韓国KAIST情報学部と大学発ベンチャーGraphAIは、6月2日に開催されるデータベース国際会議ACM SIGMOD 2026において、生成AIエージェント向け次世代データベースAkasicDBを発表する。同技術は、企業データ処理におけるAIのハルシネーション（幻覚）問題を軽減し、精度と速度の大幅向上を実現した。 従来のRAG（検索拡張生成）技術は、大規模言語モデルに文書ベクトルを供給して回答を生成する仕組みである。しかし、実務データは文書・表形式・エンティティ関係など多様且つ分散しており、従来の単一検索手法では正確な情報統合が困難だった。この制約が事実誤認を招き、企業AIの実用化における最大の障壁となっていた。 今回開発されたAkasicDBは、ベクトル検索、グラフ探索、リレーショナルフィルタリングの機能を単一DBMSエンジンに統合した。複数のデータベースを別個に運用しアプリケーション層で結果を結合していた従来アーキテクチャに対し、1つの統合クエリプランと実行計画で全てを処理可能とした。これにより、不要な中間結果の生成とデータ移動を最小限に抑え、LLMのトークン消費量削減と応答遅延の短縮を両立させた。 同基盤上で構築された新しいRAG手法Omni RAGは、文書の意味情報、知識グラフの関係性、表の構造化条件を同時に評価することで回答の根拠を強化する。実験では、複雑な検索クエリの処理時間を従来の最大21.3秒から1秒未満に圧縮し、応答速度を最大20倍以上に向上させた。また、回答精度は従来比最大78%改善し、ハルシネーションの発生を顕著に抑制することに成功した。 研究を率いたKAISTのキム・ミンス教授は、AIエージェントが企業の膨大なデータを正確に扱うためには、異種データを単一システムで統合処理できるインフラが不可欠だと指摘する。AkasicDBは防衛、製造、金融、法務、科学技術など高信頼性が求められる分野のコアデータ基盤として展開される見込みだ。本研究の成果は学術誌の附属誌に収録され、第一著者は博士課程のイ・ゴンホ氏、筆頭責任者はキム教授が務めた。