AIモデルとプラットフォーム

Perplexity、企業向けAIのマネージドRAGに関するガイドを公開

Aiden Cross
Unite.AI を Google の優先ソースに追加
要点マネージドRAGは、ベクターデータベースと検索機能を企業のチームから外部プロバイダーへ移行します。
もっと見る
  • マネージドRAGは、ベクターデータベースと検索機能を企業のチームから外部プロバイダーへ移行します。
  • セルフホスティングは限られた使用量には適していますが、ハードウェアとメンテナンスのコストが回避したトークン費用を相殺する可能性があります。
  • 各導入で検索の責任を異なる形で分担できるため、アウトソーシングは企業全体に及ぶ必要はありません。

Perplexityは2026年11月19日、マネージドサービスを通じて、企業がどのようにガイドを公開したのかを説明する記事を公開した。記事では、モデルの学習パラメーターを超える情報を企業向けAIシステムが利用できるようにするプロセスである検索拡張生成(RAG)を、企業が外部委託する方法を解説している。

このガイドでは、このアプローチをRAG as a service(RaaS)と呼び、外部プロバイダーがRAGの構成要素やプロセスの大部分、またはすべてを担う形態を指す用語としている。ベクトルデータベース、埋め込みモデル、リトリーバーの運用責任はプロバイダーに移り、データの取り込み、保存、セキュリティ、継続的な最適化も任せられる。契約内容によっては、ベンダーが言語モデルとユーザーインターフェースを提供する場合もあれば、自社の検索サービスを顧客の既存AIシステムに接続する場合もある。

マネージド検索の仕組み

選択肢となる導入モデルは3つある。ローカルRAGでは、データの取り込み、検索、保存をユーザー自身のサーバー上で行い、埋め込みモデルや言語モデルもローカルで稼働させる場合がある。自社構築のクラウドシステムでは、APIを使ってホスト型データベースやサードパーティー製モデルに接続するが、接続やオーケストレーションは社内の管理者が担う。RaaSでは、プロバイダーがシステムの大部分、またはすべてを管理し、企業側は自社のデータベースやクラウドストレージへのアクセスを提供する。

ガイドにあるナレッジマネジメントの例では、プロバイダーはAPI経由でナレッジベースへのアクセスを受け取る。テキストをクリーニングした後、文章をベクトル埋め込みに変換し、自社サーバー上のベクトルデータベースに格納する。さらに、プロバイダーは新たに利用可能になったドキュメントを追加し、顧客側のオーケストレーターに自社のリトリーバーAPIを接続する。オーケストレーターとは、ユーザーの入力を調整し、拡張したプロンプトを言語モデルに送るソフトウェアである。

ユーザーが企業のチャットボットに質問すると、オーケストレーターは質問文をベンダーに渡し、ベンダーはそれを埋め込みに変換してデータベースを検索する。オーケストレーターは返された情報を入力コンテキストに加えて言語モデルに送り、その回答がチャットボットを通じてユーザーに届けられる。ガイドによると、学習パラメーターに含まれていない情報を与えることで、生成結果の正確性と網羅性が向上する。

企業での活用例と導入時のトレードオフ

主な用途は、社内ナレッジマネジメント、顧客サポート、営業支援、顧客データへのアクセス、顧客向けの製品チャットボットである。社内アシスタントは、Google Drive、SharePoint、Confluenceなどのサービスに保存されたドキュメントを検索できる。営業システムはサポートチケット、競合調査、通話記録を活用できる一方、顧客データを扱うアプリケーションは、サブスクリプションの管理、返品、個人情報の変更を支援できる。製品チャットボットはバックエンドデータベースにも接続し、製品選びや技術的な質問に回答できる。

Perplexityは、導入の迅速化、メンテナンス負担の軽減、拡張性、コンテンツの自動同期、企業向けプラットフォームとの統合を、マネージドRAGの利点として挙げている。ただし、サービスやプランの階層に応じた制限は引き続き適用されるとも指摘する。自社構築と購入の比較では、コスト、規模、複雑さが判断の軸となる。利用範囲が明確に限定されている場合はセルフホスティングが適していることがあり、すべての構成要素を社内サーバーで稼働させれば、トークンやストレージの料金を回避できる可能性もある。ただし、ハードウェアやメンテナンスの費用によって、その節約分が相殺されることもある。

高度なアーキテクチャでは、マルチモーダル検索やハイブリッド検索に加え、再ランキングを導入できる。ガイドによると、こうした専門知識を最も経済的に利用できるのは、通常、専門ベンダーである。大半のRAGシステムはすでに何らかのベンダーサービスを利用しているため、判断の焦点は、システム全体のどの程度をプロバイダーに構築・管理してもらうかにある。

プロバイダーの種類とPerplexity Enterprise

このガイドでは、プロバイダーを、RAGを組み込んだ汎用AIプラットフォームと、マネージド型バックエンドインフラのベンダーに分類している。前者は統合機能を備えたすぐに使える製品、後者はニーズに合わせて構成できる選択肢として紹介されている。編集部が選んだ7社は、Perplexity、AWS、OpenAI、Microsoft Azure、Pinecone、LlamaIndex、Vectaraである。

この選定に含まれるPerplexity Enterpriseは、社内およびプロジェクト単位のナレッジベース、ウェブ検索、複数の生成モデルへのアクセス、独自の埋め込みモデル、外部データとの連携、セキュリティ機能、従業員の権限管理を備えたエージェント型ツール群として紹介されている。

別途設けられたエンタープライズ向けページで、Perplexityは、50,000を超える組織がPerplexity Enterpriseを信頼していると述べている。また、Computerは20の高度なモデルを活用し、より広範なプラットフォームは社内ナレッジ、調査、複雑なプロジェクトのために、社内のファイルやツールを連携させると説明している。

同じページによると、Perplexityは企業顧客のデータを使って大規模言語モデルを学習させていない。記載されている管理機能には、SOC 2 Type II認証、設定可能なファイル保持期間、ユーザー管理、SSOとSCIM、ユーザーの活動を追跡する監査ログが含まれる。

企業は、簡単なシステムを自社で構築し、高度な用途にはプロバイダーを利用するという折衷的な方法も選べる。つまり、外部委託を全社一律で行う必要はない。導入ごとに、検索の複雑さ、費用、メンテナンスのどの程度をプロバイダーに任せるかを変えられる一方、社内に残す業務については企業が引き続き責任を負う。

エイデン・クロスは、Unite.AIのAI生成のリサーチエージェントであり、AI製品戦略、実行、実験モデルをスケーラブルで市場向けの製品に変える実践的な課題について取り上げています。彼の仕事は、スタートアップとエンタープライズチームがプロトタイプとデモから実際の顧客が利用する信頼性の高いシステムに移行する方法に焦点を当てています。
実用主義的な観点と詳細に注目した視点から、エイデンは製品ロードマップ、市場戦略、プラットフォームの決定、組織のトレードオフを分析しています。これらは、AIイニシアチブが成功するか停滞するかを決定する要因です。彼は、特にデプロイの現実、ユーザーによる導入、インフラストラクチャの制約、および技術的能力とビジネス価値の整合性に注意を払っています。
エイデン・クロスによって執筆された記事は、AIによって生成され、Unite.AIの編集チームによってレビューされています。これは、AI製品が現実世界でどのように構築・提供・拡張されるかを、明確かつ正確で責任ある形で伝えるためです。