Web検索は「外の世界」を探しに行く仕組み、RAGは「内側の情報源」を探しに行く仕組みです。

この記事でわかること

• Web検索とRAGの「探しに行く先」の違い
• それぞれが得意な場面と苦手な場面
• 実務では両方が補完関係にある理由

RAGの仕組みが分かってくると、次につまずくのはWeb検索との違いです。

RAGも、何かを探してから答えます。Web検索も、何かを探してから答えます。では何が違うのか。一見すると似ています。

ですが実際には、この2つは探しに行く先が違います。

Web検索が探しに行くのは「外の世界」、RAGが探しに行くのは「内側に持っている情報源」です。この区別がつくと、あとの話が整理できます。

Web検索はインターネット上にある情報を取りに行きます。一方のRAGは、あらかじめ接続して登録した資料群や知識ベースの中から情報を取りに行きます。

どちらも「探してから答える」点は同じです。違うのは、どこを探すのか、そして何のために探すのかです。

Web検索が得意なのは「外の最新情報」

Web検索の強さは、はっきりしています。

最近のニュース、法改正や制度変更、新製品の発表、世の中の相場感、公開されている競合情報、現在のトレンド。こういうものは、Web検索と相性がいいです。

生成AIのモデル単体は、学習時点より後の最新情報を知っているとは限らないからです。そこにWeb検索が加わると、外の新しい情報源にたどり着けます。Web検索が担うのは、モデルの中に最初から入っていない最新の外部情報を補う役割です。

さらに、第4回で見たように、生成AIは情報が足りないとき、もっともらしく埋めにいく傾向がありました。Web検索は、この「情報が足りない」状態を減らすことで、ハルシネーションのリスクも下げてくれます。

たとえば「この会社の最新の売上は？」と聞いたとき、モデル単体は学習時点のデータで「もっともらしい数字」を返してしまうことがあります。ここでWeb検索が入れば、最新の公開情報を取りに行ってから答えるので、「知らないのに自然に埋める」状態を避けられます。

Web検索の役割は「新しい情報が取れる」ことだけではありません。AIが知らないことを知らないまま答えてしまうリスクも減らします。

RAGが得意なのは「自分たちの情報」

一方でRAGが得意にするのは、外の世界ではなく、自分たちが持っている情報です。

社内規程、運用マニュアル、営業資料、FAQ、過去提案書、ナレッジベース、部門ごとのルール、顧客向けの説明資料。こういうものです。

これらはWeb上にないことも多いです。あったとしても、公開されているとは限りません。あるいは、公開情報よりも社内版のほうが実務では重要なこともあります。

つまりRAGは、外には探しに行けない、でも仕事では必要な情報を扱うための仕組みです。

Web検索は「広い」、RAGは「深い」

Web検索とRAGは、どちらも検索のように見えます。ですが、期待する答えの性質が違います。

Web検索に期待するのは、世の中ではどうなっているか、最新の公開情報は何か、今の時点での状況。RAGに期待するのは、自社ではどうなっているか、既存資料ではどう説明しているか、社内ルールではどう定めているか。つまりWeb検索は「外の現実」、RAGは「自分たちの前提」を取りに行きます。

Web検索は外の世界を広く見に行けます。そのかわり情報源が多く、ノイズも混じります。一方でRAGは、参照する対象が絞られています。社内資料や登録済みの知識ベースなど、ある意味で閉じた情報空間です。だから強みになるのは、広さではなく、特定の領域に対する深さと近さです。

Web検索の強みは新しさです。ニュースや制度変更、市場情報には向いています。ですが、社内の文脈は扱えません。自社ではこの制度をどう運用しているか、過去の提案ではどんな表現を使ったか。こういうものは外には出ていません。

逆にRAGは社内の文脈を扱えますが、外の変化を自動で全部知っているわけではありません。最新ニュースも法改正も、外部情報を別に取りに行かない限り反映できません。だからこそ、Web検索とRAGは代替関係ではなく、補完関係です。

実務では「外を見る問い」か「中を見る問い」かで分ける

Web検索とRAGの使い分けは、細かい技術の話というより、問いの種類をどう見分けるかの話です。

この分け方を持つだけで、迷いにくくなります。

ただし実務は、それほどきれいに分かれないこともあります。外部制度の最新情報を見つつ社内の運用ルールにも沿いたい、競合の公開情報を見つつ自社の提案資料も踏まえたい、という場面が出てきます。このときは、外の情報はWeb検索、中の情報はRAGと、両方を使いたくなります。

実務のAIには、「外を見に行く目」と「内を見に行く目」の両方が必要です。将来的にAgentやMCPの話につながるのも、この点です。

Web検索とRAGの違いを押さえることは、用語の整理にとどまりません。AIにどの世界を見せるべきかを考える入口でもあります。

Web検索は「公開情報の広さ」、RAGは「社内情報の近さ」

Web検索とRAGの違いを比較する

よくある疑問

Web検索とRAGはどちらかだけあれば十分ですか？

どちらかだけでは足りない場面が多いです。外部制度の最新情報と社内運用ルールの両方が必要になることは現実に多く、組み合わせて使うのが理想です。

Web検索があればハルシネーションはなくなりますか？

Web検索は「情報不足」を減らすので、ハルシネーションのリスクは下がります。ですが、ゼロにはなりません。検索結果そのものの信頼性や、AIの要約の仕方による誤りは残ります。

実務での使い分けのコツはありますか？

「その問いは外の情報が必要か、中の情報が必要か」を先に見極めることです。それだけで、どちらの仕組みを使うかがはっきりします。

まとめ

この記事のポイントを3つにまとめます。

• Web検索は「外の最新情報」、RAGは「内側の固有情報」を探しに行く仕組み
• どちらか一方ですべて解決するのは難しく、補完関係で使うのが理想
• どちらもハルシネーションの根っこにある「情報不足」を減らすためのアプローチ。探す先が違うだけで目的は同じ

次回の記事は「メモリとは何か。RAGとどう違うのか」です。

今回の記事では、外の情報を探すWeb検索と、中の情報を探すRAGが、代替ではなく補完の関係にあることを説明しました。次回はより実践的な内容である、会話の流れの中で覚えておいてほしい方針や立場、トーン、前提をどう扱うのかについて掘り下げます。「検索して参照するもの」と「継続的に覚えておいてほしいもの」は何が違うのか。それがメモリの話です。