ファインチューニングとRAGの使い分け

ファインチューニングは、既に学習済みのAIモデルを特定の目的やデータに合わせて追加学習させる手法で、モデルの応答の「傾向」や「文体」そのものを変えたい場合に向いています。一方RAG（検索拡張生成）は、AIが回答を作る前に外部の情報源を検索し、その内容を踏まえて答えを生成する仕組みで、最新の情報や社内固有の情報を「調べてから答える」用途に向いています。

使い分けの目安として、話し方や専門用語の使い方そのものを変えたいならファインチューニング、頻繁に更新される情報や大量の文書を参照させたいならRAGが適しているとされます。実務では両方を組み合わせて使われることもあります。

カスタマーサポートの応答を特定のトーンに統一したい場合はファインチューニング、日々更新される社内マニュアルを参照して回答させたい場合はRAGが選ばれやすい例です。

• ファインチューニング
• RAG（検索拡張生成）
• 学習データ