ベクトルデータベースとは？
ベクトルデータベースとは、埋め込み（エンベディング）によって数値の並びに変換されたデータを大量に保存し、「意味が近いもの」を高速に探し出せる専用のデータベースです。生成AIブーム、特にRAGの普及とともに一躍注目される存在になりました。
普通のデータベースと何が違う？
普通のデータベースは「完全に一致する」「条件に合う」データを探すのが得意です。一方、ベクトルデータベースが得意なのは「一番似ているものはどれか」という近さの検索（類似検索）です。
何百万件の資料の中から、質問と意味が近い断片を瞬時に探す——これを普通の方法で総当たり計算すると時間がかかりすぎるため、近いものを効率よく見つける専用の索引技術が使われています。
どこで活躍している？
- RAG：社内文書AIやサポートAIの「資料の引き出し」役
- 画像検索：似た雰囲気の写真・商品を探す
- レコメンド：好みが近いユーザー・商品のマッチング
- AIエージェントの長期記憶（過去のやり取りを意味で思い出す）
知っておくと役立つ視点
専用製品（Pinecone、Qdrant、Chromaなど）のほか、既存のデータベース（PostgreSQLなど）にベクトル検索機能を追加する方式も広く使われています。個人がこれを直接触る機会は多くありませんが、「AIに社内の知識を持たせる裏側には、埋め込み＋ベクトルデータベースがいる」という構図を知っておくと、企業のAI導入記事やRAGの解説がすんなり読めるようになります。
なお、ベクトル検索は「意味の近さ」を捉える一方、日付や金額のような厳密な条件は苦手です。実際のシステムでは、従来型の検索と組み合わせた「ハイブリッド検索」がよく使われます。RAGの精度改善の話題では必ず出てくるポイントなので、セットで覚えておくと理解が深まります。
生成AI関連の求人や技術記事で頻出する言葉でもあり、「埋め込み・ベクトルDB・RAG」の3点セットで覚えておくと、AIシステムの話題の土台がそろいます。