Contextual Recallとは？

正解に必要な情報を「モレなく集める」こと

Contextual Recall（コンテクストゥアル・リコール：文脈再現率）とは、AI（RAGシステム）が質問に答える際、「正解の回答を作るために必要な情報（根拠データ）を、データベースからどれだけモレなく収集できたか」を測る評価指標です。

どれだけ賢いAIであっても、回答に必要な材料（コンテキスト）が検索段階で抜けていては正確な答えを作れません。いわば「料理に必要な材料をモレなく買い揃えられたか」を評価する指標です。

ユーザーが「今年の夏休みの規定と、申請の締切日を教えて」と質問したとします。正解を作るためには「夏休み規定の文書」と「締切日の文書」の両方が必要です。

Contextual Recallが低い場合：「夏休みの規定」だけを検索し、「締切日」の情報を見落としてしまう（必要な情報が欠落している）。結果として、AIは不完全な回答しか作れない。
Contextual Recallが高い場合：回答に必要な2つの情報をどちらもモレなく検索・取得できている。AIは十分な材料をもとに完璧な回答を作成できる。

RAGの評価では、Contextual RecallとContextual Precision（精度）がペアでよく使われます。

どちらか一方だけでは不十分で、「必要な情報を網羅し（Recall）、それを正しい順番で並べる（Precision）」ことで初めてAIは質の高い回答を出せます。

実務では、あらかじめ用意した「模範解答（Ground Truth）」と「AIが実際に検索してきた情報（Context）」を比較し、模範解答に含まれるファクトがどれくらい検索結果に網羅されているかをLLMなどを用いて自動計算します。

改善するためには、検索時の件数（Top-K）を増やしたり、テキストの分割サイズ（チャンクサイズ）を見直したり、キーワード検索とベクトル検索を組み合わせる「ハイブリッド検索」を導入するなどの対策が行われます。

Contextual Recallは、AIが正解を出すために必要なデータが「検索結果の中にしっかり揃っているか」を確かめる重要な指標です。

開発・活用でのポイント：AIの回答に「重要な情報が抜けている」と感じたら、モデルの性能以前に「Contextual Recall（必要な検索結果が引き出せているか）」をチェックしてみましょう。

※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。

Contextual Recallを「必要なカードを取り出す瞬間」として描いており、比喩が明快です。ただしカードの文字が読めてしまうため、SNS用アイキャッチとしては文字の排除が改善点です。