RAG (マーケ文脈)

RAGのマーケ活用が本格的に費用対効果を発揮するには、一定規模の「検索対象ドキュメント資産」と「活用頻度」が必要です。インデックス構築・埋め込みモデルの運用・LLM API費用・評価ループの維持を合算すると、最低でも月額数十万円規模のコストが発生するケースが多く、小規模な企業では投資回収が難しくなります。

特にマーケ文脈では、商品データベース・キャンペーン資料・ブランドガイドラインなどを定期的に更新・同期する「コンテンツ運用オペレーション」が必要であり、専任担当者またはIT部門との連携体制がなければ精度が継続的に劣化します。年間売上20億円以上・従業員200名以上の企業であれば、こうした体制が整備しやすく、投資対効果を見込めます。

規模が満たない場合は、ChatGPT等のSaaS型LLMに独自ファイルをアップロードする簡易RAG（例：ChatGPT with Files、Notion AI等）で代替するほうが現実的です。完全なカスタムRAGパイプラインは、明確なユースケースと継続投資の意志がある企業に限定することを推奨します。

RAGの概念は、2020年5月にMeta AI Research（当時Facebook AI Research）のPatrick Lewisらが論文「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」（NeurIPS 2020）で発表したことに始まります。当時の言語モデルが持つ知識の静的性・幻覚問題を解決するため、「動的に外部ドキュメントを検索してからテキストを生成する」アーキテクチャが提案されました。その後、2022年末のChatGPT登場を機にLLMが実務利用に広がると、企業固有のデータをLLMに組み合わせる手段としてRAGが急速に注目を集め、2023年には「企業のAI活用標準パターン」として業界全体に認知されるようになりました。

日本市場では、2023年前半から大手IT企業（富士通・NTTデータ・NEC等）が社内RAG構築支援サービスを相次いで発表し、同年後半には金融・製造・EC各業界での実証事例が公開され始めました。マーケティング文脈への応用は、コンテンツ生成コストの削減やブランドトーン維持の課題感が強いEC・メーカー・広告代理店から先行して進んでいます。日本特有の事情としては、個人情報保護法・社内情報管理規定への対応から自社クラウド環境（Azure、AWS、Google Cloud）への閉域構築が主流となっており、外部SaaS型RAGよりもマネージドサービス＋自社設計の組み合わせが好まれる傾向があります。