TigerGraphのGraphRAGとは?|社内文書を関係で答える

TigerGraphのGraphRAGとは?|社内文書を関係で答える

「社内資料をAIに読ませたのに、取引先と製品と担当者のつながりを聞くと答えが崩れる」「グラフで持てば精度が上がると聞くが、AIが作った問い合わせをそのまま本番のデータベースに流してよいのか」——情報システムやAI導入の担当者から、2026年に入って具体的に出てくるようになった問いです。数字で見ると、米国のグラフデータベース TigerGraph の公開リポジトリ GraphRAG は、2026年7月2日の2.0.0から10月21日の2.0.4までの約4か月で5回の版を出し、回答の作り方そのものを入れ替えました。変わったのは精度の宣伝ではなく、AIが作る問い合わせを実行前に止める仕組みと、答えられない問いを答えられないと返す仕組みです。この記事では、TigerGraph の GraphRAG が何をする道具で、ベクトル検索だけの方式と何が違い、社内に入れるなら誰が何を確かめるべきかを整理します。


カメ先生カメ先生

グラフで持てばAIの答えが正しくなる、と思われがちなんだ。でも本当は、グラフにすると答えの根拠をたどれるようになるだけで、グラフそのものが間違っていれば、間違いを筋道立てて答えるようになるんだよ。


カメ子カメ子

正しく答える道具ではなくて、なぜそう答えたかを追える道具ということですか。


カメ先生カメ先生

そう。だから TigerGraph の最近の更新も、AIが作った問い合わせを実行前に検査するとか、答えが欠けたら欠けたと言うとか、止める側の仕組みが中心なんだ。入れる側は、誰がグラフを直すか、誰の資格で問い合わせが走るかを先に決めることになる。


カメ子カメ子

精度の話より先に、確かめる人と止める線を決めるんですね。


この記事のポイント
  • TigerGraph の GraphRAG は、社内文書と構造化データをグラフにして生成AIに答えさせる公開の回答エンジン。2026年7月の2.0.0でエージェント型が既定になり、10月の2.0.4で問い合わせの事前検査と「答えられない」の明示が入った
  • ベクトル検索だけの方式と違い、関係をたどる問いに強い一方、グラフの抽出をAIに任せる部分があり、その正しさを保つ持ち主を決めないと誤りが筋道立てて広がる
  • 対話はログイン中の本人の資格で動き、文書の中身は外部のモデルに送られる。ライセンスの変更、外部MCPの登録、記録の残し方まで含めて導入を判断する

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

TigerGraphのGraphRAGとは:グラフデータベースの会社が公開する回答エンジン

TigerGraph は、米国のグラフデータベースの会社です。グラフデータベースとは、顧客・製品・取引・担当者のような対象を点、その間の「買った」「担当している」「部品として使う」といったつながりを線として持つデータベースで、つながりを何段もたどる問いを速く処理するのが得意です。公式サイトでは、不正検知や顧客の名寄せ、供給網の最適化などの用途が挙げられています。

GraphRAG は、その TigerGraph が公式の GitHub で公開している回答エンジンです。社内文書と構造化データをグラフにし、生成AIがそのグラフをたどって質問に答える仕組みを、まとまった形で提供しています。リポジトリの説明では、ベクトル検索の置き場所とグラフの置き場所として対応しているのは TigerGraph だけで、TigerGraph の4.2以上が前提とされています。つまり単体の道具ではなく、TigerGraph のデータベースを使うことを前提にした部品です。

もう一つ押さえたいのは、リポジトリが「現状のまま」の提供で、公式の支援を受けるには個別の作業契約が必要と書かれている点です。日本語の紹介記事はほとんどなく、社内で調べる材料はリポジトリの説明とリリースの記録が中心になります。製品を買うというより、公開されている部品を自社の環境で組み、自社で面倒を見る前提で判断する対象だと考えておくと、後の検討がずれません。

