ファインチューニング

一言で

ファインチューニングとは、すでに学習済みのAIモデルに自社データを追加学習させ、特定の用途や文体に合わせて調整する手法のことです。

もう少し詳しく

汎用のChatGPTやClaudeに、自社の言い回し・専門用語・出力フォーマットを覚え込ませたい場合に使います。プロンプトに毎回お手本を貼るFew-shot学習と違い、モデル本体の重みを書き換えるため、一度学習させれば短い指示でも狙った挙動を再現できます。

ただし、数百〜数千件の学習データと相応の費用が必要で、プロンプト工夫やRAGで済むケースも多くあります。2026年現在、OpenAIは古い世代のファインチューニング基盤を段階的に縮小しており、新規のチューニング案件はRLHFやDPOといったアラインメント技術が主流です。

主な特徴

• 挙動そのものを変えられる: 知識追加ではなく「話し方・出力形式」の調整に向く
• コストが高い: データ準備・学習・運用すべてに専門知識が必要
• モデルが固定される: 新バージョンに乗り換える際は再チューニングが必要

使われ方の例

• 自社ブランドの口調に合わせたカスタマーサポートAI
• 医療・法律など、特殊な専門文書フォーマットの自動生成
• 出力を厳密なJSONスキーマに固定したい業務システム

関連する話題

「知識を最新に保ちたい」ならRAGの方が向いています。「ちょっとだけ挙動を変えたい」ならプロンプトエンジニアリングで十分なことも多いです。