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。
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。