II-B7 チャンキングを理解する

同じ文章でも、どこで区切るかによってAIの理解度が変わる——そう言われてもピンとこないかもしれません。しかしこの「切り方」こそ、RAG（II-B5参照）の最初の工程にあたるチャンキングの核心です。このレッスンでは、チャンキングの具体的な分割方式と、それが自社コンテンツの見出し構成にどう跳ね返ってくるかを見ていきます。

チャンキングとは何か

チャンキングとは、長い文書をLLMやベクトル検索が扱いやすい小さな単位（チャンク）に分割する前処理のことです。LLMには一度に読み込めるトークン数（II-B2参照）の上限があり、長すぎる文章をそのままひとかたまりで処理させると要点が読み取りづらくなるため、あらかじめ扱いやすい単位に分割しておく必要があります。分割の粒度・方法によって検索精度が大きく変わるため、RAG構築における最重要の設計判断の一つとされています（出典: Atlan, 2026年7月）。

4つの分割方法

チャンキングには複数の方式があり、それぞれ得意・不得意が異なります（出典: Ailog RAG, 2026年7月）。

参考までに、あるチャンクをシステムに渡す際のデータ構造は次のようなイメージです。

{
  "chunk_id": "article-042-sec3",
  "source_url": "https://example.co.jp/articles/042",
  "heading": "料金プランの選び方",
  "text": "（この節の本文テキスト）",
  "token_count": 480
}

「精巧なほど良い」という前提への疑問

2026年に入り、「複雑な手法ほど精度が高い」という前提が問い直されています。文書が短く単一トピックで、質問との一致度が高い場合はチャンキングがむしろ精度を下げることがある一方、長大で複数のトピックが混在する文書では、適切な分割が精度・文脈量・応答速度を左右する最大のレバーになるとされています（出典: Ailog RAG, 2026年7月）。「凝った手法を選べば安心」という思い込みだけで判断するのではなく、自社コンテンツの文章量やトピックの単一性に応じて考える視点が必要です。

コンテンツ構成への実務的な意味

チャンキングの仕組みを知ると、コンテンツ制作の指針が見えてきます。1つの見出しに1つの話題だけを詰め込むという基本設計は、そのままAIにとって「切りやすく・拾いやすいチャンク」を作ることに直結します。逆に、1つの見出しの中に複数の論点が混在していると、チャンクが分割された際にどちらの論点も中途半端にしか伝わらない可能性があります。

実践ステップ

1. 1
   自社サイトの主要記事を1本選び、見出し（h2/h3）ごとに話題が1つに絞られているか確認する
2. 2
   1つの見出しの中に複数の話題が混在している箇所があれば、見出しを分割する
3. 3
   見出しの直後の1〜2文だけを読んで、その節の要点が分かるかテストする
4. 4
   長すぎる節（目安として500字を大きく超えるもの）は、サブ見出しを追加して区切れないか検討する
5. 5
   記事全体の見出し一覧だけを読んで、目次として意味が通るか確認する

このレッスンはテキストとスライドで学べます。スライドは上のビューアからご覧ください。