RAGをやさしく理解する：NotebookLMで出典つき回答を作る手順

社内マニュアルについてAIに聞いたのに、一般論しか返らない。そんな問題を減らす方法の一つがRAGです。読み方は『ラグ』で、難しい数式を覚える必要はありません。図書館で質問された司書が、記憶だけで答えず、まず関係する本を探してから説明するのと同じ考え方です。NotebookLMは追加した資料をもとに回答し、本文のどこを使ったか引用を確認できるため、RAGの入口を体験しやすいサービスです。

RAGは「探す」と「答える」の2段階

普通の対話AIは、学習した広い知識や会話の文脈から答えます。RAGでは、最初にPDF、Webページ、社内文書などから質問に近い部分を検索し、その部分をAIへ渡して回答を作ります。資料にないことまで必ず防げるわけではありませんが、根拠を限定し、確認場所を示しやすくなります。『検索結果が正しいか』『資料自体が新しいか』は人が確かめます。

資料選びで答えの質が決まる

公式ヘルプによると、NotebookLMはPDF、Webサイト、YouTube、音声、Google DocsやSlidesなどを資料として追加できます。ただし、間違った資料を入れれば、根拠つきで間違うこともあります。発行元、公開日、対象製品の版、利用地域をそろえます。同じ説明のコピーを何本も入れるより、規約、料金、使い方、更新履歴のように役割の違う一次資料を選ぶほうが質問に答えやすくなります。

質問を「比較できる形」にする

『まとめて』だけでは、どこを重視すべきか不明です。『対象は日本の個人利用者。無料枠、保存期間、共有方法を表にし、各行に引用を付けて。資料間で説明が違う場合は両方を書く』のように、対象・項目・形式・矛盾時の扱いを指定します。答えを読んだ後は『この結論を反証する記述はある？』『確認できない点だけ列挙して』と聞くと、見落としを探しやすくなります。

社内で使う前の注意

会社資料を追加する前に、利用できるアカウント、管理者設定、データの扱い、共有範囲を確認します。個人情報や秘密情報を入れる必要があるなら、会社が承認した環境だけを使います。ノートブックを共有するときは、回答だけでなく元資料への閲覧権限も確認します。退職者や異動者のアクセスを外す手順まで決めておくと安全です。

まとめ

RAGはAIを万能にする技術ではなく、答えの前に根拠を探させる仕組みです。少数の新しい一次資料を選び、資料だけで答えるよう指示し、引用元を人が確認する。この流れをNotebookLMで試すと、社内FAQ、学習ノート、製品比較へ応用できます。まずは公開資料だけのノートを1つ作り、10問中何問を根拠つきで答えられるか記録しましょう。