大規模言語モデル（LLM）は、そうでない限りは印象的です。社内データ、製品カタログ、ユーザーレビューについて尋ねると、ハルシネーションを起こすか、知らないと答えるかのどちらかです。ほとんどのチームがたどり着く解決策は、Retrieval-Augmented Generation（RAG）です。これは、まず関連データを取得し、それをプロンプトにコンテキストとして注入し、モデルが記憶からではなくそのコンテキストから回答できるようにします。GraphRAGはこれをさらに一歩進めます。テキストチャンクのみを取得するのではなく、グラフの関係を使用して接続されたコンテキストを取得し、エンティティ間の関係をたどって、より豊かで構造化されたコンテキストを構築できます。その結果、データとその間の関係の両方に根ざした回答を提供できます。