ファインチューニングとは
ファインチューニング（Fine-tuning） は、GPTやLLaMAなど事前学習済みの大規模言語モデルに、特定のタスクや領域のデータを追加で学習させる手法です。
事前学習との違いは？
| 項目 | 事前学習（Pre-training） | ファインチューニング |
|---|---|---|
| データ量 | 数TB〜数十TB | 数MB〜数GB |
| 計算コスト | 数億円〜 | 数万円〜 |
| 目的 | 汎用的な言語理解 | 特定タスクの精度向上 |
| 期間 | 数週間〜数ヶ月 | 数時間〜数日 |
なぜAEO担当者が知るべきなのか？
企業がファインチューニングしたAIモデルを社内で利用するケースが増えています。自社のFAQデータや製品情報でファインチューニングされたモデルは、学習データに含まれるコンテンツを優先的に出力します。
主な活用シーン
- 社内Q&Aボット — 社内規定やマニュアルを学習させて正確な回答を生成
- カスタマーサポート — 過去の問い合わせデータで回答精度を向上
- 専門領域の文章生成 — 医療・法律など専門用語の正確な使用
RAGとの使い分け
ファインチューニングは「モデルの知識を変える」、RAGは「外部情報を参照させる」という違いがあります。最新情報の反映にはRAGが適しており、応答スタイルの調整にはファインチューニングが適しています。
日本企業ではRAGの導入が先行していますが、ファインチューニングによるブランドトーンの統一やドメイン特化の精度向上も検討すべきです。