情報確認日：2026年10月15日
更新される社内規程や料金表を根拠に答えさせたいなら、まず必要な資料を回答時に取り出すRAGを検討します。決まった書き方や処理を繰り返し安定させたいなら、ファインチューニングが候補です。資料を置くこととモデルを追加学習することは別で、両方を組み合わせる場合もあります。最初は失敗の原因を分けて判断します。
「覚えさせる」に含まれる二つの目的
社内AIが間違った回答をしたとき、最新情報が渡っていなかったのか、必要な情報があるのに出力が違ったのかを確認します。この二つでは直す場所が異なります。
OpenAIの精度改善の解説は、古い知識や独自情報を補うコンテキストの最適化と、形式・口調・動作の一貫性を改善する最適化を分けています。必ずRAGの後に追加学習へ進むという一本道ではありません。
例えば、旧料金で回答したのは、モデルの書き方が悪いからではなく、最新表を参照していないためかもしれません。反対に、正しい数字を渡しても、毎回別の分類や形式で返すなら、指示と例の整備が必要です。
RAGは、回答する前に必要な資料を渡す
RAGは、質問に関連する情報を検索し、その内容をモデルの入力に加えて回答させる方式です。資料をモデルの重みへ一括して追加学習する操作ではありません。
検索用の索引を作る場合は、資料を扱える単位に分け、検索した部分を回答に使います。OpenAIのRetrievalガイドは、ファイルをvector storeへ登録して検索する仕組みを説明しています。
更新頻度が高い規程、部署別の資料、改定日が違う料金表では、正しい版を検索できる管理が重要です。資料名だけでなく、適用日、対象部署、閲覧できる人を情報として持たせ、古い版が普通の回答へ混ざらないようにします。
検索して渡した資料を、モデルが必ず正しく読んで答えるわけでもありません。検索で正しい部分が出たかと、モデルがその部分から正しく回答したかを別に確認します。
ファインチューニングは、例から処理を調整する
ファインチューニングは、目的の入力と望む出力の例を使い、対応モデルを追加学習して特定の仕事に合うよう調整する方法です。一定の分類や形式、繰り返す仕事を安定させるために検討できます。
「資料PDFを大量に入れたから、次からその全ページを正確に引ける」とする仕組みではありません。質問と望む回答をどう作るか、実際の仕事を代表する例になっているかが重要です。
学習に使った例をそのまま評価に使うと、未知の入力に通用するかを見落とします。公式の解説も、学習に使わない評価用のデータを残して、過学習を検出することを案内しています。
利用できるモデル、方式、データ形式、料金は現在の公式仕様に従います。追加学習が最初から最も安い、あるいは必ず精度が上がるとは決まりません。
どちらを直すか、失敗例から選ぶ
| 起きたこと | 先に調べる場所 | 改善の候補 |
|---|---|---|
| 最新資料が入力にない | 検索・版管理 | RAG、資料の更新 |
| 別部署の規程が出る | 検索対象と権限 | 範囲・属性の絞り込み |
| 正しい資料を渡しても書式が揺れる | 指示・出力例 | プロンプト、追加学習の検討 |
| 資料に答えがないのに推測する | 未確認時のルール | 不明の扱いと評価例 |
表は方式を選ぶための整理で、特定モデルの実測比較ではありません。失敗が複数の原因から起きる場合は、検索と出力の両方を直すことになります。
先に、小さな正解付きの仕事を用意する
よくある質問に加え、旧版との違い、資料に書かれていない質問、部署によって答えが異なる質問を用意します。それぞれに正しい根拠と、答えてはいけない範囲を付けます。
まず資料を直接渡す簡単な入力で試し、うまくいかない原因を調べます。直接渡して正しく答えられるなら、必要な資料を検索する方式を整える順番が考えられます。検索結果が正しいのに出力が違うなら、指示や例を調整します。
RAGを使った追加学習例を作り、両方を組み合わせる方法もあります。検索か学習かを一度決めたら他を使えない、という二者択一ではありません。
更新・権限・費用の担当も決める
導入後は、規程改定のたびに誰が資料や索引を更新するか、どのユーザーがどの資料を検索できるかを決めます。検索側で権限を守らず、「回答には書かないで」と指示するだけでは、必要なアクセス管理の代わりになりません。
費用は、検索や保存、回答の入力・出力、追加学習と再評価の運用まで含めて確認します。方式の名称だけで料金を比べず、自分の件数、資料量、更新頻度を現在の価格表へ対応させます。
社内の情報管理担当と開発担当へ、必要な知識、望む処理、更新時期、利用者を分けて伝えると、方式を選ぶ条件が具体化します。新しい資料を正しく参照する仕事と、出力の動作を安定させる仕事を分けることが、最初の判断になります。
参照資料
あわせて読みたい記事
執筆・検証：カネさん（政経プラスチャンネル運営）＋ ChatGPT
