった処理をサービス側がいい感じにやってくれます。

今回やったこと

実際に、

• Azure AI Search
• Agentic Retrieval

を使って、Agentic RAG構成をシンプルに構築しました。

その結果、少ない実装で高度な検索が実現できることが確認できました。

何がうれしいの？

① 複雑な質問に強くなる

AIが調査プロセスを持つことで、より正確な回答ができる

② 実装がシンプル

本来大変な処理を、Azureが肩代わりしてくれる

③ すぐ試せる

ゼロから作らなくていいので、「まずやってみる」ができる

まとめ

AI検索は今、検索して答える、から考えて調べるへ進化しています。

そして今回重要なのは、その仕組みを簡単に作れるようになったことです。

Acroquestでは、

• 新しい技術を試す
• 実際に使えるか検証する
• 実務でどう活かすか考える

といった取り組みを行っています。

もし

• AIに興味がある
• 難しそうだけど触ってみたい
• 実務で使える技術を学びたい

そんな方がいれば、ぜひ一度お話しましょう。

具体的な実装コードなど詳しくは当社技術ブログに記載しておりますので、詳細を知りたい場合はこちらをご覧ください。

ぜひ、当社で一緒に働いてみませんか？

チャレンジングな案件が多く、成長の機会が多く得られる環境です

当社では、機械学習／AIや生成AIに加えて、AWSやAzureを活用したITサービス開発事業を推進しています。そこで、最先端技術を駆使しながら、社会を進化させたい情熱とスキルのある機械学習・AIエンジニア、クラウドエンジニアを募集しています！

私たちが取り組む案件は、最先端技術を用いる内容や高難易度の内容が多く、チャレンジングな環境なので、成長の機会が多く得られることをお約束します。