マルチステップ推論

単純な質問応答の限界

「売上高はいくらか」のような事実検索は1ステップで完結する。しかし「売上高が前年比で最も伸びた部門の責任者が導入した施策は何か」のような質問は、売上データの比較→部門の特定→責任者の特定→施策情報の検索という複数の中間ステップを踏まなければ回答できない。

マルチステップ推論は、こうした複合的な質問を LLM が内部的に分解し、段階的に解いていくアプローチを指す。Chain-of-Thought（CoT）プロンプティングの延長線上にあるが、RAG と組み合わせる場合は各ステップで外部データソースへの検索を挟む点が異なる。

Agentic RAG との関係

Agentic RAG は、マルチステップ推論をエージェントループとして実装したものと捉えられる。エージェントが「次に何を調べるべきか」を判断し、検索→評価→再検索のサイクルを回す。マルチステップ推論はその思考プロセスの設計パターンであり、Agentic RAG はそれを実行するアーキテクチャだ。

精度と速度のトレードオフ

ステップ数が増えるほど回答の網羅性は上がるが、各ステップで LLM の推論コストと検索のレイテンシが積み上がる。実務では最大ステップ数に上限（3〜5回程度）を設け、途中で十分な情報が集まったら早期終了する設計が多い。