RAGの導入・活用事例14選！製造業・金融・教育分野・IT業界等の取り組みを解説

検索技術とLLMを組み合わせ、最適な回答を生成する技術であるRAG（検索拡張生成）。LLMの学習済み知識に加え、社内文書などから検索した情報を基に回答を生成できるため、自社固有の情報を活用するシステムの構築に用いられています。

RAGとはなにか、仕組みをこちらの記事で、LLMについてはこちらで詳しく説明していますので併せてご覧ください。

RAGはさまざまな業界での活用が期待されており、既に実用化してベネフィットを得ている企業もあります。社内データの検索や回答生成の精度を高めるなど、RAGを導入する事例は数多く存在しています。

そこで本記事では、RAGの最新導入事例、AI Marketへの相談事例を紹介します。RAGが実際にどうやって活用されているか、事例を見ることでイメージしやすくなるでしょう。RAGの導入・開発を検討している開発者や企業の方は、ぜひ参考にしてみてください。

LLM・RAG開発が得意なAI開発会社について知りたい方はこちらで特集していますので、併せてご覧ください。

ポイント：RAGの活用は社内検索からAIエージェントへ

RAGは、社内文書を検索し、その内容に基づいて質問に回答する仕組みとして活用されてきました。近年は、こうした検索・回答に加え、AIエージェントが業務を進める際に、必要な社内情報や専門知識を参照する仕組みとしてRAGを組み込む事例も広がっています。

例えば、社内規程や技術資料を参照したうえで、回答案や資料の作成、対応手順の検討などにつなげる活用です。RAGが回答の根拠となる情報を提供し、AIエージェントがその情報と各種ツールを使って作業を進めます。（AIエージェントにRAGが必須なわけではありません）

以下では、検索・質問応答を中心とした活用から、AIエージェントに組み込んだ活用まで、各社の取り組みを業界別に紹介します。

関連記事：「AIエージェントとは？生成AIとの違い・自律的に動く仕組み・種類・導入リスクを徹底解説！」

IT・通信業界でのRAG導入事例

AI技術と強く結びつくIT・通信業界では、以下のような企業がRAGを導入し、実際の業務に活用しています。

それぞれの企業の導入事例について見ていきましょう。

【Shorthills AI】RAGと知識グラフで法律文書の検索を支援

Shorthills AIは、RAGと知識グラフを組み合わせた法律業界向けの生成AIエージェントを開発しています。長大な法律文書から関連情報を探し、回答の根拠を確認する作業を支援するエージェントです。

文書を意味のまとまりに沿って分割し、事件名や裁判官名などの情報と、その関係性を検索に活用します。単語の一致だけでなく、文脈や情報同士のつながりを踏まえて、質問に関連する記述を検索する仕組みです。

検索基盤には、IBM watsonx.data上のAstra DBを使用しています。関連箇所の検索や要約に加え、原文を確認できる引用を提示し、利用者が回答の根拠を検証できる設計を採用しています。

必要な情報へのアクセスと根拠の確認を組み合わせることで、正確性が求められる法務調査を支援する事例です。

参照：IBM｜法的検索向け実稼働RAG：Shorthills AIがIBM watsonx.dataを使用してデータ検索を拡張した方法

【コネヒト】社内文書の参照機能の実現

コネヒト株式会社では、RAGによって社内文書参照機能を実現しています。RAG技術を活用し、社内制度やナレッジに関する文書の検索機能と、それらの文書を基にした回答生成を可能にしました。

ユーザーの質問に関連する社内文書を効率的に検索し、検索された関連文書をユーザーの質問と組み合わせて、ChatGPTへのプロンプトを動的に生成します。

コストを抑えることに重点を置き、RAG実践で一般的に利用される有料サービスであるAzure AI SearchやOpenAIのEmbedding（埋め込み）モデルAPIなどは使用していません。代わりに、HuggingFaceで提供されている無料モデル「multilingual-e5-small」を採用しています。

