Salesforce における RAG の仕組み
公開日: 2025.07.29
Share:
この記事で学べること
- RAG の基本的な定義と仕組み
- Salesforce プラットフォーム上で RAG がどのように実現されているか、 Data Cloud と Agentforce の役割分担
RAG （検索拡張生成）とは
まず RAG の基本概念について解説します。 RAG は「 Retrieval-Augmented Generation 」の略で、日本語では「検索拡張生成」と呼ばれます。生成 AI （ LLM ）の弱点を補うための仕組みであり、生成 AI が回答を生成する際に、社内外の情報ソースから関連情報を検索し、その情報をグラウンディングに利用する技術です。例えば、事前に学習された LLM の知識のみでは最新の情報や専門的な質問に正確に答えられない場合に、 RAG を使うことで自社の最新データを参照しながら回答を生成できます。
- 最新・関連性の高いデータをプロンプトに埋め込む: RAG を使うと、企業内の最新かつ関連性の高いデータを LLM へのプロンプトに組み込むことが可能です。これにより、 AI は常に最新かつ関連性の高い知識を踏まえて回答できます。
- 構造化・非構造化データの活用: RAG で利用できるデータは、スプレッドシートやデータベースのような構造化データだけではなく、メール・PDF・チャットログなどの非構造化データも含まれます。社内に蓄積された様々な情報源を活用できます。
- ハルシネーションの低減: 信頼できる社内データを参照することで、 AI がもっともらしいが誤った回答を作り出してしまう「ハルシネーション」を減らす効果があり、回答の正確性・信頼性が向上します。
Salesforce における RAG の仕組み全体像
ここでは、 Salesforce プラットフォーム内で RAG がどのように機能するのか、その全体アーキテクチャを紹介します。特に Data Cloud が中心的な役割を果たしており、 Agentforce と連携して RAG を実現しています。
- ベクトルデータベースとしての Data Cloud: RAG で肝となるのがベクトルデータベースです。 Data Cloud にはベクトルデータベースの技術が組み込まれており、非構造化データも含めた情報を、 AI が扱いやすい数値ベクトル形式で保存・検索できます。これにより、単純なキーワード検索ではなく、言葉の「意味」や「文脈」の近さに応じた、より精度の高い検索（セマンティック検索）が可能になります。
- Agentforce: Agentforce は Salesforce が提供する AI エージェント機能であり、ユーザーからの質問や要求に対して自律的にタスクを実行します。 Agentforce が RAG を使う代表的なタスクは問い合わせ対応です。 Agentforce が質問（プロンプト）を受け取ると RAG によるデータ検索により関連する情報を取得し、それをもとに回答を行います。
- RAG の流れ: ユーザーから Agentforce に質問が来ると、まず Data Cloud 内のデータを検索（ Retrieve ）して関連する情報を探し出します。これには後述する検索インデックスとレトリーバーの仕組みが使われ、 Data Cloud 上の膨大なデータから質問に適した情報を見つけ出します。見つかった情報はプロンプトに組み込まれ（ Augment ）、 LLM がそれを基に回答を生成します（ Generate ）。この一連の処理によって、 Agentforce は社内の知見に裏付けされた回答をユーザーに返します。
まとめ
Salesforce における RAG は、 Data Cloud を基盤に Agentforce が連携して実現されます。質問を受けると Data Cloud 内のデータを検索し、見つかった情報をプロンプトに組み込みます。そして、 LLM が回答を生成します。この仕組みにより、最新かつ関連性の高いデータに基づいた正確な回答が可能となり、ハルシネーションも低減できます。また、構造化・非構造化データを問わず活用できます。 RAG の導入で、 LLM 単体では難しい最新情報や専門的な質問にも対応できるようになります。次の記事では、この RAG の仕組みを支える Data Cloud の機能について詳しく解説します。
学習ツール
Premier Success Plan をご契約のお客様は、この記事の内容について1対1のフォローアップセッションでご相談いただけます。
具体的な設定方法などについてご支援が必要でしたらぜひ以下のリンクよりお申し込みくださいませ。
エキスパートコーチング： Data Cloud : AI & Agentforce
参考リソース
公開日: 2025.07.29
Share:
この情報は役に立ちましたか？
ご意見お待ちしております。
フィードバックありがとうございます。
より役に立つために
役に立たなかった一番の理由を教えてください。
活用ステップ
-
STEP1. はじめに
-
STEP2. 概要
-
STEP3. データ取込
-
STEP4. 準備
-
STEP5. 活用
