ファインチューニングとは
Fine-tuning
追加学習
微調整
既存のAIモデルに追加の学習をさせ、特定の用途や書きぶりに合わせて調整することです。
「自社のデータをAIに覚えさせたい」と言われたとき、実際に必要なのはファインチューニングではなく RAG であることがほとんどです。
ファインチューニングが向くのは、知識を足したいときではなく、振る舞いを変えたいときです。決まった書式で必ず出力させたい、独特の文体に揃えたい、といった場合です。
知識を足したいなら RAG のほうが適しています。資料を差し替えるだけで反映され、出典も示せるためです。
実務での使いどころ
まず RAG を試してください。それで足りない理由がはっきりしてから、ファインチューニングを検討するのが順序として正しいです。
間違えやすいところ
追加学習させたデータは、モデルの中に取り込まれます。あとから特定の1件だけを消すことはできず、作り直しになります。しかも、学習させた内容が出力に出てしまう可能性は残ります。個人情報や機密情報は、そもそも学習用データに含めないでください。
関連する用語
- RAG（検索拡張生成） — AIに答えさせる前に、社内文書などから関連する箇所を検索して渡し、その内容にもとづいて回答させる仕組みです。
- 大規模言語モデル — 膨大な量の文章を学習し、「次に来る言葉」を高い精度で予測できるようにしたモデルです。ChatGPT や Claude、Gemini などの土台になっています。