Retrieval-Augmented Generation（RAG）は、ChatGPTの登場をきっかけに企業向けAIの第一波を支えた技術だが、現在はその役割が大きく進化している。RAGの本質は、大規模言語モデル（LLM）に限られたコンテキスト窓を補うために、必要に応じて外部データを検索して提示する手法だった。しかし、単にテキストをベクトル検索で取得するだけでは、不正確な情報や不要な内容が混入し、逆に回答の質を低下させる「コンテキストポイズン」や「コンテキストクラッシュ」のリスクが明らかになった。特に、企業規模のデータ環境では、情報の量と複雑さが増す中で、従来のRAGは限界に達していた。 これに対応して、知識グラフやセマンティックレイヤーを活用した「コンテキストエンジニアリング」が台頭している。特にGraphRAGは、エンティティと関係性を構造化した知識グラフを活用することで、LLMがより意味的に正確かつ説明可能な推論を行うことを可能にした。Microsoftが2024年7月にGraphRAGフレームワークをオープンソース化したことで、この分野は一気に注目を集めた。また、ProgressがMarkLogic、SamsungがOxford Semantic Technologies、ServiceNowがdata.worldを買収するなど、企業の戦略的投資が相次ぎ、知識グラフは単なるメタデータ管理ツールから、AIの「意味的基盤」としての位置を確立した。 今後、RAGは「単一の検索」から「エージェントの推論ループの一部」として進化する。エージェントは、コンテキストを「書く」「圧縮する」「分離する」「選択する」など、動的に管理する必要がある。LangChainやLlamaIndexのフレームワークでは、Web検索や関係データベース、知識グラフ、メモリなど、複数の手段を統合してコンテキストを構築する仕組みが実装され、RAGは「エージェントのツールの一つ」に位置づけられている。 また、セマンティックレイヤーは、構造化データ（リレーショナル）と非構造化データ（ドキュメント、画像、音声など）を統合的に扱う基盤として重要性を増している。SnowflakeのOSI、DatabricksのMosaic AI、LangChainの評価ツール群など、コンテキストの「関連性」「根拠」「最新性」「カバレッジ」を評価するフレームワークも登場。さらに、アクセス制御や規制遵守を保証する「ポリシー・アズ・コード」の導入も進み、AIの信頼性と説明可能性が高まっている。 結論として、RAGは「死んでいない」が、「進化した」。AIのエージェント化に伴い、単なる「検索」から「意味的・戦略的コンテキストの設計」へとその役割が移行している。今後のAIシステムは、知識グラフとセマンティック技術を核に、正確性、説明可能性、信頼性を兼ね備えた「コンテキストエンジニアリング」の枠組みで構築される。