はじめに
こんにちは。トライベック株式会社の岡山です。
最近、AIエージェントの文脈で 「Agentic Search」 や 「Agentic RAG」 という言葉をよく耳にするようになりました。どちらもWeb検索を活用する自律型アプローチとして注目されていますが、「Web検索を行うなら、両者は同じものではないか？」 と疑問に感じ、自分なりに違いを整理してみました。
そもそも「RAG」とは何だったか
「Agentic Search」と「Agentic RAG」の比較をする前に改めて整理すると、RAG（Retrieval-Augmented Generation）は、「AIが知らない外部知識を、検索によって補いながら回答を生成する仕組み」 です。
LLM（大規模言語モデル）自体が学習していない最新情報や、社内独自のドキュメントなどを回答に含めるために、一般的には以下のステップを踏みます。
- 前処理: ドキュメントを細かく切り分け、数値化（Embedding）してベクトルDBに保存する。
- 検索（Retrieval）: ユーザーの質問に関連しそうな断片（チャンク）をDBから探してくる。
- 生成（Generation）: 拾ってきた情報を「参考資料」としてAIに渡し、回答を作らせる。
いわば、「巨大な図書館に専用の索引（インデックス）を自作し、そこから本を引いてくる」 ような作業です。
Agentic Searchとは
Agentic Searchは、「Web上の膨大な情報から、自律的に深くリサーチを行って最適な回答を生成する」 ことに特化した検索アプローチです。
従来の受動的なキーワード検索とは異なり、AIエージェントがユーザーの複雑な質問を理解し、自ら検索計画を立てて複数回の検索と検証を実行します。
主な特徴
-
✅ 多段検索（Multi-step Search）
1回の検索で答えが出ない場合、得られた情報をもとに新たな検索クエリを生成し、深掘りします。 -
✅ 自己評価と軌道修正
取得した情報が不十分だったり、信頼性が低かったりする場合、別のアプローチで再検索を行います。 -
✅ 目的
複雑な課題に対して、Web上の広大な情報源から、最も網羅的で根拠の明確な「1つの回答」を合成すること。
Agentic RAGとは
Agentic RAGは、「企業内の独自データや専門知識を活用するRAGに、自律的な判断能力（エージェント機能）を持たせたもの」 です。
主な特徴
-
✅ 動的なルーティングとツール選択
質問の内容に応じて、「社内のPDFを検索すべきか」あるいは「Web検索で最新の外部情報を補うべきか」をAI自らが判断します。 -
✅ 社内データ（クローズドデータ）中心
あくまで「自分が持っている固有のコンテキスト」をベースに回答を作るのが主目的です。 -
✅ 目的
内部情報を正確に引き出しつつ、必要に応じてWebなどの外部ツールをシームレスに組み合わせてタスクを完結させること。
2つの違い（比較表）
| 特徴 | Agentic Search | Agentic RAG |
|---|---|---|
| 主な目的 | 公開情報の網羅的なリサーチと統合 | 独自情報を軸とした高度な回答・実行 |
| 主なデータソース | 外部（オープンなWeb全体） | 内部（クローズドな社内ドキュメント等） |
| Web検索の役割 | 情報の主軸（検索が目的そのもの） | 補完ツール（内部情報の不足を補う） |
| エージェントの役割 | クエリの自己改善、再検索のループ実行 | 適切なツール選択（ルーティング）と推論 |
実際の開発で想定されるユースケース
Agentic Searchのユースケース
「2026年施行予定の労働関係法令の改正について、最新の厚労省の発表や専門家の見解をWebから広く集めて要約して」
👉 未知の最新情報をWeb全体から網羅的にリサーチする優秀な 「Webリサーチャー」 として機能します。
Agentic RAGのユースケース
「当社の現在の就業規則（社内DBに格納）と、最新の労働基準法（Web検索で取得）を照らし合わせ、改定すべき点をリストアップして」
👉 社内の規定を熟知しつつ、足りない最新情報だけをWebで補ってくれます。
まとめ
一見似ている2つのアプローチですが、「オープンな環境でのリサーチ」 を主目的とするか、「クローズドな独自データの活用」 を主目的とするかという、システム構造の明確な違いがありました。
今回の内容はあくまで自分なりの理解を整理した備忘録です。
もし「認識が違っているよ」といったご指摘やアドバイスがあれば、ぜひコメントなどで教えていただけると幸いです。