これにより、コストを抑えつつ高性能なRAGシステムを実現しています。社内文書の参照機能は、以下のような手順で構築されました。

1. 社内文書のベクトル化
2. ユーザーのメッセージに関連する文書の抽出
3. ChatGPTに与えるプロンプトの構築

これによって、ChatGPTに質問を投げ掛けるとコネヒト固有の名称が出力されます。

Notionなどの文書管理システムと連携し、最新の社内情報を常に参照できるようにしています。実際の社内文書に基づく回答が生成できるため、社内のヘルプデスク業務効率化やプロダクトの提供価値向上が期待できます。

関連記事：「ナレッジマネジメントとは？重要手法・生成AI（RAG）を活用するメリットを徹底解説！」
関連記事：「Azure AI Searchとは？高性能なAI検索機能や活用方法を解説！」
関連記事：「Embeddingとは？LLM・RAGでの必要性・活用事例6選・実装手順を徹底解説！」
関連記事：「Hugging Faceとは？Hugging Face Hubの機能や使い方・ライブラリをわかりやすく解説！」

参照：コネヒト開発者ブログ｜ChatGPTに社内文書に基づいた回答を生成させる仕組みを構築しました

【LINEヤフー】独自業務効率化ツール「SeekAI」の導入

LINEヤフー株式会社では、生成AIを活用した独自の業務効率化ツール「SeekAI」を全従業員向けに本格導入しました。このツールでは、RAGシステムが活用されています。

SeekAIは、社内ワークスペースツールや社内データを参照元として、従業員の質問に対して最適化された回答を提供します。LINEヤフーでは生成AI統括本部がデータ登録をサポートしており、組織的な取り組みの重要性を示しています。

「SeekAI」の利用範囲を拡大するにあたり、参照元として登録できる社内データやワークスペースツールのページを、部門やプロジェクト単位で管理できるよう設定が更新されました。あらかじめ登録した社内データベースを参照するため、従業員は要件に適した回答を得ることが可能です。

社内データやワークスペースツールの情報を効率的に取得できる環境を提供し、従業員の確認や問い合わせにかかる時間を削減します。

結果として、部門を問わず多様な業務での効率化を実現しています。特に、エンジニアの技術スタック検索・選定時間の削減、カスタマーサポート業務での正答率向上に寄与しました。

参照：LINEヤフー｜RAG技術を活用した独自業務効率化ツール「SeekAI」を全従業員に本格導入

【NEC】RAGによる社内コンテンツやナレッジをもとにした推論精度の向上

2023年5月に、NEC（日本電気株式会社）は生成AIの社内活用を促進する目的で「NEC Generative AI Service（NGS）」を立ち上げました。NGSの導入後、特に注目されたのは、社内のコンテンツやナレッジを活用した推論機能に関するニーズです。

NECでは、生成AIの企業内での活用手法としてRAGを採用しており、LlamaIndexを実装しています。事前に登録したOffice文書やPDFデータをもとに、蓄積されたナレッジを有効活用できる仕組みが構築されています。

NGSには、Azure OpenAI in Microsoft Foundry Models（旧Azure OpenAI Service）を活用したGPT-3.5に加え、GPT-4やNEC独自のLLMも採用されています。複数のLLMを組み合わせることで、様々なニーズに対応しつつも、自社開発LLMの活用による独自性を確保するよい事例です。

社員が生成AIを適切に活用できるようルールを策定し、活用推進の施策を整備しました。まだ、回答精度は完全ではないものの、試行錯誤を重ねたいという社員からの声もあったため、提供が開始されました。今後、LlamaIndex以外の技術への置き換えも視野に入れているようです。

関連記事：「LlamaIndexとは？RAGの構築を実現するライブラリの機能やメリット、構築手順を徹底解説！」
関連記事：「Azure OpenAI in Microsoft Foundry Modelsとは？料金・モデル・OpenAI APIとの違い、使い方を解説」

