用語の比較2026年10月10日更新

RAGとファインチューニングの違いとは？

ANSWER — ひとことで言うと

RAGは「本棚を渡す」、ファインチューニングは「研修を受けさせる」。最新情報や社内資料ならRAG、口調や作法を体に染み込ませたいならファインチューニングです。

「AIに自社のことを答えさせたい」と考えたとき、必ず出てくるのがこの2つの選択肢です。どちらも素のAIが知らない知識を扱えるようにする方法ですが、仕組みがまったく違います。RAGは、質問が来るたびに関連する資料を検索してAIに渡し、それを読んで答えさせる方式。AI本体は変わらず、参照する本棚が増えるイメージです。

ファインチューニングは、AIモデルそのものに追加の学習をさせて、知識や振る舞いを体に染み込ませる方式です。研修を受けた社員のように、聞かれなくてもその会社らしい答え方をするようになります。そのぶん、学習データの準備・コスト・更新のたびの再学習という手間がかかります。

RAGとファインチューニングの比較表

	RAG	ファインチューニング
たとえるなら	本棚を渡す（毎回資料を見て答える）	研修を受けさせる（体で覚えさせる）
得意なこと	最新情報・社内文書など「中身が変わる知識」	口調・形式・専門分野の作法など「変わらない振る舞い」
情報の更新	資料を差し替えるだけ。即反映	再学習が必要。時間とコストがかかる
始めるハードル	低い。資料と検索の仕組みがあれば動く	高い。質の良い学習データを大量に用意する必要
答えの根拠	参照した資料を出典として示せる	モデルの中に溶けるため根拠を示しにくい
弱点	検索が外れると答えも外れる	学習データが古いと間違いも染み付く

どっちを使う？（使い分けの指針）

判断の軸はシンプルで、「その知識は変わるか？」です。製品情報・料金・社内規定・ニュースのように更新される知識はRAG一択。学習した瞬間から古くなるものをモデルに焼き込むのは割に合いません。実際、社内チャットボットや問い合わせ対応のような用途は、ほとんどがRAGで作られています。

一方、「うちのブランドの文体で書かせたい」「医療・法律のような専門分野の言い回しを徹底させたい」のような、資料を見せても真似しきれない振る舞いの調整はファインチューニングの領分です。なお2026年時点では、プロンプトの工夫（指示や例文の渡し方）だけでかなりの振る舞い調整ができるため、「まずプロンプト→足りなければRAG→それでも足りない振る舞いだけファインチューニング」の順で検討するのが定石です。