RAG singkatan dari Retrieval-Augmented Generation. Gampangnya: sebelum menjawab, AI disuruh mencari dulu bahan yang relevan dari kumpulan dokumenmu, baru menyusun jawaban berdasarkan bahan itu.
Kenapa ini penting
Model AI hanya tahu apa yang ada di bahan latihannya, dan bahan itu punya batas waktu. Ia tidak tahu isi katalog produkmu, SOP kantormu, atau harga terbaru yang kamu tetapkan kemarin.
RAG menutup lubang itu. Dokumenmu tetap berada di tempatmu, dan AI mengambil potongan yang relevan hanya ketika dibutuhkan.
Cara kerjanya dalam tiga langkah
- Dokumen dipecah dan diindeks. Semua bahan dipotong jadi bagian-bagian kecil, lalu disimpan dalam bentuk yang bisa dicari berdasarkan makna, bukan cuma kecocokan kata.
- Pertanyaan memicu pencarian. Saat kamu bertanya, sistem mencari potongan yang paling relevan.
- AI menjawab berdasarkan potongan itu. Potongan tadi diselipkan ke dalam prompt, lalu model menyusun jawaban dari bahan tersebut.
Kenapa ini mengurangi karangan
Karena AI tidak lagi diminta mengingat, melainkan membaca. Bedanya seperti ujian hafalan versus ujian buka buku. Risiko halusinasi turun drastis, dan jawabannya bisa menyebutkan berasal dari dokumen mana.
Batasannya, supaya kamu tidak kecewa
- Kalau dokumennya salah, jawabannya ikut salah. RAG tidak memverifikasi kebenaran isi dokumenmu.
- Kalau pencariannya meleset, jawabannya meleset. Mutu RAG sangat bergantung pada mutu pencarian, bukan cuma pada model.
- Dokumen yang berantakan menghasilkan jawaban berantakan. Merapikan sumber sering lebih berdampak daripada mengganti model.
Istilah terkait
Halusinasi AI · Fine-tuning · Jendela konteks
Kembali ke Glosarium AI.