ナレッジベース(AI)
AI アプリにおけるナレッジベース(knowledge base)とは、ヘルプ記事、規程、製品ドキュメントなど、アシスタントやエージェントが質問に答えるために検索する文書とデータの集まりです。モデルそのものとは別に管理されます。
別名: knowledge base, KB
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
モデルに組み込まれた知識は学習時点で固定されており、あなたの非公開の資料は含まれていません。ナレッジベースは、システムが調べられるようにその資料を置いておく場所です。実際には、元のファイルと、そこから作った加工済みで検索可能なインデックスを指します。
中身
ナレッジベースのパイプラインは通常、wiki、Google Drive、ヘルプデスクなどの情報源からの取り込み、文書解析、チャンキング、埋め込み、そしてベクトルデータベースや検索インデックスへの保存を含みます。クエリ時には、検索拡張生成のために関連するチャンクを取り出します。Amazon Bedrock Knowledge Bases などのマネージドサービスは、これらの手順をまとめて提供しています。
例
社内の人事アシスタントのナレッジベースには、従業員ハンドブック、福利厚生の PDF、休日カレンダーが入っています。誰かが育児 休業について尋ねると、ハンドブックの関連する節を取り出し、それに基づいて引用付きで答えます。
役に立つ状態を保つ
難しいのは検索ではなく、中身です。古い文書や重複した文書は、自信ありげな間違った回答を生みます。変更や削除がインデックスに反映されるような同期の仕組みと、人が見てよいものだけを取り出せるようにするアクセスルールが必要です。後者は多くの場合メタデータフィルタリングで実現します。
関連する用語
ナレッジグラフは、ナレッジベースをテキストのチャンクではなく、つながったエンティティとして構造化する方法の 1 つです。エージェントメモリは似ていますが、事前に整備するのではなく、使用中にエージェントが書き込むものです。
関連用語
- 検索拡張生成(RAG)
- 検索拡張生成(retrieval-augmented generation、RAG)とは、システムがまず文書の集まりから質問に関連する文章を検索し、その文章を言語モデルに渡して、それに基づいて回答させるパターンです。
- ベクトルデータベース
- ベクトルデータベース(vector database)とは、埋め込みを元のレコードとともに保存し、クエリのベクトルに最も近い保存済みのベクトルを見つけるデータベースです。数百万の項目にわたって検索を高速に保つため、通常は近似インデックスを使います。
- ナレッジグラフ
- ナレッジグラフ(knowledge graph)とは、人、製品、場所、概念などのエンティティを名前の付いた関係で結んで情報を保存するものです。ソフトウェアは、ばらばらのテキストを検索する代わりに、事実の間のつながりをたどれます。
- エージェントメモリ
- エージェントメモリ(agent memory)とは、ユーザーに関する事実や過去の作業など、1 つのコンテキストウィンドウを超えて AI エージェントが情報を保持するための技術の総称です。情報をモデルの外に保存し、必要なときに読み込み直します。
- 文書解析
- 文書解析(document parsing)とは、PDF、スキャン画像、スライド、スプレッドシートなどのファイルを、ソフトウェアで使える構造化されたテキストに変換することです。単なる文字の羅列ではなく、見出し、読む順序、表、画像を保ちます。
- チャンキング
- チャンキング(chunking)とは、長い文書を埋め込みとインデックス化の前に小さな文章のまとまりに分割する手順です。検索システムは、文書のうちクエリに答える部分だけを見つけて返せるようになります。