AI・開発トレンド

埋め込み・ベクトル検索

（うめこみ、べくとるけんさく／Embeddings / Vector Search）

一言でいうと

文章を数値の並びに置き換えることで、語が一致しなくても意味の近い文書を探せるようにする技術です。

単語を数値の並びで表す手法は2013年に Mikolov らが示し、意味の近い語が近い位置に並ぶ表現を効率よく作れるようになりました。その後、文単位・文書単位で同じことを行う手法が発展し、現在は専用のモデルが提供されています。

実務に入ってきたのは2023年です。RAG の実装が国内でも広まり、その検索部分を担う要素技術として一気に使われるようになりました。

従来の検索は語の一致で探すため、「有給」と「年次有給休暇」、「解約」と「退会」のように、同じことを別の語で書いた文書を取りこぼします。

埋め込みを使うと、語が一致しなくても意味が近ければ見つけられます。一方で、型番や固有名詞のように文字列の一致が重要な検索は苦手で、実務では従来の検索と組み合わせる構成が採られます。

RAG の検索部分が最大の用途です。加えて、類似文書の推薦、問い合わせの自動分類、重複の検出にも使われます。

採用の実務では、職務経歴書と求人票の内容の近さを測る用途で検討されることがあります。実務上は、合否の自動判定ではなく、人が読む順番の優先度づけに留めるのが現実解です。判定に使う場合は、求職者の個人情報の扱いと説明責任が別途論点になります（AIガバナンスのページを参照してください）。

単独で募集される技術ではなく、RAG や検索の求人要件のなかに現れます。ベクトルデータベースの運用経験まで含めると候補者は限られます。

媒体では「バックエンドエンジニア」「データエンジニア」の職種カテゴリで引き、フリーワードに使っている製品名（ベクトルデータベース、検索基盤）を並べて探すほうが到達します。

面接では、意味検索と全文検索を組み合わせたかどうかを聞くと、実務で精度に向き合った経験があるかが分かります。