「RAGはグラフに置き換わった」という主張の検証──Microsoft・Stanford・Anthropicの3社が選んだ異なるアプローチ
Microsoft・Stanford・AnthropicがRAGをグラフに一斉移行したというSNSの主張は誤りであり、実際には社ごとに検索・グラフ・grepを使い分けている。
リリース: 2026-08-01 · 読了 4 分記事の要約
1. 核心（What）
- Xで拡散した「3社がRAGをグラフに置き換えた」という主張を、一次情報を用いて検証した記事が公開された。
- AnthropicのClaude CodeではローカルのベクトルDBやグラフではなく、grepやglobを用いるagentic searchが採用されている。
- MicrosoftのGraphRAGはRAGの拡張（階層的アプローチ）であり、全体要約などのグローバルな質問を処理するために作られている。
- Stanford等の研究（STaRKやRAGNETなど）は、半構造化ナレッジベース検索の難しさや、弱教師学習による拡張RAGに取り組んでいる段階である。
2. 影響（Why）
- バズワードに依存しない道具選び: 「グラフがRAGを置き換えた」という単純化に惑わされず、質問が「どこか1箇所の検索」か「全体の要約」かによって検索アーキテクチャを正しく選択する必要がある。
- 国内SIer・開発チームへの示唆: 国内のエンタープライズ向けAI導入案件を担うSIer（社員数数百人規模）は、グラフインデックス構築の前払いコストとクエリ頻度のトレードオフを顧客に提示できる設計力が求められる。
3. 根拠・詳細（How）
- AnthropicのAgentic Search仕様: 事前インデックスや埋め込みを一切持たず、globやgrepによる通常のコード検索をモデルが必要な回数だけループ実行する仕組みを採用している。
- MicrosoftのGraphRAGコミュニティ階層化: 文書を分割してLLMでエンティティと関係を抽出し、Leiden法でコミュニティに階層的クラスタリングを行った上で、各コミュニティの要約を事前生成する。
- StanfordのSTaRKベンチマーク: NeurIPS 2024で発表されたSTaRKは、製品・学術・医療の3領域における半構造化ナレッジベース検索の難しさを測定するためのベンチマークとして機能している。
4. 展望・課題（Next）
- 検索手法の選択基準の標準化: 今後は単一の万能な検索基盤ではなく、検索タスクとクエリフォーカス型要約タスクを組み合わせたハイブリッドなパイプライン設計が主流になると予想される。