ファインチューニングとは？

基本ができた料理人に、あなたのレシピを渡す行為

想像してください。料理番組で、煮物も焼き物も炒め物も完璧にこなす名シェフの姿を。ファインチューニングとは、そのシェフに「あなたの家族の味」だけに合わせて微調整してもらうことです。シェフの腕（モデルの能力）は変わらない。変わるのは、あなたの文脈で”正解”とされる味です。

つまり、ファインチューニング（fine-tuning）とは、広く学習済みのAIモデルを、特定のタスクやドメイン向けに追加学習で微調整する技術のことです。

「自分の会社」に寄せるとき、何が起きているか

抽象的に語らず、明日の業務に置き換えてみましょう。

• カスタマー対応：全産業の質問に答えられる汎用チャットボットを、自社FAQ・製品仕様・口調だけで答える状態に微調整する
• 医療記録：一般語彙のAIに「症状→診断名」の臨床表現を正確に扱うよう、専門データで特化させる
• 社内要約：誰にでも通用する要約を書くLLM（大規模言語モデル）に、部署の定型フォーマットで書く癖をつける

3つに共通するのは、モデルの”中身”を書き換えている点です。外部資料を引きに行くRAG（外部情報にリアルタイムで参照させる手法）とは、ここが根本的に違います。

「RAG」や「プロンプト」と、どう使い分けるか

同じ料理の比喩で並べると、3つの違いが1枚の絵になります。

• プロンプトエンジニアリング＝「今日は出汁を効かせて」と一皿ごとに指示する（モデルは変わらない）
• RAG＝調理中にレシピ本をパラパラ見て確認する（モデルは変わらない、参照先が増える）
• ファインチューニング＝シェフがあなたの家族のレシピを”体得”する（モデルの中身が変わる）

判断の軸は1つ：「モデル自体を変えたいのか、外部情報を足したいのか、指示の出し方を整えたいのか」。この3択を自分の言葉で言えると、選定の軸が立ちます。

試験で「ファインチューニング」が出たとき

G検定の「生成AIの活用」分野や、データサイエンティスト検定の「機械学習モデルの選定・適応」では、ファインチューニングが「RAGやプロンプトとどう違うか」という比較形で出題されやすいです。

合格のチェックは1つ：「RAGは〜、プロンプトは〜、ファインチューニングは〜」を、料理の比喩なしで30秒以内で言い切れるかどうか。言い切れないなら、まだ”用語を覚えている”段階です。

まとめ

ファインチューニングは「モデルを育て直す」のではなく、「モデルの味覚を、あなたの文脈に合わせる」技術です。RAG・プロンプトと”モデルの中身が変わるか”で使い分け、試験では30秒で3語に詰められるかが合否の線になります。

試験の3語の要点：「モデル内」「特化」「追加学習」

今週の5分アクション：使っているAIチャットに「この文脈で答えるとき、何が変わると嬉しいか」を1つ書き出し、それが”指示で足りるか（プロンプト）”それとも”モデル自体に覚えさせる必要があるか（ファインチューニング）”を1行で判断する

　ピアノを練習して自分の体に染み込ませている様子がわかります。ただ重みが更新、つまりレベルアップしている様子が少しわかりにくいかなと思いました。チューニングなので楽器が出てきたのかなと思います。適切なイラストの選択ですね。
評価：★★★☆☆