株式会社KaisinAI
KAISINAI TECH BLOG EXTRA ISSUE — 別冊 生成AI×RPA×スクラッチ開発の実装知見を、現場から。
生成AI活用 2026.05.14 KaisinAI

RAGのチャンク分割設計 — 検索精度を左右する文書の切り方の実務

RAGの精度問題の相談を受けて中身を見ると、原因がプロンプトでもモデルでもなく「文書の切り方」だったというケースが非常に多くあります。チャンク分割は検索より手前の工程であるため、ここで壊れた情報はその後どんなに優れた検索・生成を重ねても復元できません。本記事では、チャンク分割の基本手法と、文書タイプ別の実務的な切り方を解説します。

なぜチャンクが精度を左右するのか

ベクトル検索は、チャンク単位で埋め込みベクトルを作り、質問との意味的な近さで探します。チャンクが大きすぎると複数の話題が一つのベクトルに混ざって「ぼやけた」表現になり、どの質問にもそこそこ近いが決め手に欠ける状態になります。逆に小さすぎると、文脈が切れて「前項の規定にかかわらず」のような参照だけが取り出され、LLMに渡っても意味をなしません。つまりチャンク設計とは「一つの意味のまとまりを、一つの検索単位に対応させる」作業です。たとえば「慶弔休暇の日数」を聞かれたとき、休暇規程全体が1チャンクでは他の休暇の記述に埋もれて検索順位が下がり、逆に日数の表だけが切り出されていると「誰に適用されるか」が欠けた回答になります。

基本手法は3つ

  • 固定長分割+オーバーラップ:一定文字数で機械的に切り、隣接チャンクと一部を重複させる方式。実装が簡単で最初のベースラインに向きますが、文や節の途中で切れる宿命があります。
  • 構造ベース分割:見出し・条項・段落など文書の構造単位で切る方式。意味のまとまりが保たれやすく、社内文書ではまずこれを検討します。前提として文書側に構造(見出しスタイルや条番号)があることが必要です。
  • セマンティック分割:文の埋め込みの類似度が大きく変わる箇所を境目とする方式。構造のない長文に有効ですが、処理コストと結果の説明しにくさがあるため、構造ベースで足りない場合の選択肢と位置づけています。

サイズに万能の正解はありませんが、「小さめに切って検索を鋭くし、足りない文脈は後述の親子チャンクで補う」方向が経験上安定します。

文書タイプ別の切り方の勘所

規程・マニュアル:条項単位で切り、階層を持たせる

就業規則のような文書は「第◯条」単位が自然な検索単位です。ただし条文だけでは「第3章 服務規律」といった文脈が失われるため、章・節の見出しをチャンク本文の先頭に連結してから埋め込みを作ります。これだけで「服務規律に関する質問」への的中率が目に見えて変わります。

表:崩さない、行に見出しを付けて展開する

表をプレーンテキスト化すると行と列の対応が壊れ、RAG精度低下の代表的な原因になります。小さい表はMarkdown形式などで構造ごと一つのチャンクに収め、行数の多い一覧表は「1行=1チャンク」にしてヘッダー情報を各行に付与する形が実務的です。「地域別の送料一覧」のような表は後者にすると個別質問に強くなります。

なお表の手前にはPDFからの抽出という前処理の壁があります。レイアウトの崩れたテキストをどれだけ丁寧に切っても意味を成さないため、抽出結果を目視確認する工程をチャンク設計とセットで見積もるべきです。

FAQ・議事録:QA単位、議題単位

FAQは1問1答を1チャンクにするのが原則で、質問文がそのまま検索クエリと相性の良い表現になるため高精度が出やすい文書です。議事録は発言の時系列ではなく議題単位で切り、日付・参加者・決定事項をメタデータ化しておくと「いつ決まったか」系の質問に対応できます。同じ議題が複数回の会議にまたがる場合は、最新の決定が優先されるよう改定日メタデータで並べ替えられる設計にしておくと、古い決定を答えてしまう事故を防げます。

実務テクニック

  • 親子チャンク:検索は小さな子チャンクで行い、LLMにはその親(節全体など)を渡す方式。検索の鋭さと生成時の文脈量を両立できます。
  • メタデータの併用:文書名・部署・改定日・見出しパスをチャンクに付与し、フィルタや引用表示に使います。権限管理にもこのメタデータ基盤が効いてきます。
  • 評価セットで検証してから決める:チャンク設計の変更は検索再現率に直結するので、必ず評価セットで前後比較します。切り方の議論を感覚で戦わせるより、30問の再現率で比較するほうが早く決着します。
  • 文書の書き手側にもルールを返す:「見出しスタイルを使う」「1ページ目に結論を書く」といった文書作成ガイドを整備すると、以後に追加される文書のチャンク品質が自動的に上がります。RAG運用は文書管理の改善活動と一体です。

まとめ

チャンク分割は「文書の意味の単位」を機械に教える翻訳作業であり、RAGの土台工事です。構造ベースを基本に、表とFAQは専用の切り方を用意し、変更の影響は評価セットで数値確認する――この型を押さえるだけで精度の頭打ちラインが大きく変わります。文書特性に合わせたRAG設計はセキュア生成AI基盤RAGサービスでご相談いただけます。

CONTACT — FREE CONSULTATION

まずは30分、
聞かせてください。

要件が固まっていなくて構いません。現場の業務をそのまま話していただければ、自動化できる余地と、やらない方がいいことを、その場で率直にお伝えします。