ベクトル埋め込み（エンベディング）とは：意味で探す検索の仕組みと限界

仕組み：文章を「座標」にして、近いものを選ぶ

OpenAIのEmbeddingsガイドは、埋め込みを「テキストの関連性を測るための浮動小数点数のベクトル」と説明しています。2つのベクトルの距離が小さければ関連が高く、大きければ低いという考え方です。比較には通常コサイン類似度（ベクトルの向きの近さ）が使われます。

地図で例えると分かりやすくなります。文章を地図上の1点に置き、意味の近い文章が近所に集まるように配置するのが埋め込みモデルの役目です。実際の「地図」は数百〜数千の軸を持ちます。OpenAIのガイドでは、text-embedding-3-smallの標準が1536次元、text-embedding-3-largeが3072次元と記載されています。

検索の流れは次の2段階です。

1. 事前準備：資料を適当な長さの断片（チャンク）に分け、すべてベクトルにして保存する。
2. 質問時：質問も同じモデルでベクトルにし、近い断片を上位から取り出す。

MicrosoftのAzure AI Searchのベクトル検索の概要では、「dog」と「canine」のように語は違っても概念が近いものや、英語の「dog」とドイツ語の「hund」のような多言語の一致が例に挙げられています。取り出される件数は指定したk件で、質問に近い順に返ります。この「必ずk件返す」性質が、後述する限界につながります。

質問と資料でベクトルの作り方を分けるモデルもある

モデルによっては、質問用と文書用で入力の種類を指定します。AnthropicのドキュメントではVoyage AIの例としてinput_typeにqueryかdocumentを指定し、検索用途では省略しないよう案内しています。また同ページでは、Anthropic自身は埋め込みモデルを提供していないと明記されています。Claudeで回答を作る構成でも、埋め込みは別のサービスやモデルから選ぶ前提です（Anthropic Embeddingsガイド）。

質問タイプ別：意味検索が効く例と外す例

次の表は、埋め込み検索の一般的な性質から整理した編集上の見立てです。実際の当たり外れは、モデル、チャンクの切り方、資料の書き方で変わります。

• 言い換え・同義語、質問の例（説明用）：「出張の宿泊費はいくらまで？」（資料は「宿泊料の限度額」）、意味検索：効きやすい、理由：語が違っても意味が近い、補う方法：そのままでよい
• 状況から手順を探す、質問の例（説明用）：「VPNにつながらない時は？」（資料は「接続エラーの対処」）、意味検索：効きやすい、理由：症状と対処が意味でつながる、補う方法：見出しに症状を書く
• 多言語、質問の例（説明用）：日本語の質問で英語マニュアルを探す、意味検索：効く場合がある、理由：多言語対応モデルなら言語をまたげる、補う方法：対応言語をモデル仕様で確認
• 型番・コード・ID、質問の例（説明用）：「ER-4821の保証期間」、意味検索：外しやすい、理由：文字列の一致が重要で、意味では区別されにくい、補う方法：キーワード検索を併用
• 人名・専門用語、質問の例（説明用）：「佐藤部長の承認ルート」、意味検索：外しやすい、理由：固有の表記一致が必要、補う方法：キーワード検索を併用
• 日付・数値条件、質問の例（説明用）：「2025年度改定後の規程は？」、意味検索：外しやすい、理由：数値の大小や版の新旧を理解して探すわけではない、補う方法：版・日付を属性にしてフィルタ
• 否定・条件反転、質問の例（説明用）：「承認が不要な経費は？」、意味検索：外しやすい、理由：「必要」と「不要」の文は近い位置に来やすい、補う方法：取得後にAIが原文を読んで判定
• 全件・集計、質問の例（説明用）：「今期の申請は何件？」、意味検索：向かない、理由：近い断片を取るだけで、数え上げではない、補う方法：DBや表計算で集計
• 資料にない質問、質問の例（説明用）：「社内の犬同伴ルールは？」（規程なし）、意味検索：危険、理由：近い順にk件は必ず返るため、無関係な断片が出る、補う方法：類似度の下限と「見つからない」応答を設定

