Mistral Agentic Search、企業文書検索を「一発回答」から「調査」へ

複雑な企業文書で反復検索が有利な理由

最初の検索が弱くても立て直せる

一発型RAGの性能は、質問文、インデックス、分割方法、ランキングに強く左右されます。最初に不完全な資料が返ると、モデルは必要な証拠を見ないまま回答する可能性があります。反復型のエージェントなら、検索条件を変えたり、別の文書を開いたり、該当箇所の前後を調べたりできます。

表や脚注を文書構造の中で読める

財務開示では、表の見出し、ページ位置、脚注、隣接する説明文が意味を補います。テキストを細かい断片に分けて扱うだけでは、こうした関係が失われることがあります。navigateとreadを組み合わせれば、断片を孤立した文章としてではなく、文書の一部として確認できます。

意味検索と完全一致検索を使い分けられる

意味の近い内容を探すにはセマンティック検索が便利ですが、会社名、会計用語、日付、証券コード、定型表現などは完全一致の確認も重要です。grep型の操作は、特定の語やパターンが実際に文書群へ登場するかを検証する役割を担います。同様にsearch、grep、read、文書ツリーの閲覧を組み合わせる仕組みは、Mistral以外のエージェント型文書システムにも見られます。

複数文書をまたぐ質問に対応しやすい

企業の調査では、ある資料で数値を見つけ、別の資料でその定義や背景を確認することがあります。モデル主導のループなら、候補の発見と証拠の検証を複数文書の間で行き来できます。

ベンチマークで報告された結果

FinanceBench：26.7%から86%

FinanceBenchは、合計368件の財務関連資料、約5万3900ページを対象とする文書質問応答の評価です。Mistralは、Mistral Medium 3.5の正答率が単一パスの検索では26.7%、Agentic Searchでは**86%**だったと報告しています。差は59.3ポイントで、単一パスの結果を基準にすると約3.2倍です。

また、Mistralは第三者のオープンソース系テキストモデルとして説明するGLM-5.2でも検索レイヤーを評価しています。報告された比較では、GLM-5.2の正答率は単一パスの**6.3%から、Agentic Search利用時の51.9%**へ上がりました。

OfficeQA Pro：45.6ポイントの改善

OfficeQA Proは、表を多く含む複数文書の質問を扱う評価で、696件のスキャン済み米国財務省公報を対象にしています。MistralのIna Koleva氏が共有した発表によると、一発型RAGとの比較で正答率は**6.3%から51.9%**へ上昇し、45.6ポイント改善しました。

これらの数字は有望ですが、どの企業環境でも同じ結果が出る保証ではありません。文書の解析方法、OCRの精度、チャンク分割、インデックス、モデル、プロンプト、ツールの利用上限、評価方法によって結果は変わります。OfficeQA Proの研究も、文書の表現や解析方法が精度、遅延、ツール呼び出し回数、コストに大きく影響すると示しています。

精度だけでは導入判断できない

Mistralは、FinanceBenchとOfficeQA Proで、精度を高めながらターン数、トークン使用量、レイテンシーも削減したと説明しています。 一方で、複数のツール呼び出しを行う仕組みでは、各処理や文書解析の待ち時間が発生します。FinanceBenchについての二次分析では、フルループの平均レイテンシーが71秒、p90が154秒と報告されています。ただし、これらはMistralの主要資料の抜粋に掲載された数値ではないため、扱いには注意が必要です。

企業が見るべきなのは、単純な「エージェント型か、非エージェント型か」という分類ではありません。重要なのは次の点です。

• 正しい証拠をどの程度の頻度で見つけられるか
• ページ、表、脚注、引用元の文脈を安定して保持できるか
• 平均応答時間と最悪時の応答時間はどの程度か
• 1問あたり何回のツール呼び出しと何トークンを使うか
• アクセス権限、OCR、インデックス、監査ログを既存業務に統合できるか
• 文書処理とモデル推論をどの環境で実行するか

必要な箇所だけを読むことで、不要な文脈を減らせる可能性はあります。しかし、推論とツール呼び出しが増えれば、遅延やコストが増える場合もあります。適した設計は、質問の複雑さと誤回答のリスクによって変わります。

どのMistral製品から利用できるのか

Mistralによると、Agentic SearchはSearch ToolkitとLibrariesから利用できます。 Mistralの文書検索基盤では、Librariesにアップロードしたファイルを検索して回答を生成でき、Agents APIでは会話中にエージェントが外部ツールを呼び出せます。

