ホーム / 自分専用のAIに育てる
GUIDE 03 / 中級

自分専用のAIに育てる

RAGとLoRAの違い、学習データの作り方

🕒 読む目安 12分更新:2026.11.21
「自分だけのAI」に近づける代表的な方法はRAGと追加学習です。似ていますが、できることが違います。

01. RAGとLoRAの違い

RAG

必要な情報をその場で読む

資料を検索し、見つけた部分をAIに渡して回答させます。資料が更新される用途に向きます。

質問 → 文書検索 → AI → 回答
LoRA / Fine-tuning

モデルの振る舞いを学習する

例題を使って、文章の形式・指示への従い方・特定作業での傾向を調整します。

学習例 → 訓練 → 調整モデル

02. どちらを選ぶ?

方法できること必要なもの
最新の自社資料に基づいて回答RAGが第一候補文書の整備・検索
いつも決まった形式で回答LoRAなどが候補良質な入出力例
両方の利点が欲しいRAG+LoRAを組み合わせる検索と学習の両設計

03. 訓練データを作る

追加学習では、まず正しい入出力の組を作ります。次は概念説明用のJSON形式の例です。実際のデータ形式は選んだ学習ライブラリに合わせて変えます。

TERMINAL / CODE
{
  "instruction": "会社の売上と利益率を説明して",
  "input": "売上1000万円、営業利益100万円",
  "output": "営業利益率は10%です。"
}

04. 学習前に評価セットを作る

1

練習用とテスト用を分ける

テスト問題を学習データに混ぜない。

2

実行前の回答を保存

正確性、根拠、形式を同じ基準で採点する。

3

少量から学習する

LoRAなどを使い、GPUメモリと学習時間を確認する。

4

改善を検証する

改善しない場合はデータ品質や評価方法を見直す。

勘違いしやすい点
「学習させれば何でも事実を覚える」というわけではありません。更新頻度の高い事実や根拠の提示にはRAGが適する場面が多いです。

参考:Hugging Face PEFT・Transformers PEFT