2つのRAGは、資料の読み方がちがいます
どちらも社内文書を根拠にAIが答える仕組み（RAG）ですが、答えにたどり着くまでの道すじが違います。
ベクトル検索型RAG
文書を細かい断片に分ける
資料を数百文字ずつの断片（チャンク）に切り分けます。
断片をベクトル化して保存する
埋め込みモデルで数値の並びに変換し、ベクトルDBに入れておきます。
質問に似た断片を数件取り出す
質問もベクトル化し、意味の近い断片を上から数件だけ選びます。
取り出した断片だけを読んで答える
選ばれなかった部分は、AIの目に入りません。
ナビゲーション型RAG
資料を目次のように整理する
アップロードした資料を、AIがテーマごとの階層（スキル）にまとめます。
目次（スキルツリー）を持っておく
どの資料に何が書いてあるかを、AIがたどれる形で保存します。ベクトルDBは使いません。
質問に合わせて目次をたどる
AIが目次を上から順に見て、関係のありそうな資料を選びます。
必要な文書を読んで答える
選んだ文書を読み、それを根拠に答えます。記載がなければ、そう答えます。
スキルツリーは、AIのための資料の目次です
たとえば「有給休暇の申請方法は？」と聞かれたとき、AIは次のように目次をたどって資料を読みに行きます。
- 人事・労務
- 休暇・休日
- 就業規則_2025.pdfこの資料を読んで回答
- 勤怠・リモートワーク
- 休暇・休日
- 経費・購買
- 経費精算
- 情報セキュリティ
ベクトル検索型RAGとのちがい
- 事前の準備
- ベクトル検索型RAG埋め込みモデルとベクトルDBを用意し、文書の分け方を調整する
- ものしりAI RAG（ナビゲーション型）ファイルをアップロードするだけ
- 資料の読み方
- ベクトル検索型RAG質問に似た断片を数件だけ取り出す
- ものしりAI RAG（ナビゲーション型）目次をたどり、必要な文書を読みに行く
- 複数の資料をまたぐ質問
- ベクトル検索型RAG必要な断片が上位に入らないと答えにくい
- ものしりAI RAG（ナビゲーション型）目次から関係する資料を選んで読み合わせる
- 資料に記載がない質問
- ベクトル検索型RAG似た断片をもとに答えてしまうことがある
- ものしりAI RAG（ナビゲーション型）「記載がない」と答えるよう設計
- 回答の根拠
- ベクトル検索型RAG作り方しだい
- ものしりAI RAG（ナビゲーション型）管理画面で、参照した資料のファイル名を表示
- 資料の追加・差し替え
- ベクトル検索型RAG分割とベクトル化をやり直す
- ものしりAI RAG（ナビゲーション型）スキルツリーを自動で作り直す
| 項目 | ベクトル検索型RAG | ものしりAI RAG（ナビゲーション型） |
|---|---|---|
| 事前の準備 | 埋め込みモデルとベクトルDBを用意し、文書の分け方を調整する | ファイルをアップロードするだけ |
| 資料の読み方 | 質問に似た断片を数件だけ取り出す | 目次をたどり、必要な文書を読みに行く |
| 複数の資料をまたぐ質問 | 必要な断片が上位に入らないと答えにくい | 目次から関係する資料を選んで読み合わせる |
| 資料に記載がない質問 | 似た断片をもとに答えてしまうことがある | 「記載がない」と答えるよう設計 |
| 回答の根拠 | 作り方しだい | 管理画面で、参照した資料のファイル名を表示 |
| 資料の追加・差し替え | 分割とベクトル化をやり直す | スキルツリーを自動で作り直す |
※ ベクトル検索型RAGの欄は一般的な構成を示したもので、特定の製品を指すものではありません。
ベクトルDBも埋め込みモデルも、用意しなくていい
RAGを自作するときに必要な、文書の分割・ベクトル化・データベースの構築は一切いりません。ファイルをアップロードすると、AIがたどるための目次（スキルツリー）が自動で作られます。
書かれていないことは、「記載がない」と答える
AIは目次をたどって資料を読みに行くので、どこにも書かれていないことに気づけます。その場合は推測で作文せず、「ドキュメントには記載されていません」と答えるよう設計しています。
どの資料を見て答えたか、すぐ確かめられる
管理画面のチャットでは、回答の下に参照した資料のファイル名が表示されます。クリックすると資料を開いて、内容を自分の目で確かめられます。
※ LINE・Slackからの回答には、資料名は表示されません。
資料を差し替えれば、目次も自動で作り直す
資料を追加・差し替え・削除すると、スキルツリーは自動で作り直されます。分け方の設定やインデックスの作り直しといった作業はいりません。
仕組みについてのよくある質問
関連する記事
ベクトル検索型RAGの限界や、ナビゲーション型にたどり着いた経緯を、ブログで詳しく解説しています。
コンテキストエンジニアリングとは？社内ナレッジで実践する5ステップ
プロンプトを工夫しても社内AIの回答が安定しない理由は、聞き方ではなく「AIに渡している情報」にあります。コンテキストエンジニアリングの意味、プロンプトエンジニアリングやRAGとの違い、社内ナレッジで実践する5ステップを解説します。
「RAG不要論」は本当か？社内ナレッジAIの判断軸6つ
ロングコンテキストLLMの登場で「RAGはいらない」と言われる時代。本当に不要なケースと、依然としてRAGが必要なケースを6つの判断軸で整理し、社内ナレッジAI選びの実務指針を解説します。
RAGの限界とは？ハルシネーションを防ぐskillモードを実例で解説【2026年版】
RAGはなぜ「嘘の回答（ハルシネーション）」を起こすのか。複数文書の比較・大量ドキュメント・該当なし質問でつまずくベクトル検索型RAGの構造的な限界と、ものしりAIがナビゲーション型RAG（skillモード / Corpus2Skill）でどう解決したかを、人事規程の実例とともに解説します。
