検索拡張生成は、大規模言語モデルをエンタープライズデータに接地するための標準的なパターンとなっています。典型的な実装では、ドキュメントを埋め込みに変換し、ベクトルデータベースに格納し、クエリに対して最も類似したチャンクを取得し、それらのチャンクをモデルプロンプトに追加します。これは、セマンティック類似性が主な要件であるドキュメント検索、ポリシー検索、サポートコンテンツなどのタスクでうまく機能します。しかし、エンタープライズナレッジは、孤立したパッセージとして整理されることはめったにありません。それは、アプリケーション、データベース、API、ドキュメント、所有権階層、製品カタログ、運用記録全体に分散しています。質問が関係性、出所、時間、または多段階の推論を必要とするようになると、ベクトル検索だけでは信頼性が低下します。したがって、エンタープライズAIの次の段階は、RAGとエンタープライズナレッジグラフを組み合わせることに依存します。