【AIファクトリー】 (4) AIファクトリーにおけるFineTuning&RAGの役割：2026/1/7

現代のAIファクトリーでは、**「FTで脳を鍛え、RAGで最新資料を持たせる」**というハイブリッド戦略が定石

※FTの学習コスト低減のため、合成学習が有効

1. なぜ「役に立たない」という噂が出るのか？（失敗するケース）

多くの人がFTに期待して裏切られるのは、**「AIに最新情報を教え込もうとする」**ときです。

• 知識の定着が悪い: FTは「知識」を記憶させる効率が悪く、無理に覚えさせようとすると「ハルシネーション（もっともらしい嘘）」が増える傾向があります。
• 情報の更新が困難: 情報を更新するたびに再学習（数百万〜数千万のコスト）が必要になり、RAG（検索）のように「資料を差し替えるだけ」という手軽さがありません。
• 破滅的忘却: 特定の知識を詰め込みすぎると、AIが元々持っていた一般的な推論能力や柔軟性が損なわれる（バカになる）ことがあります。

2. それでも「有効」で「不可欠」なケース（成功するケース）

タービン開発のような超専門分野では、RAGだけでは対応できない領域があります。そこがFTの独壇場です。

① 特殊な「言語・専門用語」の習得

タービン設計における独自の変数名、専門的な数式表現、社内特有の略称など、**一般のLLMが知らない「言葉のルール」**を脳に叩き込むには、FTが最も効果的です。

② 出力形式の徹底（プログラミングやCAD）

例えば、「回答は必ず特定のシミュレーションソフト（ANSYSなど）が読み込めるスクリプト形式で出せ」という厳格な指示は、プロンプト（指示文）だけでは限界があります。FTをすることで、AIの「口癖（出力スタイル）」そのものを矯正できます。

③ 思考プロセスの模倣

「ベテラン設計者はまずAを確認し、次にBを計算し、Cの基準で判断する」といった**独自の思考手順（ロジックの癖）**を学習させるには、FTによる重みの書き換えが有効です。

3. 「RAG vs ファインチューニング」の使い分け表

4. タービンAIファクトリーにおける「正解」

現代のAIファクトリーでは、**「FTで脳を鍛え、RAGで最新資料を持たせる」**というハイブリッド戦略が定石です。

• FTの役割: タービン工学の概念、流体解析コードの書き方、設計基準の「考え方」をモデルに染み込ませる。
• RAGの役割: 昨日の実験データ、現在の資材価格、顧客ごとの個別仕様書を、回答の瞬間に参照させる。

結論

「FTは役に立たない」という噂は、**「RAGで済むことをFTでやろうとして失敗した人たちの経験談」**である可能性が高いです。

タービン開発のような、物理法則と厳格なルールに基づく世界では、**「物理学の勘所を教え込むためのFT」**は、依然として差別化の核心となる技術です。