何が起きたか
VentureBeatに、Persistent SystemsでR&Dアーキテクトを務めるDattaraj Rao氏の寄稿が掲載されました。Microsoftが公開したGraphRAGの原論文に加え、独立した4つのベンチマーク研究を並べ、「グラフ検索は本当にベクトル検索より優れているのか」を条件付きで整理した内容です。
通常のベクトルRAGは、文書をチャンクに分割して埋め込みを作り、質問に近い上位k件を引いてきます。狭い事実質問には強い一方、答えが単一チャンクに存在しない場合に破綻します。著者はその構造的な死角を3つに整理しています。共通のエンティティを介して複数箇所に散った事実をつなげないこと、「主要なテーマは何か」という全体俯瞰型の問いに答えられないこと、そしてチャンク境界で関係性と階層が切断されることです。Microsoft Researchも、ベースラインRAGは「点と点をつなぐのが苦手」で、大規模データ群を横断して「要約された意味概念を全体的に理解する」タスクでは性能が落ちると述べています。
GraphRAGは、質問が来る前に働きます。インデックス時にLLMが全チャンクを読み、エンティティ・関係・主張を重み付きのナレッジグラフとして抽出。Leidenアルゴリズムでコミュニティ検出を行って関連トピックの階層を作り、各コミュニティの自然言語要約をあらかじめ書いておきます。クエリ時には各コミュニティが部分回答を起草し（map）、順位付けして統合し（reduce）、構造に裏打ちされた最終回答を合成します。派生形のHippoRAGは、グラフにPersonalized PageRankの探索を組み合わせて該当パッセージを特定します。
数字が示す「勝てる領域」と「引き分けの領域」
Microsoftは百万トークン級のデータセット上での全体俯瞰型の問いで両者を直接比較し、LLM審査員が包括性・多様性・示唆力を採点しました。結果はGraphRAGが包括性で72〜83%、多様性で62〜82%の勝率。最上位階層の要約は、原文をそのまま処理する場合に比べ最大97%少ないトークンで済んでいます。
マルチホップQAでも差は明確です。MuSiQue、HotpotQA、2WikiMultiHopQAでのRecall@5平均は73.4%から87.8%へ、19.6ポイント改善。文書横断の難問ほど伸びが大きく、MuSiQueで+31ポイント、2Wikiで+28ポイントです。HippoRAGは最大20%の精度改善に加え、反復検索型の手法比でコスト10〜20分の1、速度6〜13倍を実現しています。
ただし、条件を揃えると景色は変わります。ミシガン州立大とMetaによる2025年の研究は、チャンク分割・埋め込み・生成をすべて統一したうえで通常のRAGと4系統のGraphRAGを比較し、単独の勝者はいないと結論づけました。単一ホップのNatural Questionsでは素のRAGがF1 64.8で最良のグラフ手法の63.0を上回り、MultiHop-RAGでは70.3対67.0でグラフ側が上回る。両者は競合ではなく補完関係だという整理です。
GraphRAG-Bench（ICLR 2026）は「どのシナリオでグラフ構造が測定可能な便益をもたらすのか」という問いを立て、タスク別精度で答えを出しました。単純な事実検索はチャンク60.9対グラフ60.1でほぼ拮抗。複雑推論はグラフ53.4対チャンク42.9で約10ポイント差、文脈要約は64.4対51.3で約13ポイント差です。
割り引いて読むべき2つの留保
第一にコスト。グラフ構築はLLMがコーパス全体からエンティティと関係を抽出する必要があり、中規模コーパスでGPT-4oを使うと約48ドルかかります。Microsoftの後続版LazyGraphRAGは抽出をクエリ時まで遅延させ、インデックスコストを元の0.1%程度まで圧縮しました。
第二に評価の信頼性です。報告されている勝率の多くは別のLLMが審査したもので、独立監査では位置バイアス・長さバイアス・試行バイアス（同一比較が実行ごとに結論を変える）といった系統的な欠陥が見つかっています。位置バイアスだけで勝率が30ポイント以上動き、ある人気手法の報告勝率66.7%は補正後に約39%まで下落し、五分五分の分岐点を割り込みました。
著者の判断は明快です。マルチホップの精度や再現率のような大きな差は堅牢だが、僅差の「包括性」勝利は参照ベースの指標で懐疑的に再検証すべきだ、と。
結論は「宗派選び」ではなくルーター設計
記事が示す使い分けはシンプルです。コンテキストグラフが効くのは、マルチホップ・全体俯瞰・状況把握型の問い、複数視点を網羅した回答が求められる場面、そして研究文献ライブラリ・案件ファイル・障害履歴・ナレッジベースのように相互参照が濃いコーパス。逆に、単一事実の照会が大半で、コーパスが小さく平坦で、インデックスコストやレイテンシ、運用の単純さが僅かな品質向上より重いなら、テキストチャンクで十分です。
体系的な研究が揃って行き着いた先は、クエリごとに適切な手法へ振り分けるルーティングか、両者の根拠を融合するハイブリッドでした。グラフとチャンクの併用は、単独運用のどちらをも一貫して上回ります。著者の言葉を借りれば「宗派を選ぶ必要はない。ルーターを作ればいい」「コンテキストグラフは魔法でもインチキでもなく、狙いを定めた道具だ」ということです。
💼 事業会社視点：これは自社にどう効くか
���本企業のRAG導入は、社内規程QAやFAQ検索といった単一事実照会から始まった例が大半です。この記事の数字は、その入口の選択が正しかったことを裏づける一方、次の一手を誤らせる危険も示しています。単純事実検索は60.9対60.1、つまりグラフ化しても得るものはほぼゼロ。にもかかわらず「精度が上がる」という営業トークでGraphRAG案件を積む動きは起きます。
発注側の役員が確認すべきは一点です。「その用途は複雑推論か文脈要約か」。障害履歴の横断分析、過去案件の類似検索、監査・法務のケースファイル、営業のアカウント履歴統合——ここは10〜13ポイント差が出る領域で、投資に見合います。逆にヘルプデスクFAQのグラフ化は、約48ドルのインデックス費用と運用複雑性を払って差分ゼロを買う行為です。
受託開発・SIerにとってはむしろ好機です。「全部グラフ化」ではなく、質問を分類して振り分けるルーター設計こそが提供価値になります。LazyGraphRAGでインデックス費が0.1%まで下がる以上、差別化はモデルではなく振り分けロジックと評価設計に移ります。
SaaS事業者は評価方法を疑ってください。LLM審査員の位置バイアスは勝率を30ポイント以上動かし、報告66.7%が補正後39%になった例もあります。自社のA/Bや競合比較がLLM審査だけなら、その数字は経営判断の根拠になりません。