Q2.RAGとファインチューニング、どちらを選ぶべきですか？

RAG（Retrieval-Augmented Generation）は、質問に関連する文書を検索してからLLMに渡す方式です。ナレッジの更新が容易で、根拠のある回答を出しやすい一方、検索精度やチャンク設計の品質に依存します。ファインチューニングはモデルの振る舞いを特定タスク向けに調整できますが、利用可否はモデルや事業者により異なり、データ準備と再評価も必要です。両者は排他的ではなく、RAGで情報を参照しつつ特定の振る舞いを調整する構成も選択肢です。判断基準は「知識の更新頻度」「根拠提示の必要性」「評価可能な学習データの量と品質」です。

• ●RAG：外部ナレッジ参照、更新が容易、根拠提示に向く
• ●ファインチューニング：モデル挙動のカスタマイズ、データと運用コストが大きい
• ●まずRAGで試し、不足分をファインチューニングやプロンプト設計で補う