生成AIを強化するファインチューニングとRAGの違いとは？　使い分けと注意点

汎用生成AIサービスは企業ごとの個別ニーズに最適化した回答を生成することが難しい。その解決に使われる「ファインチューニング」や「RAG」といった技術について、それぞれの概要と得意領域の違い、導入プロジェクトの成功パターンを解説する。

　「ChatGPT」をはじめとする生成AIサービスは汎用（はんよう）性が高い代わりに、利用する企業団体に個別最適化された回答を生成することは難しい。ChatGPTに自社の従業員規定を聞いても当然正しく応答することはない。非公開情報について尋ねることもできない。

　そこで「ファインチューニング」や「RAG」（検索拡張生成）などの技術を活用することで、保有データを生成AIに学習させたり、データベースの検索機能を強化したりしながら、より自社に最適化された生成AIに育てることができる。

　本稿ではそんなファインチューニングやRAGの概要と得意領域の違い、導入プロジェクトの成功パターンについて、生成AI「cotomi」の開発や生成AI導入の支援を手掛けるNECのエバンジェリスト・石川和也氏（NEC　AIビジネス・ストラテジー統括部　AIビジネス開発グループ）に聞いた。

欲しいのは「一般業務向け」か、「業務特化」か

　生成AIに自社のニーズに応じた回答をさせる技術として「プロンプトエンジニアリング」「ファインチューニング」「RAG」などがある。

　プロンプトエンジニアリングは、ユーザーが生成AIの性能を引き出すために、入力する指示文を工夫することだ。基となる生成AIには手を加えずに、回答精度を高めることができる。一般的な知識や公開情報についてアドバイスや意見を求める場合や、自社について一般論を聞きたい場合などに有効だ。

　ファインチューニングは既存の生成AIに自社が持つデータなどを追加学習させて作り変える技術だ。例えるなら新人教育のようなもので、一般的な知識を持つ生成AIに業界や自社固有のデータを教え込むことで、よく使われる用語や常識、様式、フォーマットなどを獲得させることが目的だ。仕様書の作成や推薦する商品の選定などのタスクは、自社の常識や仕事のフォーマットを把握して実行することで“とんちんかんな回答”が抑えられる可能性がある。

　RAGは生成AIに社内データベースなどを連携させて、情報を参照しながら回答を出力させる技術だ。生成AIに辞書やマニュアルを持たせるようなもので、情報ソースがある正確な内容を記述させることが目的になる。カスタマーサポートや社内の問い合わせ業務では、ユーザーに正確な情報を提供することが重要であるため、ファインチューニングよりもRAGの方が適している場合が多い。

　ファインチューニングとRAGは自社データを活用する技術という点では類似しているが、できることは異なる。

IT導入完全ガイド

注目の技術やITツール。そもそもどういったモノで何に使えるのか、どんなモノを選ぶべきか、課題はあるか、といった情報を基礎から徹底解説します。

この連載の記事をもっと見る

この記事の著者

関連記事

• 

  Windowsとアプリを操作するAIエージェント　Microsoftが発表

• 

  AIが自分で進化？　「DeepSeek」が勝手に賢くなる方法が爆誕：825thLap

• 

  AIエージェントの基礎技術になる？　「MCPサーバ」とは　文系記者が実際に作って解説