2026年の更新:7月の2.0.0から10月の2.0.4まで

2026年7月2日の2.0.0は大きな版でした。回答の作り方が、あらかじめ決めた手順で検索する従来型から、AIが自分で検索の計画を立てて実行するエージェント型に切り替わり、既定になりました。エージェント型には、最初に計画を全部立てる型と、前の結果を見て次の一手を決める型の二つがあり、従来型も残っています。回答には、根拠にした文書の断片と実行した問い合わせを示すと説明されています。同じ版で、最上位の管理者が外部のMCPサーバーを登録し、エージェントにその道具を使わせる機能も入りました。

その後の版は、主に止める側の仕組みの追加です。8月28日の2.0.2では、答えられないときに言い換えや管理者への連絡を促す案内文が入り、道具を呼び出せないモデルは従来型に戻るようになりました。10月12日の2.0.3では、MCPサーバーを削除するときに確認が入り、エージェント型を使えるモデルが対応済みのものに絞られました。

10月21日の2.0.4では、AIが生成した問い合わせを実行前に TigerGraph の検査器に通し、通らないものは実行せずに誤りを生成側へ返して作り直させる仕組みが入りました。作り直しは既定で10回までです。データを書き換える問い合わせは拒否されるとも書かれています。また、答えが見つからない、または一部しか見つからないときは、その旨と、もっと具体的な問い直しの例を返すようになりました。空の検索結果を「データが見つかった」と数えていた不具合の修正も同じ版に入っています。

会社の状況:出資と、クラウドの移行

導入の判断では、道具そのものと同じくらい、提供元が続くかどうかが問題になります。TigerGraph は2025年7月15日、米国の投資会社から戦略的な出資を受けたと公式ブログで発表しています。一部の法律事務所や業界ニュースはこの取引を「買収」と書いていますが、公式の発表は出資と表現しており、持ち分の割合や金額は公表されていません。社内の資料に書くときは、公式の表現に合わせて「出資」とし、支配関係については確認できないと扱うのが安全です。

クラウド版については、公式の移行に関するよくある質問で、従来のクラウド版から新しいクラウド基盤の Savanna へ利用者を移していると案内されています。Savanna は、GraphRAG やMCP、エージェントの業務に向けた基盤と位置づけられています。公式トップには事業の停止や他社への合流の告知は見当たらず、GraphRAG のリポジトリも直近まで版を重ねています。

ただし、自前で組むか、クラウドに載せるかで、後で説明する「データがどこに置かれるか」「誰が更新を当てるか」が変わります。どちらの形で使うかを、機能の比較より先に決めておくことをおすすめします。

ベクトル検索だけの方式と、どこが違うのか

文書を細かく区切り、意味の近い断片を探してAIに渡す、ベクトル検索だけの方式は、手軽に始められる一方で、つながりを何段もたどる問いに弱いことが知られています。たとえば「この部品を使っている製品のうち、昨年に不具合の問い合わせがあった顧客を担当している営業は誰か」という問いは、意味の近い文章を集めても答えにたどり着けません。関係を持つことの一般論は別の記事で扱っているので、ここでは TigerGraph の作りに絞ります。

TigerGraph の GraphRAG は、ベクトル検索を捨てる方式ではありません。リリースの記録では、問いが明らかに構造化データだけで答えられる場合を除き、エージェントは常にベクトル検索も走らせると書かれています。そのうえで、意味の近さで入口を見つけ、グラフのつながりをたどって周辺を集め、似た話題のまとまりの要約も使うという組み合わせで答えます。ベクトル検索の弱点をグラフで補う、という位置づけです。

社内での違いとして効いてくるのは、精度そのものより、答えの根拠の形です。ベクトル検索だけの方式では、根拠は「似ていた文章の断片」です。GraphRAG では、それに加えて「どの問い合わせを実行し、どの点と線をたどったか」が残ります。後から人が答えを検証するとき、たどった道筋を見られるかどうかが、この方式を選ぶ一番の理由になります。

二つの入口:構造化データへの問いと、文書から作るグラフ

GraphRAG には性格の違う入口が二つあります。一つは、すでにデータベースにある構造化データへの問いです。リポジトリの説明では、AIが質問に出てくる言葉をグラフの構造に対応づけ、あらかじめ用意され承認された問い合わせや関数の中から合うものを選んで実行する流れになっています。AIが一から問い合わせを書くのではなく、人が用意した選択肢から選ぶ形なので、実行される中身の範囲を人が決められます。

