RAGと​ファインチューニング、​社内AI活用で​何を​選ぶか

「社内の​資料を​AIに​読み込ませて、​質問に​答えられるように​したい」と​いう​相談を​受けるとき、​必ず​出てくるのが​RAGと​ファインチューニングの​どちらを​使うかと​いう​話です。​言葉だけが​先に​広まり、​違いが​あいまいなまま​検討が​止まってしまうことがあります。​ここでは、​それぞれの​考え方と、​選ぶときに​見て​おきたい軸を​整理します。

RAGと​ファインチューニングとは​何か

RAG​（検索拡張生成）は、​AIに​質問が​来たときに、​社内の​資料や​ルールの​中から​関連する​部分を​検索し、​その​内容を​もとに​回答を​つくる​仕組みです。​AIの​知識そのものを​書き換えるのではなく、​答える​材料を​外から​渡すイメージに​近い方法です。

ファインチューニングは、​特定の​話し方​や​形式、​専門的な​表現の​パターンを​AIに​追加で​学習させる​方法です。​資料の​中身を​逐一覚えさせるのではなく、​「どう​答えるか」と​いう​振る​舞いを​調整する​手法です。

違いを​整理する

どちらを​選ぶべきか

多くの​会社が​最初に​抱えている​課題は、​「社内に​散らばった​資料や​ルールを、​普通の​言葉で​聞けば​探せるように​したい」と​いうものです。​この​場合は、​資料を​差し替えるだけで​最新の​内容に​対応できる​RAGの​方が​扱いやすく、​回答の​根拠も​確認しやす​いため、​最初の​一歩と​して​選ばれることが​多くなります。

一方で、​問い​合わせ対応の​文章の​言い​回しや、​業界特有の​専門用語の​使い方を​AIに​揃えたいと​いう​場合は、​ファインチューニングが​向いていることもあります。​どちらか​一方だけが​正解と​いうことではなく、​「何を​解決したいか」から​逆算して​選ぶことが​大切です。

併用と​いう​選択肢

実際には、​RAGで​最新の​社内情報を​参照しつつ、​回答の​形式や​言葉づかいだけファインチューニングで​整えると​いうように、​両方を​組み合わせる​進め方も​あります。​最初から​高度な​仕組みを​目指す必要は​なく、​まずは​小さく​試して、​必要に​応じて​仕組みを​足していく​方法が​現実的です。

株式会社スリーラボでは、​社内に​散らばった​資料や​ルールを​AIに​質問して​探せる​仕組みづくりを​支援しています。​実際に​構築した社内AI検索の事例では、​保存場所を​知っている​人しか​分からなかった​情報を、​普通の​言葉で​聞けば​探せる​状態に​変えました。​どちらの​方法が​自社に​合うか​分からない​場合も、お問い合わせから​ご相談いただけます。​対応している​内容はできることのページに​まとめています。

まとめ

RAGは​社内資料を​もとに​答えさせたいときに、​ファインチューニングは​話し方​や​形式を​揃えたいときに​向いている​方法です。​どちらを​選ぶかは、​解決したい​課題から​逆算して​決めるものであり、​小さく​試しながら​必要な​仕組みを​足していく​進め方が​現実的です。