韓国の研究陣が企業向け人工知能（AI）エージェントの回答精度を高める次世代データベース技術を開発した。文書の意味情報とエンティティ間の関係、表形式データを一つのシステムで同時に処理し、生成型AIの幻覚（ハルシネーション）問題を抑える方式である。
キム・ミンスKAIST電算学部教授の研究陣は、教員創業企業グラファイと協力し、統合データベース管理システム「アカシックDB（AkasicDB）」と、これを基盤とした検索拡張生成（RAG）手法「オムニRAG（Omni RAG）」を開発したと19日に明らかにした。研究成果は2日に開かれたデータベース分野の国際学会「ACM SIGMOD 2026」でデモ論文として発表された。
RAGはAIが外部の文書やデータを検索し、これを根拠に回答を生成する技術である。企業向けAIエージェントへの活用が増えているが、実際の企業データは文書、表、関係情報など複数の形態で分散しており、AIがこれを総合的に理解するには限界があった。この過程で根拠が不足した回答を生成する幻覚問題が発生し得る。
従来のRAGは質問と文書をベクトルに変換し、意味的に類似した文書を探す方式が一般的である。しかし特定の期間や種類を絞り込んだり、人・企業・製品などエンティティ間の関係を併せて把握しなければならない複合クエリには制約があった。
アカシックDBはベクトルDB、グラフDB、関係型DBの機能を一つのデータベース管理システムで統合実行できるよう設計した。ユーザーはベクトル検索、グラフ探索、関係型フィルタリングが結合したクエリを一つの構造化問い合わせ言語／グラフ問い合わせ言語（SQL/GQL）クエリ文で表現でき、アカシックDBはこれを単一実行計画で処理する。
これを基盤とするオムニRAGは、文書の意味情報、ナレッジグラフの関係情報、表形式データの構造的条件を同時に活用する。研究チームは、この方式がAIにより具体的な根拠に基づいて回答させ、幻覚の可能性を下げられると説明した。
実験の結果、従来システムで最大21.3秒かかった複合検索クエリを1秒以内に処理し、最大20倍以上の性能向上を示した。オムニRAGは従来のRAGに比べて回答精度を最大78%高めたことが分かった。
キム・ミンス教授は「AIエージェントが企業データを正確に活用するには、ベクトル、グラフ、関係型データを一つのシステムで同時に処理できるインフラが必要だ」と述べ、「アカシックDBは国防、製造、金融、法律、科学技術など信頼性が重要な分野で活用できるだろう」と語った。
参考資料
ACM SIGMOD 2026, DOI: https://doi.org/10.1145/3788853.3801609