もう一つは、文書から作るグラフです。資料をアップロードするか、クラウドの保管場所から取り込み、PDF などは文字に直し、画像はAIが説明文を付けます。文書は見出しや表の構造を保って区切られ、AIが対象と関係を抽出してグラフに載せます。業務に合わせて対象の種類をあらかじめ宣言することもできます。こちらは、グラフの中身そのものをAIが作る入口です。

この二つは、確かめる相手が違います。構造化データの入口では、確かめるのは承認済みの問い合わせの一覧で、これは情報システムの担当が管理できます。文書の入口では、確かめるのはAIが抽出した点と線で、こちらは業務の中身を知っている人にしか判断できません。導入の検討では、自社がどちらの入口を主に使うのかを先に決め、確かめる人をそれぞれ別に割り当てる必要があります。

三つの選び方を比べる:ベクトルだけ、TigerGraph、データベース内で完結させる方式

社内文書を関係で答えさせたいとき、現実的な選択肢は大きく三つです。ベクトル検索だけで組む方式、TigerGraph の GraphRAG のように回答エンジンを別に立てる方式、そしてグラフデータベースの中で検索から関係の展開、並べ替えまでを一つの問い合わせで済ませる方式です。最後の例として、グラフデータベースの Memgraph は2026年2月12日の3.8で、ベクトル検索・つながりの展開・並べ替えを一本の問い合わせでデータベース内で実行する形を打ち出しました。

比べる点ベクトル検索だけTigerGraph の GraphRAGデータベース内で一本にまとめる方式(例:Memgraph 3.8)
関係を何段もたどる問い苦手グラフをたどって答える一本の問い合わせの中でたどる
答えの根拠の形似ていた文章の断片文書の断片と実行した問い合わせ実行した一本の問い合わせ
部品の数少ない回答サービス・グラフ作成・会話履歴などを別に立てるデータベースに寄せる分、少ないと公表
AIが作る問い合わせの扱い該当しない実行前に検査、書き換えは拒否(2.0.4)問い合わせを誰が書くかは組む側が決める
向く組織まず小さく始めたいTigerGraph をすでに使う、または使う予定自前で検索の作りを細かく決めたい

表の見方として大事なのは、どれが優れているかではなく、誰が何を持つかです。ベクトル検索だけなら部品は少ないですが、関係の問いは人が別に答えることになります。TigerGraph の方式は、回答の仕組みと検査の仕組みを提供元がまとめて用意している分、その更新に追随する手間と、提供元の判断に乗る部分が増えます。データベース内で完結させる方式は、部品が少ない代わりに、AIにどんな問い合わせを書かせるかの線を自社で引く必要があります。

なお Memgraph の発表は、一本にまとめると部品と保守する書き物が減ると述べていますが、性能の数字には測り方が示されていません。どの方式でも、自社の問いを10問ほど用意して、同じ問いで比べてから決めるのが確実です。TigerGraph のリポジトリも、調整の目安として5〜10問の評価用の問いを用意し、一度に一つずつ設定を変えて試すよう勧めています。

AIが作る問い合わせを、実行前にどう検査するか

2.0.4で入った事前検査は、社内導入の判断で最も重い変更です。それまでも生成した問い合わせを実行前に確かめる仕組みはありましたが、2.0.4では TigerGraph 自身の検査器に通し、通らないものは実行しない形になりました。書き換えを伴う問い合わせは拒否されるため、少なくともこの経路から、AIがデータを消したり書き換えたりすることは想定されていません。

一方で、検査器が見ているのは、問い合わせとして正しく動くかどうかです。文法として正しく、読み取りだけの問い合わせでも、問いの意図からずれた条件で集計していれば、もっともらしい誤った答えが返ります。たとえば「昨年」を暦年で数えるか会計年度で数えるかを取り違えても、検査は通ります。検査は「壊さない」ための線であって、「正しく答える」ための線ではないと分けて理解しておく必要があります。

