なぜ「うちの就業規則」に答えられないのか

LLMは学習時点の公開データしか知りません。「わが社の就業規則」「先月の議事録」には答えられず、悪いことに知らなくてももっともらしく答えてしまいます（ハルシネーション）。 解決策がRAG（Retrieval-Augmented Generation・検索拡張生成）——「まず関連資料を検索し、それをプロンプトに添えて答えさせる」手法です。

エンベディング ― 意味を数値にする

①の「検索」はキーワード一致では不十分です（「有給」と「年次休暇」が別物になる）。そこでエンベディングを使います。

RAGの実装フロー

回答に「出典（どの資料の何ページ）」を付けられるのが実務上の大きな利点 「資料にない場合は『わかりません』と答えて」と制約するとハルシネーションが大幅に減る

• LLMが自社データに答えられない理由
• エンベディングとベクトル検索の直感
• RAGの全体フロー