参照：NEC｜生成AIの社内活用を進めるNEC Generative AI Service（NGS）

【ゆめみ】新入社員のオンボーディングを支援する生成AI環境の構築

Webアプリやスマホサービスを企画・開発する株式会社ゆめみでは、新入社員のセルフオンボーディングを効率化する目的で、RAGを活用した独自の生成AI環境を開発しました。

ゆめみは、アジャイル組織・ティール組織を採用し、全員CEO、有給取り放題、給与自己決定など、ユニークな制度を導入しています。新入社員が組織に馴染むために、「ゆめみオープンハンドブック」によるセルフオンボーディングの仕組みを整備してきました。

しかし、情報が更新され続ける中で、新入社員が必要な情報に辿り着きにくいという課題がありました。RAGを活用したシステムは社内情報へのアクセス性を大幅に向上させ、新入社員が自発的に業務知識を習得できる環境を実現しています。

社内ツールとして既に導入されているSlackをインターフェースとして活用することで、利用時の手間を最小限に抑えることを実現しました。また、クラウド上に専用のSlack botアプリケーションを配置し、RAG技術を統合することで、高い利便性を提供しています。

さらに、社内の膨大なNotionドキュメントから必要なデータを抽出し、大規模言語モデルによって質問内容に即した回答を生成します。これに加え、会話履歴の文脈を考慮した応答が可能で、過去のやり取りを踏まえた情報提供が実現されています。

参照：ゆめみ｜新入社員のオンボーディング支援にRAGを活用した生成AIを導入（マピオンニュース掲載）

【セゾンテクノロジー】自然言語で社内データ基盤を活用できるシステムの構築

セゾングループの株式会社セゾンテクノロジーでは、生成AIの取り組み実績の1つとして、RAGシステムの開発と提供があります。社内で構築されたDWH（データウェアハウス）やデータレイクを活用した「全社統合データ基盤」を、SQLの知識がない非エンジニアでも「質問を入力するだけ」で利用可能な環境として開発しました。

このシステムでは、DWH内のデータベースメタデータをベクトル化し、RAGで参照する仕組みを採用しています。

利用者の質問に関連するメタデータを参照し、生成AIがDWH向けのSQL文を自動生成します。ユーザーはSQLを記述することなく、自然言語だけで社内データ基盤を活用できます。

セゾンテクノロジーでは、セキュリティへも配慮し、Azure OpenAI in Microsoft Foundry Models（旧Azure OpenAI Service）を利用しています。

関連記事：「データレイクとは？データウェアハウス・データマートとの違いやメリット、データスワンプに陥る原因を徹底解説」
関連記事：「ベクトル検索とは？仕組み・LLMでの役割・実装方法・活用事例を徹底解説！」

参照：セゾンテクノロジー｜生成AIの取り組み・RAGシステムの開発と提供

LLM×RAGに強い会社の選定・紹介を行います

今年度RAG相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 LLM×RAGに強い会社選定を依頼する

製造業での導入事例

製造業において、RAGの主な導入事例は以下の通りです。

それぞれの導入事例について解説していきます。

【島津製作所】社内情報を参照するRAGで業務アシスタントを強化

島津製作所は、2023年度に構築した社内向けの生成AI環境を基盤に、社内情報を参照できるRAGを導入しています。生成AIを日常の業務プロセスに組み込み、業務の効率化や意思決定の迅速化を進める取り組みです。

社内情報に基づいて回答する業務アシスタントを整備し、自社の情報を踏まえた業務支援に活用しています。グループ内で生まれた生成AIの活用事例を他部門・グループ会社にも展開し、利用を広げる方針です。