  • 検査を通った問い合わせなら答えも正しいと考え、回答をそのまま社内報告に使う
  • 作り直しが10回まで自動で走ることを知らず、遅い・高いの原因が分からない
  • 書き換えは拒否されるので安全だと考え、データベース側の権限を広いまま渡す

三つ目の誤りが特に危険です。リリースの記録が書いているのは、この回答エンジンの経路で書き換えを拒否するということで、データベース側の権限の設計を代わってくれるわけではありません。AIが使う経路の資格は、データベース側でも読み取りだけに絞るという二重の線を引いておくことで、仕組みの不具合や設定の変更があっても被害を小さくできます。

「答えられない」と返す機能を、運用に組み込む

生成AIを社内の問い合わせに使うときの大きな不安は、知らないことを知らないと言わず、それらしい答えを作ることです。GraphRAG は2.0.2で、答えられないときに言い換えや管理者への連絡を促す案内を加え、2.0.4では、答えが欠けている、または一部しか見つからないときにその旨を示し、もっと具体的な問い直しを提案するようになりました。空の結果を見つかったデータと数えていた不具合の修正も、この方向の一部です。

この機能を生かすには、「答えられない」が出たときに誰が受け取るかを決めておく必要があります。案内文が管理者への連絡を促しても、連絡先が決まっていなければ、利用者は同じ問いを言い換えて何度も聞き直すだけになります。答えられなかった問いは、グラフに足りない情報がどこにあるかを示す材料です。月に一度でも集めて、資料を足すのか、対象の種類を増やすのか、そもそもこの仕組みで答えるべき問いではないのかを、人が仕分けます。

逆に、答えが返ってきたときの扱いも決めておきます。エージェント型は根拠の断片と問い合わせを示しますが、問い合わせの窓口からは、呼び出す側が求めない限り答えだけが返る設定になっています。社内の別の仕組みから呼び出すときは、根拠と処理の記録も一緒に受け取る設定にし、答えだけを画面に出さないようにしておくと、後から検証できます。

誰がグラフの正しさを保つか:抽出はAI、確定は人

文書からグラフを作る入口では、対象と関係を抽出するのはAIです。社名の表記揺れ、同じ製品の旧名と新名、退職した担当者と後任など、文書の中では人が文脈で補っている情報を、AIが一つの点にまとめるか、別の点に分けるかで、たどれる道筋が変わります。抽出の誤りは一件ずつは小さく見えても、関係をたどる問いではその先の答え全部に響きます。

そこで、グラフの持ち主を業務の側に置きます。情報システムの担当は、取り込みと更新の仕組みを持ちますが、「この二つの会社は同じか」「この製品はこの部品を使っているか」を判断できるのは、営業や製品の担当です。対象の種類ごとに、確かめる部署と頻度を決めた一覧を作り、AIが新しく作った点と線のうち、件数の多い種類や重要な取引先にかかわるものから、人が見て確定させます。

リポジトリには、グラフの構造や問い合わせの版、データの状態を点検する移行の機能や、裏で整合性を確かめる機能が用意されています。ただ、これらが見るのは仕組みとしての整い方で、業務上の正しさではありません。AIに判断させないのは、「何と何が同じものか」「どの関係が今も有効か」という点で、ここは人が決めて、決めた理由を残します。

誰の資格で動くか:利用者・管理者・外部の道具

リポジトリの説明では、利用者は TigerGraph のデータベースの資格でログインし、対話の要求はログイン中の本人として実行されるとされています。つまり、AIが見られる範囲は、その人がデータベースで見られる範囲と同じです。部署ごとに見せてよい資料が違うなら、データベース側の権限の分け方が、そのままAIの答えの範囲になります。

管理の側には、最上位の管理者と、全体の設計を担う役割があり、外部のMCPサーバーの登録や会話の閲覧はこれらの役割に限られています。会話の履歴は別のサービスに保存され、既定では上位の役割だけが見られると書かれています。社員の質問の中身を誰が読めるのかは、利用者への説明が必要な点です。人事や顧客の情報にかかわる問いが入る可能性があるなら、閲覧できる人を絞り、閲覧の理由を残す運用にします。

