このページで分かること
RAGとファインチューニングの違いを、外部資料を参照する考え方とモデルを追加学習させる考え方として初心者向けに比較します。
比較対象の意味
RAGは外部資料を参照して答える考え方、ファインチューニングはモデルを追加調整する考え方として整理できます。
違いの比較表
| 項目 | RAG | ファインチューニング |
|---|---|---|
| 基本の考え方 | 外部資料を探して参照する | モデルに追加学習や調整を行う |
| 向いている情報 | 社内FAQ、マニュアル、更新される資料 | 特定の出力傾向や形式を学ばせたい場合 |
| 初心者向けの理解 | 資料を見ながら答える | 訓練し直して癖をつける |
| 関連ページ | RAGとは | ファインチューニングとは |
初心者向けのたとえ
RAGは「資料を見ながら答える人」、ファインチューニングは「研修を受けて話し方や判断傾向を身につけた人」のような違いです。
どちらを読めばよいか
社内資料やFAQを参照させたいなら /rag/、追加学習の考え方を知りたいなら /fine-tuning/ を読むと整理しやすいです。
迷った時の判断軸
まず、知りたいことが「言葉の意味」なのか、「実際に使う画面」なのか、「仕事や開発で使う方法」なのかを分けて考えます。意味を調べたい時はGPTガイド内の用語ページ、ChatGPTの具体的な使い方を知りたい時はChatGPTガイド、CodexやGitHubを含む実務作業を知りたい時はCodexガイドへ進むと迷いにくくなります。比較ページは、似た言葉を正確に使い分けるための入口として使ってください。
安全に使うための確認
AI関連の言葉は、サービス名、モデル名、機能名、使い方が混ざって語られやすい分野です。料金、提供状況、モデル仕様、使える機能は変わる可能性があるため、このページでは固定的な断定を避けています。実際に利用する時は、個人情報や機密情報を入力しないこと、AIの回答を人間が確認すること、重要な判断では提供元や専門家の情報を確認することを前提にしてください。
「何を変えたいか」で選ぶ
| 変えたいこと | 向く方法 | 理由 |
|---|---|---|
| 手元の資料に基づいて答えてほしい | 資料を検索して渡す方法 | 資料を差し替えるだけで内容を更新できます。 |
| 答え方や書式を一定にしたい | 調整する方法 | 形式の癖は、指示だけでは揺れることがあります。 |
| 新しい情報を反映したい | 資料を検索して渡す方法 | 調整は、その時点の内容で固定されます。 |
| 専門用語の扱いを覚えさせたい | 場合による | 用語集を渡して足りるなら、調整までは要りません。 |
| 速度や費用を下げたい | まず前提を見直す | どちらの方法も、それ自体が費用を下げるものではありません。 |
その前に試す、もっと軽い方法
- 指示を具体的にする：形式が揺れる原因の多くは指示の書き方です。まずここを直します。
- 例を数個渡す：望む形の例を見せるだけで揃うことがあります。
- 資料を手で貼る：件数が少ないなら、仕組みを作らず貼る方が早く、確認もできます。
- 用語集を用意する：社内の言い回しは、一覧を渡すだけで解決することがあります。
仕組みを作ると、作った後の維持が続きます。軽い方法で足りるかを試してから、必要な分だけ作る順にすると無駄が出ません。
よくある質問
RAGとファインチューニングはどちらが簡単ですか？
目的によりますが、初心者は資料を整理して参照する考え方から理解すると入りやすいです。
最新情報にはどちらが向いていますか？
更新される資料を参照する用途ではRAGの考え方が語られやすいです。
両方使うことはありますか？
設計によっては組み合わせる場合もありますが、まず目的を分けて考えることが大切です。