MongoDB Atlas、最も利用されているベクトルデータベースとして 2 年連続
MongoDB Atlas は、Retool 社の 2024 年版「The State of AI 」レポートにおいて、2 年連続で最も利用されているベクトルデータベースとなりました。また、Atlas Vector Search は、NPS 顧客満足度調査において最高の評価を受けています。NPS は、お客さまの「他の人に勧めたい」度合いを数値化したものです。
AI を活用して生産性を高め、開発を効率化し、実際のエンジニアリングの課題を解決しませんか？詳しくは、Retool 社とのオンデマンド Web セミナーをご覧ください。
Retool 社の 2024 年版「The State of AI 」レポートは、開発者、技術リーダー、IT意思決定者を対象としたグローバルな年次調査で、ベクトルデータベース、検索拡張生成（RAG）、AI の採用、イノベーションの課題など、AI の現状と将来について豊富なインサイトを提供しています。
MongoDB Atlas は、Retool の初回 2023 年レポートで最高の NPS を獲得し、リリースからわずか 5か月で 2 番目に広く利用されているベクトルデータベースになりました。今年、MongoDB は 21.1% の票を獲得し、21.3% を獲得した pgvector（PostgreSQL）には僅差で及ばなかったものの、事実上同率で最も支持されているベクトルデータベースとなりました。
この調査はまた、 LLM（大規模言語モデル）がトレーニングされていない最新かつ適切なコンテキストを持つ、より正確な回答を生成するための好ましいアプローチとして、RAG の採用が増加していることを指摘しています。LLM は膨大なコーパスのデータに基づいて学習されますが、そのデータの全てが最新であるとは限りませんし、独自のデータが反映されているわけでもありません。また、情報の盲点が存在する領域において、LLM は自信を持って不正確な「幻覚 」を提供することで有名です。微調整は、LLM がトレーニングするデータをカスタマイズする 1 つの方法であり、Retool 社の調査回答者の 29.3% がこのアプローチを活用しています。しかし、従業員数 5,000 名以上の企業では、3 分の 1 が RAG を時間的制約のあるデータ（株式市場価格など）や、顧客履歴や取引履歴などの内部ビジネスインテリジェンスへのアクセスに活用しています。
MongoDB Atlas Vector Search が真に輝くのはこの点です。お客さまは、MongoDB に保存されたデータを容易に利用し、学習と評価の両方の段階で、生成 AI アプリケーションのパフォーマンスを強化し、劇的に向上させることができます。
1 年の間に、Retool 調査回答者のベクトルデータベース利用率は劇的に上昇し、2023 年の 20% から 2024 年には 63.6% という目を見張る数字になりました。回答者は、ベクトルデータベースを選択する際の主な評価基準として、パフォーマンスベンチマーク（40%）、コミュニティからのフィードバック（39.3%）、PoC 実験（38%）を挙げています。
このレポートが明確に強調しているペインポイントの 1 つは、AI 技術スタックの難しさです。50% 以上が、自社の AI スタックに「やや満足」「あまり満足していない」「まったく満足していない」のいずれかを回答しています。回答者はまた、社内の賛同を得るのが困難であることも報告しており、新しいソリューションの導入が必要な場合、調達活動がしばしば複雑になります。このような摩擦を減らす 1 つの方法は、技術スタックを効率化し、複数の未知のベンダーを採用する必要性を排除する統合ソリューションスイートです。ベクトル検索は MongoDB の最新のデータベースである Atlas のネイティブ機能なので、スタンドアローンのソリューションを追加する必要はありません。既に MongoDB Atlas を使用している場合、AI を活用したエクスペリエンスを作成するには、Atlas の既存のデータコレクションにベクトルデータを追加するだけです。
Atlas Vector Search で生成 AI アプリを開発するために役立つリソース：
-
MongoDB、Fireworks AI、LangChain を使用してメモリを持つ AI エージェントを構築：MongoDB をメモリプロバイダーとして使用し、Fireworks AI で機能呼び出しを行い、LangChain で会話コンポーネントの統合と管理を行う AI リサーチアシスタントエージェントを構築する手法を解説します。
-
LangChain と MongoDB Atlas Vector Searchの紹介：長文書を読み、複雑なクエリにインサイトに満ちた回答を提供できる独自のチャットボットを作成する手法を解説します。
-
動画「アイデアを生成 AI アプリに変える」：Dataworkz 社の Sachin Smotra 氏が、RAG（検索拡張生成）アプリケーションのスケーリングの複雑さについて動画で解説しています。
-
Mongo DB チュートリアル：Google Gemini の高度な自然言語処理と MongoDB を組み合わせ、Vertex AI Extensions を活用してデータベースのアクセス性と使いやすさを向上させる方法を紹介します。
-
リソースハブ：最新記事、アナリストレポート、導入事例、ホワイトペーパーなどにアクセスできます。
最新の AI の動向と採用について詳しくは、 2024 Retool State of AI レポートでお読みいただけます。
Atlas Vector Search を今すぐ開始するには、 クイックスタートガイド をご覧ください。