さらに、AIエージェントの導入による業務自動化や意思決定支援、顧客対応の高度化も目指しています。

参照：島津製作所｜島津 統合報告書2026「DX戦略」（30ページ）

【ライオン】生成AIと検索システムを用いた「知識伝承のAI化」ツールの自社開発

ライオン株式会社では、社内の技術的知見を効果的に活用することを目的に、「知識伝承のAI化」ツールの自社開発を進めています。このツールにより、蓄積されてきた技術知識や実験データから必要な情報を研究員が迅速に取得できる環境を整備し、新しい価値や習慣の創造を支援することが可能です。

「知識伝承のAI化」ツールは、RAG技術が基盤となって開発されました。自然な表現での検索文を入力し、生成AIが抽出した文書を分析・評価したうえで、質問に沿った簡潔な回答を提供します。これにより、適切な情報へ効率的にアクセスすることが可能です。

検証結果では、情報取得にかかる時間が従来の約5分の1に短縮され、生成された文章から迅速に必要なデータを抽出できることが確認されています。今後は試験運用を経て、研究領域での活用を目指しています。

参照：ライオン｜生成AIと検索システムを用いた「知識伝承のAI化」ツールの開発を開始

【AGC】「ChatAGC」の運用による社内データの検索効率化

世界最大級のガラスメーカーであるAGC株式会社は、自社の生成AI活用環境「ChatAGC」に社内データとの連携機能を新たに搭載し、2024年8月からその拡張運用を開始しています。汎用的な生成AIとAGCが保有する独自の知見やノウハウに基づくデータを融合させた業務ツールが整備され、従業員の生産性向上をサポートしています。

2023年6月時点で「ChatAGC」は導入されていましたが、利便性の向上を目的にRAG技術を採用し、社内データを「ChatAGC」に統合しました。権限を付与された従業員は、社内データを基にした回答を得られるようになり、情報の効率的な活用が可能となります。

権限に基づいた情報アクセスを実現することで、セキュリティと利便性のバランスを取っています。

これにより、以下のような多様な部門での活用が期待されています。

• 開発部門：過去の開発・設計などの技術情報を含めた回答を得られる
• 製造部門：トラブル発生時に過去の製造情報から適切な対応策を迅速に得る
• 営業部門：顧客情報を基にニーズに適合した回答を得る
• 戦略企画部門：知財情報を基に、自社の事業活動に適合した回答を得る

各部門のニーズに合わせたRAGの活用方法を検討することで、組織全体の効率化とイノベーション創出につながります。

関連記事：「なぜ営業支援にRAGを使うべき？生成AIで営業DXを実現する方法・メリット・ポイントを徹底紹介！」

参照：AGC｜自社向け生成AI活用環境「ChatAGC」に社内データ連携機能を付与

その他の業界での導入事例

その他の業界での代表的な導入事例として、以下を紹介します。

それぞれの導入事例について見ていきましょう。

【山形銀行】行内規程・業務マニュアルの検索と照会

山形銀行は、2026年8月から、法人向けAIエージェントプラットフォーム「neoAI Chat」の全社利用を開始すると発表しました。行内規程や業務マニュアルなどを参照する情報検索業務に活用する取り組みです。

従来は、膨大な資料から必要な情報を探すのに時間がかかり、本部への電話照会も営業店と本部の双方にとって負担となっていました。RAG機能を備えたneoAI Chatを利用し、行内文書を参照して必要な情報を確認できる環境を整備することで、顧客対応などの主要業務に注力できる状態を目指しています。

今後は業務に特化したアシスタントの拡充も進め、業務効率化だけでなく、対応品質の向上やナレッジの共有・継承につなげる方針です。

参照：山形銀行｜生成AIアプリケーション「neoAI Chat」の導入について
参照：neoAI｜山形銀行、法人向けAIエージェントプラットフォーム「neoAI Chat」を本格導入

【東洋建設】労働災害事例検索システム「K-SAFE東洋 RAG適用Version」の導入

東洋建設株式会社は、2024年9月に労働災害事例検索システム「K-SAFE東洋 RAG適用Version」を導入しました。このシステムは、株式会社UNAIITが開発した「K-SAFE」をもとに、東洋建設と共同で機能が拡張されました。

