ベクトル検索は、文章や画像などを埋め込み（ベクトル）に変換して格納し、意味の近さを距離や類似度で評価して検索する方式です。キーワードの完全一致では拾いにくい同義語や言い回しの違いでも、文脈が近い候補を上位に出しやすくなります。検索では内積やコサイン類似度などを使い、近傍探索で近いベクトルを高速に取りにいく設計が一般的です。
実務では、社内文書検索、FAQ候補提示、類似問い合わせの検索、RAGの検索フェーズなどで使われます。精度を安定させるには、ベクトル検索だけに頼らず、メタデータ絞り込み（公開範囲、部署、更新日、カテゴリ）や再ランキングを組み合わせるのが定石です。検索の目的が「抜け漏れを減らす」のか「最上位の精度を上げる」のかで、チャンク分割やkの設定が変わるでしょう。
運用でつまずきやすいのは、分割粒度が合わずに根拠が欠ける、埋め込みモデル変更で検索結果が大きく変わる、権限変更が反映されず情報漏えいにつながる、といった論点です。PoCでは、代表クエリと期待結果を用意して、ヒット率だけでなく誤ヒットの内容もレビューすると失敗が減ります。意味検索は便利ですが万能ではないため、重要な業務判断に使う場合はキーワード検索とのハイブリッドやルールベースのガードを併用するほうが安全でしょう。