Microsoftのハイブリッド検索の概要も、製品コード、高度に専門的な用語、日付、人名のような検索はキーワード検索のほうが良好になりうると説明しています。同ページでは、ベクトル検索と全文検索を1回のリクエストで並行実行し、Reciprocal Rank Fusion（RRF）で結果を統合する方式がハイブリッド検索です。

用語の言い換え集

会議や依頼文でそのまま使える言い換えです。

• 埋め込み／エンベディング、言い換え：文章の意味を表す座標、一言メモ：動詞では「ベクトル化する」
• ベクトル、言い換え：数字の並び、一言メモ：1536個など、モデルごとに長さが決まる
• 次元数、言い換え：座標の軸の数、一言メモ：多いほど細かく表せるが、保存容量は増える
• コサイン類似度、言い換え：向きの近さ（1に近いほど近い）、一言メモ：距離ではなく近さの指標
• k近傍（kNN）、言い換え：近い順にk件取る、一言メモ：近い資料がなくてもk件返る
• チャンク、言い換え：資料を切り分けた断片、一言メモ：大きすぎると主題がぼやけ、小さすぎると文脈が欠ける
• ベクトルインデックス／ベクトルDB、言い換え：座標つきの検索用の台帳、一言メモ：元の文章も一緒に持たせる
• キーワード検索（全文検索）、言い換え：文字列の一致で探す検索、一言メモ：型番や固有名詞に強い
• ハイブリッド検索、言い換え：意味検索と文字列検索の併用、一言メモ：結果を1つの順位に統合する
• リランカー、言い換え：取り出した候補の並べ替え担当、一言メモ：精度を上げる後段の処理

手元の資料で確かめる手順

対応表は一般論なので、自社の資料で当たり外れを確かめてください。20問ほどで傾向は見えます。

1. 質問を作る：実際に出そうな質問を集め、表の9タイプに振り分けます。AIに下書きを頼む場合は、次の依頼文が使えます（実際の機密文書は貼らず、見出しや用語を置き換えたものを渡してください）。

以下は社内規程の見出しと用語の一覧です（説明用に置き換え済み）。
社員が検索窓に入力しそうな質問を、次の9タイプ×各2問で作ってください。
タイプ：言い換え／状況から手順／多言語／型番・コード／人名・専門用語／日付・数値条件／否定・条件反転／全件・集計／資料にない質問
各質問に「正解が載っているはずの見出し」を添えてください。
資料にない質問は「該当なし」としてください。
【見出しと用語】
（ここに貼る）

1. 正解を人が決める：AIが挙げた「正解の見出し」は仮です。担当者が原文を見て、正解の断片を確定してください。
2. 上位3〜5件を見る：各質問で、正解が上位に入ったかを記録します。
3. 外れ方を分類する：型番や日付で外れたならキーワード検索の併用やメタデータのフィルタを、否定で外れたなら取得後の読解を、資料外の質問に無関係な断片が出たなら下限と「見つからない」応答を検討します。

結果は、タイプ別に「入った・入らない」を表にして残すと、改善の優先順位が付けやすくなります。

使い分けの目安

• 言い換えや曖昧な質問が多い社内FAQなら、意味検索が中心で構いません。
• 型番、規程番号、人名がよく出るなら、最初からハイブリッド検索を検討してください。
• 集計や最新版の判定が必要な質問は、検索の外（データベースや属性フィルタ）で処理します。
• 回答にAIを使う場合も、取り出した断片を人が確認できるよう、出典の見出しと原文を一緒に表示しておくと誤りに気づけます。

ベクトル検索の利用料金や埋め込み生成の料金は、サービスや構成によって異なります。導入前に各社の最新の料金案内を確認してください。