社内災害事例、厚生労働省労働災害データ、日建連災害データ、国交省建設工事事故データベースなどを格納しています。「東洋建設災害防止基準」や「安全ルールの見える化」、「成功・失敗事例」など社内独自データの検索も可能です。

全職員が業務用として配布されているiPhone Proを利用し、いつでもシステムへアクセスできる仕組みとなっています。各現場の調整会議や朝礼、パトロール時に活用し、職務上必要な安全事項を確実にリマインドすることで、労働災害の防止に貢献します。

「K-SAFE東洋 RAG適用Version」では、厚生労働省の災害事例を基に回答する「災害事例ChatGPT」を利用できます。また、「東洋安全ChatGPT」にはRAGを適用し、社内の災害防止基準などを参照した回答と、その根拠となる資料を表示します。

参照：東洋建設｜労働災害事例検索システム「K-SAFE 東洋 RAG適用Version」を導入

【JR東日本】業務内容に回答できる生成AIシステムの開発とDX化の推進

JR東日本では生成AIの内製開発に取り組んでいて、本社内組織「Digital & Data イノベーションセンター(DICe)」を設置して積極的にDXを推進しています。

生成AIシステムの開発においてもDICeが中心となり、RAGを活用したシステムのプロトタイプを内製しました。2023年11月から一部の社内部署で試験運用を開始しています。

社員のフィードバックを反映しながら改良を進められており、2024年10月には全社規模での試験運用が実施されているようです。

RAGシステムの導入により、社内規定やルールに関する文書検索の効率化を図り、全社的な業務の生産性向上を目指しています。JR東日本独自の業務内容に回答できる生成AIシステムの開発を目指しています。

他にも生成AIチャットツールの展開やプログラミングコーディングでのAI活用など、企業全体でもデジタル化を推進しています。

参照：JR東日本｜生成AIチャットの全社員展開及び生成AIの内製開発について（PDF）
参照：JR東日本｜鉄道固有の知識を学習した「鉄道版生成AI」を開発します（PDF）

【くすりの窓口】PoC検証用のAIチャットボットの開発に活用

薬局・ドラッグストア検索予約サイトであるくすりの窓口では、RAG技術を活用した生成AIチャットボットのPoC検証を実施しました。複数の基盤モデルの中からGPT-4を採用した検証用チャットボットSlackアプリを使い、実用化に向けた試験運用を行いました。

開発された生成AIチャットボットは、「くすりの窓口」が提供する3種類の個別サービスに対応しており、社内のSlackアプリを通じて質問することで、それぞれのサービスに関する回答が得られる仕組みになっています。

情報源となるドキュメントを管理するための環境と、一般的なLLMにはない社内独自の情報をもとに回答を生成するRAGの仕組みの構築はAmazon Web Services（AWS）上で行われています。最終的には顧客向け問合せシステムへの組み込みを目指しています。

参照：クラスメソッド｜くすりの窓口様事例：RAGを活用した生成AIチャットボット提供。LLM選定やインフラを1カ月で構築

【近畿大学】問い合わせ対応の効率化を促進する高精度チャットボット「SELFBOT」の導入

近畿大学が導入する次世代高精度チャットボット「SELFBOT」は、Azure OpenAI Serviceを使用してChatGPTと連携したRAG活用のシステムで、回答の根拠となるドキュメントやURLを自動的に学習します。

近畿大学では、2022年時点で学生からの問い合わせ対応にAIチャットボットを活用していました。70,000件以上の問い合わせをチャットボットで対応し、窓口での対応件数を最大で5～6割削減する成果を上げていましたが、教職員が想定される質問と回答を事前に準備し、それを学習させるプロセスが必要でした。