この位置づけで重要なのは、Agentic Searchが消費者向けチャットボットだけの機能ではなく、企業向けアプリケーションやエージェント、社内検索パイプラインに組み込める検索コンポーネントとして提示されている点です。

モデルに依存しない検索レイヤーの意味

Mistral Medium 3.5とGLM-5.2の双方で評価したことは、検索・文書ナビゲーション部分を特定のモデルだけに固定しない設計を示しています。 企業が将来モデルを変更しても、文書の取り込み、検索、閲覧、証拠確認のワークフローをすべて作り直さずに済む可能性があります。

この可搬性は、性能、価格、ライセンス、導入場所、データ管理を比較する企業にとって意味があります。競争の焦点も、モデルの性能だけでなく、検索レイヤー、文書表現、権限管理、可観測性、証拠の品質へ広がります。

ただし、モデル非依存という設計が、どのモデルでも同じ挙動を保証するわけではありません。ツールの使い方、コンテキストの扱い、推論品質にはモデルごとの差があるため、導入環境ごとの検証が必要です。

Mistralの企業戦略と欧州インフラ

Agentic Searchは、Mistralが単体の大規模言語モデルではなく、組織の機密データを検索・推論する可搬型の基盤を売り込む動きの一部です。同社の金融向け資料では、権限を考慮した検索と、証拠や文脈を伴う回答を訴求しています。

これは、金融、法務、政府など、データを一般向けAIサービスへそのまま送ることが難しい組織に向けた提案です。クラウドや管理されたインフラ、オンプレミスに近い環境での展開をめぐる報道もありますが、導入場所の柔軟性だけで各国・各業界のコンプライアンスが自動的に満たされるわけではありません。

インフラ計画もこの戦略と結びついています。Reutersは、MicrosoftがMistralの欧州コンピューティングインフラに数十億ドル規模を投じる契約を結び、Azureの顧客がフランスのMistralデータセンターを使ってソフトウェアを開発できるようになると報じました。

欧州でホスティングできれば、データの所在や運用上の管理を重視する企業には利点があります。一方で、Microsoftとの関係は、「欧州の主権的AI」が世界のクラウド、半導体、ハードウェア供給網から完全に独立することを意味しない点も示しています。

資金調達と評価額の報道

製品発表をめぐっては、Mistralが約30億ユーロを調達し、評価額約200億ユーロを目指して初期協議に入っているとBloombergが報じました。協議は初期段階で、条件は変更される可能性があります。

この評価額は、2025年9月の資金調達後に報じられた117億ユーロを大きく上回ります。 ただし、報道された資金調達協議と、実際に完了したラウンドは区別する必要があります。現時点の数字は確定した取引条件ではありません。

大規模な企業向け検索基盤とデータセンターの整備には、膨大な計算資源が必要です。一方、顧客は自社データ環境で安定して動くAIを求めています。Agentic Searchはアプリケーションと検索の層を担い、欧州のデータセンター計画はインフラ面の物語を補強する位置づけです。

競争市場での立ち位置

Mistralは、複数の市場を同時に狙っています。

• 従来型の企業内検索：文書のランキングや一覧表示にとどまらず、AIが根拠を探し、読み、説明する仕組みを目指す
• 基本的なRAG：事前に分割したテキストを一度検索する方式に対し、反復検索、文書ナビゲーション、検証を重視する
• クラウドやプラットフォーム企業：汎用アシスタントだけでなく、組み合わせ可能なツール、モデルの選択肢、欧州での展開を訴求する
• 他社のエージェント型検索：OpenSearchも、モデルが検索を計画・実行するワークフローを説明しており、この市場はMistral独自のものではない。

長く構造が複雑な文書に対するベンチマーク結果は、Mistralにとって強い出発点です。しかし持続的な優位性を決めるのは、独立評価や実運用でも改善が続くか、そして許容できる遅延、コスト、セキュリティ、統合負荷で提供できるかでしょう。

まとめ

Mistral Agentic Searchの核心は、文書検索を「最初の一回で終わる前処理」ではなく、AIが証拠を探して確かめる能動的な調査に変えることです。search、open、navigate、read、grepを組み合わせることで、長大な企業文書の中から情報を見つけ、文脈を確認し、正確な表現や数値を検証する機会を増やします。

Mistralが報告したFinanceBenchの26.7%から86%への改善と、OfficeQA Proの45.6ポイントの向上は、この設計が文書質問応答を大きく改善し得ることを示しています。 ただし、いずれもベンダーに関連する評価結果です。企業が導入を判断するには、自社データを使い、精度だけでなく遅延、コスト、権限管理、OCR品質、監査可能性、運用上の信頼性まで測定する必要があります。