  • データベース側で部署ごとの見える範囲を先に整えてから、AIの入口を開く
  • 最上位の管理者の資格を、日常の利用者と兼ねさせない
  • 会話履歴を誰が、どんな理由で読むかを利用規程に書き、社員に知らせる

何が社外に出るか:モデルの提供元と、手元で動かす選択

GraphRAG が文書を扱う流れでは、文書の中身は抽出のためにAIのモデルへ送られ、画像は画像を扱うモデルへ、質問とグラフの構造は問い合わせを作るために、検索で集めた周辺の情報は答えをまとめるために、それぞれモデルへ送られます。リポジトリには、対応する提供元として OpenAI、Azure、Google 系、AWS の Bedrock などが並んでいます。外部の提供元を使えば、社内文書の中身がその提供元に渡ります。

一方で、Ollama を使って手元の環境でモデルを動かす設定も説明されており、外に出さない構成も選べます。ただし、2.0.3以降、エージェント型は対応が確かめられたモデルに限られ、道具を呼び出せないモデルは従来型に戻ります。外に出さないことを優先すると、使える回答の作り方が狭まるという引き換えを、試す段階で確かめておく必要があります。

記録の側にも注意点があります。詳しい調査用の記録の段階では、質問とAIの回答が記録に含まれうると書かれています。逆に、2.0.4では要求ごとのアクセス記録が削除されました。つまり、誰がいつ何を聞いたかを監査に備えて残したいなら、この仕組みの記録に頼らず、前段の入口やデータベース側で残す設計が必要です。個人情報を含む文書を外部の提供元に送る場合は、委託先の扱いや保存場所を、自社の個人情報の規程に照らして確かめます。

外部のMCPツールをつなぐときの線

2.0.0から、最上位の管理者は外部のMCPサーバーを登録し、エージェントにその道具を使わせられるようになりました。登録では、使ってよい道具の名前を絞り込む設定ができると説明されています。社内の別の仕組みの情報もあわせて答えさせたい、という要望には応えやすくなりますが、エージェントが呼べる道具が増えるほど、答えの根拠も、外に出る情報も広がります。

線の引き方として、まず読み取りだけの道具に限ることをおすすめします。グラフの問い合わせでは書き換えが拒否されても、外部の道具の側で書き込みができれば、その経路は別です。登録した道具ごとに、何を読み、何を書けるか、どの資格で動くかを一覧にし、追加や削除は変更の記録を残す手続きにします。2.0.4では外部のMCPサーバーが読み込まれない不具合が直されたばかりで、この機能はまだ動きが固まりきっていない段階と見て、本番に入れる前に試験の環境で確かめます。

なお TigerGraph は、これとは別に、Claude Code や Cursor などの手元のAIからデータベースを触るための公式のMCPサーバーも案内しています。こちらは社員の手元のAIがデータベースに直接届く入口なので、回答エンジンの中の外部ツールとは別の判断が必要です。どちらを使うのかを混同しないよう、社内の資料では呼び分けておきます。

ライセンスと費用の増え方、止め方

見落としやすいのがライセンスです。7月24日の2.0.1で、GraphRAG のライセンスは AGPL-3.0 に変わりました。2.0.0までの版は Apache 2.0 のままとされています。AGPL は、改変したものをネットワーク越しに提供する場合の公開義務が広いことで知られており、社内向けの利用と、顧客向けのサービスに組み込む利用とでは、法務の確認の深さが変わります。どの版を使うのか、改変するのかを決めてから、法務に相談します。

費用は、データベースの利用料に加えて、AIの提供元への支払いが積み上がります。文書を取り込むたびに抽出のための呼び出しが発生し、質問のたびに計画・検索・回答の呼び出しが発生します。2.0.4の事前検査では、通らなかった問い合わせを既定で10回まで作り直すため、難しい問いほど呼び出しの回数が増えることになります。試す段階で、質問1件あたりの呼び出し回数と、取り込み1回あたりの費用を測っておきます。

