Google Research、Gemini Enterprise Agent Platform の Agentic RAG を解説

Google Research は 2026年6月5日、Gemini Enterprise Agent Platform 上で提供される Agentic RAG の考え方と、Cross-Corpus Retrieval powered by Agentic RAG の公開プレビューを解説しました。企業内の複数データソースをまたぐ質問に対し、検索、追加探索、十分な文脈の判定を組み合わせる仕組みです。

要点

• Gemini Enterprise Agent Platform の Agentic RAG は、複数コーパスをまたぐ複雑な質問に対応する
• planner、query rewriter、search fanout、sufficient context agent などの役割を分けて検索する
• 初回検索で文脈が足りない場合、追加検索を促して回答の根拠不足を減らす
• Google Research は評価で、標準的な RAG より factuality task の精度が最大34%改善したと説明している
• 企業利用では、検索対象、根拠表示、アクセス権限、監査ログをセットで確認したい

今回のブログ記事で語られていること

今回の記事は、RAG を単なる「質問に近い文書を探して LLM に渡す仕組み」から、複数の検索手順を持つエージェント型の情報探索へ拡張する内容です。Google Research は、現代の業務質問では情報が一つのドキュメントに閉じていないことを問題として挙げています。たとえば、あるプロジェクトのサーバー仕様を聞かれた場合、最初の文書にはプロジェクト名やサーバーIDしかなく、仕様そのものは別のデータベースにあるかもしれません。標準的な RAG では、最初の検索結果だけで回答を作ろうとして不完全な回答になる可能性があります。

Agentic RAG では、オーケストレーターが質問の複雑さを見て、プランナー、クエリリライター、検索ファンアウト、RAG エージェントなどに処理を分けます。重要なのは sufficient context agent です。これは、取得したスニペットや途中の回答案を見て、元の質問に答えるための情報が本当に足りているかを判定します。足りない場合は、どの情報が欠けているかを明示し、追加検索を促します。医療の例では、退院時の薬、食事制限、アレルギー反応の有無を問う質問に対し、薬と食事だけが見つかっても回答を完了せず、アレルギーに関する記録を探し直す流れが示されています。

Google Research は、この設計により、複数ソースをまたぐ質問でも情報不足を検知し、根拠のある回答に近づけると説明しています。FramesQA などの評価では、複数ステップの探索が必要な質問に対し、単一コーパスだけでなく複数コーパスの条件でも高い精度を保ったとしています。企業向けには、Gemini Enterprise Agent Platform の Cross-Corpus Retrieval powered by Agentic RAG として公開プレビューで利用できることも示されています。

今回のブログ記事が関係する人

• google-gemini をすでに利用しており、今回の内容が運用、開発、分析、データ連携にどう影響するかを確認したいチーム
• AI・データ基盤の選定や導入計画を進めており、公式ブログの背景や実務上の読み方を整理したい担当者
• セキュリティ、ガバナンス、監査、コスト、サポート体制など、発表内容を本番運用の判断材料に落とし込みたい管理者

実務で確認したいポイント

企業で導入する場合は、検索対象のデータソースを広げるほど、権限と監査が重要になります。Agentic RAG が追加検索を行う場合でも、ユーザーが参照できないデータを根拠にしてはいけません。どのコーパスにアクセスできるか、回答に引用元をどう出すか、追加検索のログをどう残すかを確認する必要があります。

結局、今回のブログ記事をどう読むべきか

Gemini Enterprise Agent Platform の Agentic RAG は、企業内検索やナレッジ活用を「一回の検索」から「根拠不足を検知しながら探索するワークフロー」へ寄せる更新です。RAG の精度だけでなく、権限、根拠、監査、運用責任まで含めて評価したい発表です。