本ページはプロモーションを含みます(掲載基準)
埋め込みドリフト (Embedding Drift)の定義
埋め込みドリフトとは、時間経過やモデル更新に伴い埋め込みベクトルの分布がずれ、検索精度が徐々に劣化する現象のこと。
埋め込みドリフト (Embedding Drift)とは(詳しく解説)
埋め込みドリフトとは、テキストや画像をベクトル化するembeddingモデルの出力空間が、モデルの更新や対象データの分布変化に伴って徐々にずれていく現象のことで、業界では新旧ベクトルの非互換問題として広く知られる。RAG(検索拡張生成)はドキュメントとクエリの埋め込みを同じ空間で距離比較する前提に立つため、embeddingモデルのバージョンアップや扱うドメインの語彙変化でこの前提が崩れると、関連文書が検索結果の上位に出てこなくなる。実運用でよくある落とし穴は、モデルを更新した際に既存ベクトルDBを再構築せず新旧モデルの出力を混在させてしまうケースとされる。2026年時点では数百万件規模のドキュメントの再埋め込みに相応の計算コストと時間がかかるため、モデル更新の頻度とインデックス再構築コストを天秤にかけた運用設計が現場で求められる。
埋め込みドリフト (Embedding Drift)を調べた人に
AIで
エディタのAIを使いこなしたい人向けの講座と、コードなしで作れるツールです。


初月10ドルオフ(新規ユーザー)
Claude CodeやCursorへの指示を声で入力できる。日本語にも対応し、Mac・Windowsのどの入力欄でも使える(無料は1,000語まで)
AI音声・文字起こし / 最低料金 ¥0〜

定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます(CC BY 4.0)。
出典: AI PICKS AI用語辞典「埋め込みドリフト (Embedding Drift)とは」 https://aipicks.jp/glossary/embedding-drift
埋め込みドリフト (Embedding Drift)の使用例
- embeddingモデルをv2からv3に切り替えた際、旧ベクトルを再生成せず混在させたため類似文書の検索順位が入れ替わる、という典型的な落とし穴が知られている。
- 「直近のembeddingモデル更新後に検索順位が大きく変動した文書を洗い出して」のような、ドリフト監視用のプロンプト例。
埋め込みドリフト (Embedding Drift)に関連するAIツール
埋め込みドリフト (Embedding Drift)の関連記事
埋め込みドリフト (Embedding Drift)の関連用語
12カテゴリ・1834語以上を体系的に整理しています
