ベクトルデータベースとは

ベクトルデータベースとは

ベクトルデータベースとは、テキストや画像を「ベクトル」と呼ばれる数値の並びに変換して保存し、意味が近いデータを高速に検索できるデータベースです。RAG（検索拡張生成）を構築するときの中核となる技術です。

文章をベクトルに変換する処理をエンベディングと呼びます。ベクトルデータベースは、このエンベディングで作られた大量のベクトルを格納し、「質問に意味が近い文書」を探す役割を担います。

従来のデータベースとの違い

一般的なデータベースやキーワード検索は、入力した単語と一致するデータを探します。そのため「有給休暇の申請方法」と検索しても、マニュアルに「年次休暇の取得手順」と書かれていると見つかりません。

ベクトルデータベースは意味の近さで探すため、言葉が違っても内容が近ければヒットします。社内文書のように、書く人によって表現がバラバラなデータを扱うのに向いています。

代表的なベクトルデータベース

• Pinecone: フルマネージドのクラウドサービス。運用の手間が少ない

• Qdrant / Weaviate / Chroma: オープンソースで、自社サーバーでも動かせる

• pgvector: PostgreSQLの拡張機能。既存のデータベースにベクトル検索を追加できる

小規模な用途なら、新しくサービスを契約するより、すでに使っているPostgreSQLにpgvectorを追加する方がシンプルなことも多いです。

活用例

ある専門商社では、過去10年分の技術問い合わせの回答メールをベクトルデータベースに格納し、営業担当が顧客から質問を受けた際に、似た過去事例をすぐ探せるようにしました。ベテラン社員の頭の中にしかなかったノウハウを、若手でも引き出せるようになったのが大きな成果です。

導入時の注意点

検索精度は、文書をどの単位で分割するか（チャンク分割）や、どのエンベディングモデルを使うかで大きく変わります。データベースを入れるだけでは精度は上がらないため、実データでの検証が欠かせません。RAG構築の全体像はRAG完全ガイドで解説しています。

関連サービス

Swaaabでは、ベクトルデータベースを活用した社内ナレッジ検索やRAGシステムをAI開発サービスで構築しています。