「SELFBOT」ではトレーニング用のデータセットやシナリオの構築は不要で、ファイルやWebページのURLをアップロードするだけで学習が可能です。これにより、教職員が質問や回答を作成する手間を大幅に削減するとともに、より柔軟で高品質な回答が生成できます。

学生などの利用者にとっても、回答生成と参照したWebページやドキュメントへのリンクを提示されるため、効率的な情報収集が可能です。また、入力テキストの予測など、ユーザービリティの高いサービスが期待できます。

参照：近畿大学｜生成AI連携の「SELFBOT」導入で、近畿大学のAIチャットボットが進化！学生・教職員のニーズに応える新しいサポート体制を構築（＠Press）

AI Marketに寄せられた相談事例

生成AIと社内データを組み合わせたい企業から、実際に寄せられた相談事例をご紹介します。（会社名が特定できる情報は伏せています）

製造現場の技術継承を支援するチャット型LLM活用

幅広い化学製品を製造・販売するメーカー様では、熟練オペレーターが長年にわたり培ってきた設備トラブル対応ノウハウを若手に継承することが急務となっていました。

現場では「●●プラントの温度が安定しない」「異常音が出た」など突発的な課題が日常的に起こります。しかし、マニュアル検索やベテランへの電話連絡では解決に時間がかかり、稼働ロスが発生していました。

そこで同社は、自社過去データや操作手順書を学習させたLLMをチャットツール上で利用する仕組みについてAI Marketへご相談をいただきました。

AI Marketのパートナー紹介

担当者が質問すると即座に原因切り分けや対処手順を提示してくれる仕組みを構想し、AI Marketは、お客様の課題をヒアリングした上で、以下のような技術を提供できるAI会社・サービスを紹介致しました。

• 自社文書を検索・参照できる
• チャットUIを安全に社内展開する エンタープライズ向けLLMチャットボット開発

医薬品講演資料の法規制チェックをAIで自動化したい

国内で医療機関向け講演会を開催する医薬品メーカー様では、講演で使用されるスライド（1回最大150枚程度）の内容が各種法規制や業界ガイドラインに適合しているかを審査する業務に追われていました。

以下について確認する必要があり、担当部門の負荷は限界に近づいていました。

• 公正取引委員会の指針
• 薬機法や景表法
• 製薬業界団体のルール
• 引用論文との整合性

同社からはAIを用いてスライドのテキストと画像を解析し、規制違反や誇張表現を自動で検知したいというご相談を受けました。具体的には、LLMに社内外のレギュレーション文書を取り込むRAG（検索拡張生成）の仕組みを用い、スライドの記述を自動照合するイメージです。

AI Marketのパートナー紹介

お客様としては、将来的には、引用文献の自動突合や、審査レポートの生成まで一気通貫で行えるワークフローを構築したいと考えられていました。AI Marketは、お客様の課題をヒアリングした上で、相談内容に合わせ、以下のような技術を提供できるAI会社・サービスを紹介致しました。

• LLMを活用した法規制要件の自動抽出
• 社内外の文書検索による引用文献・エビデンス照合
• スライド画像解析・OCRによる内容デジタル化

LLM×RAGに強い会社の選定・紹介を行います

今年度RAG相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 LLM×RAGに強い会社選定を依頼する

RAGの活用事例についてよくある質問まとめ

まとめ

本記事ではRAGの導入事例を取り上げましたが、さまざまな業界で活用されていることが分かります。

これまでは生成AIの回答に信頼性が欠けていたため、実用化できないケースもありました。しかし、社内データという信頼性の高いデータセットを活用できるため、RAGは今後も生成AIと同時に導入されていくことが予想されます。

また、GraphRAGやHTML RAGなど、新しい手法も続々と登場しており、さらなる精度向上も見込まれており、これからますます導入事例も増えるでしょう。

社内データ検索の効率化や学習プロセスの簡素化など、RAGは企業に新たな価値をもたらす技術として注目されています。今回取り上げた事例を参考に、RAGを導入してみてはいかがでしょうか。