ファインチューニングとは、社内の判例、カスタマーサポートの履歴、技術文書など、目的に合わせたデータで既存モデルの学習を続け、その分野での性能を高めることです。
ほとんどの業務用途ではRAGで十分で、保守も簡単です（再学習せず、文書を再インデックス化するだけで知識を更新できます）。ファインチューニングが役立つのは、ローカルのオープンソースモデルを業界特有の語彙や厳しく決められた出力形式に特化させる場合です。
ある法律事務所が、自所の書簡2000通でモデルを再学習させ、事務所の文体と語彙を身につけさせます。その後、モデルは事務所自身が書いたかのような初稿を作成します。
非常に特定的で安定したトーン、形式、語彙が必要な場合です。AIに自社の文書を参照させるだけであれば、ほとんどの場合、RAGのほうがシンプルで低コスト、かつ最新の状態を保ちやすくなります。
モデルに自社のことを理解させるには、ファインチューニングが必要ですか？
ほとんどの場合、必要ありません。多くのケースでは、モデルをお客様の文書に接続する（RAG）だけで十分であり、変更のたびに再学習させる手間も省けます。ファインチューニングが有効なのは、文体を合わせたい場合や、反復性の高いタスクの場合です。