止め方も先に決めます。エージェント型で問題が出たら従来型に戻す、外部の道具を外す、AIの経路の資格をデータベース側で止める、という段階を用意しておけば、全体を止めずに切り分けられます。やめるときは、AIが作ったグラフの点と線、会話の履歴、取り込んだ文書の写しがどこに残っているかを一覧にし、消すものと残すものを、始める前に決めておくと後で困りません。

社内で試す5工程

いきなり全社の文書を取り込むのではなく、問いの範囲を絞って試すのが確実です。リポジトリが勧める少数の評価用の問いと、一度に一つずつ変える進め方を、社内の判断の手順に落とすと次のようになります。

STEP1
問いを10問決める

関係をたどらないと答えられない問いを中心に、答えの正解を業務の担当者が先に書いておきます。

STEP2
資料と対象の種類を絞る

一つの製品群や一つの事業部など、確かめられる範囲の文書だけを取り込み、対象の種類を宣言します。

STEP3
抽出されたグラフを人が見る

AIが作った点と線のうち、取引先・製品・担当者にかかわるものを業務の担当が確認し、誤りの傾向を記録します。

STEP4
同じ問いで方式を比べる

ベクトル検索だけの方式と、従来型・エージェント型を同じ10問で比べ、正答・根拠の確かさ・費用・待ち時間を並べます。

STEP5
止め方を一度試す

エージェント型から従来型へ戻す、外部の道具を外す、資格を止めるを実際に行い、手順を確かめてから範囲を広げます。

ここで大事なのは、正答の数だけで判断しないことです。間違えた問いで、根拠をたどって誤りの場所を特定できたかを記録します。特定できるなら、グラフを直すことで改善できます。特定できないなら、この方式を入れても、社内の人が答えを検証できない状態は変わりません。

導入前のチェックリスト

最後に、社内の稟議や情報システムの審査で確かめておきたい項目をまとめます。機能の有無より、誰が決めて誰が確かめるかの項目が中心です。

  • 自前で組むか、クラウドの Savanna に載せるかを決め、データの置き場所を書いた
  • 主に使う入口が構造化データか文書か、両方かを決め、それぞれ確かめる人を割り当てた
  • AIの経路の資格をデータベース側で読み取りだけに絞った
  • 対象の種類ごとに、グラフの正しさを確かめる部署と頻度を決めた
  • 「答えられない」が出たときの受け取り手と、月次の仕分けの手順を決めた
  • 外部のモデルに送る文書の範囲と、手元で動かすモデルの要否を決めた
  • 誰がいつ何を聞いたかの記録を、この仕組みの外で残す設計にした
  • 外部のMCPツールは読み取りだけの道具に限り、登録と削除の記録を残す
  • 使う版のライセンスを法務と確かめ、改変と社外提供の有無を書いた
  • 従来型へ戻す・道具を外す・資格を止めるの手順を、一度試した

これらが埋まらないうちは、精度の比較をしても判断の材料になりません。逆に、ここが決まっていれば、どの方式を選んでも、後から乗り換える判断がしやすくなります。AIに任せるのは問い合わせの下書きと検索の段取りまでで、何が正しい関係かを決めるのは人、という線を最初の資料に書いておくことをおすすめします。

まとめ

TigerGraph の GraphRAG は、社内文書と構造化データをグラフにし、生成AIが関係をたどって答える公開の回答エンジンです。2026年7月の2.0.0でエージェント型が既定になり、10月の2.0.4で、AIが作った問い合わせを実行前に検査して書き換えを拒否する仕組みと、答えが欠けたときにそう示す仕組みが加わりました。ただし検査は「壊さない」ための線で、答えの正しさは、AIが抽出したグラフの正しさと、問いの意図をどう解釈したかに左右されます。グラフの持ち主を業務の側に置き、AIの経路の資格を読み取りだけに絞り、記録はこの仕組みの外でも残す。そのうえで、自社の問い10問でベクトル検索だけの方式と比べ、根拠をたどって誤りを見つけられるかを確かめてから広げるのが、無理のない入れ方です。ライセンスの変更と外部の道具の登録は、機能の評価とは別に、法務と情報システムで確認しておきましょう。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次