ファインチューニングとは？意味・仕組みとRAGとの違い（2026年10月時点）

ひとことで言うと

ファインチューニングは、学習済みの AI モデルに、自分の用途の入力と答えの例を追加で学ばせ、その作業に強いモデルをつくることだ。OpenAI のガイドは、ベースのモデルにアプリで想定する入力と出力の例を与え、使う作業が得意なモデルを得る方法と説明している。

たとえば、問い合わせのメールを社内の決まった分類に振り分ける作業がある。正しく分類した例をたくさん学ばせれば、毎回のプロンプトで分類のルールを長く説明しなくても、同じ形で答えるモデルにできる。

仕組み

OpenAI のガイドによると、ファインチューニングはおおむね次の順で進める。

学習に使う例を集める。プロンプトと、それに対する正しい答えを組にする。
集めた例を決まった形式（JSONL という1行に1件のデータを書く形式）にして、提供元にアップロードする。
ファインチューニングの「ジョブ」（学習の処理）をつくると、学習が始まる。
できあがったモデルの結果を評価する。評価に使うデータは実際の入力に近いものにする。

OpenAI は方法を4つ挙げている。正しい答えの例を与える教師ありファインチューニング（SFT）、画像の入力を使う方法、正しい答えと誤った答えを並べて示す方法（DPO）、専門家の採点で推論を強める方法（RFT）だ。SFT は分類、細かい翻訳、決まった形式の文章づくりに向くとしている。

表で見る最新の状況

ファインチューニングは、大手の API で使える場所が減っている。

OpenAI は、ファインチューニングのプラットフォームを縮小している。2026年5月7日から、これまでファインチューニングを使ったことがない組織は新しく学習できなくなった。2027年1月6日には、いまの利用者も新しいジョブをつくれなくなる。すでにつくったモデルは、元になったモデルの提供が終わるまで使える。
Google の Gemini API と Google AI Studio では、ファインチューニングに対応するモデルがなくなった。Google のドキュメントによると、Gemini Enterprise Agent Platform では対応しているが、Gemini API で対応する予定は現時点でない。
TRAIL の年表では、画像生成の FLUX が2025年1月16日に「FLUX Pro Finetuning API を公開」した。1〜5枚の画像から自社向けにモデルを調整できる API だったが、2025年10月31日に「Flux Pro 1.0 と調整APIを終了」した。

OpenAI では、いまの利用者も2027年1月6日から新しいファインチューニングのジョブをつくれなくなる。ファインチューニングを検討するなら、提供元がその機能をいつまで続けるかを先に確かめる必要がある。

ファインチューニングと RAG、プロンプトの工夫の違い

	ファインチューニング	RAG（検索拡張生成）	プロンプトの工夫
何を変えるか	モデルそのものを追加で学習させる	質問のたびに関連する資料を検索して渡す	指示、資料、答えの例をプロンプトに書く
知識のありか	モデルの中（パラメータ）	モデルの外の、検索できる資料の索引	毎回のプロンプトの中
向く場面	決まった形式で答えさせる、分類、細かい翻訳	資料に基づいて答えさせ、根拠を示させる	これだけで足りる用途もある
手間	例を集めて学習させるので時間がかかる	検索の仕組みを用意する	指示を書き、評価しながら直す

OpenAI は、プロンプトの工夫だけで十分な結果が出る場合もあるとしている。プロンプトには学習データにない情報として、社内のデータベースの内容や最新の情報を入れられる。RAG を提案した論文（TRAIL の解説）は、モデルの中に蓄えた知識だけでは、知識の更新や答えの根拠を示すことが難しいと書いている。RAG はモデルと検索できる資料の索引を組み合わせ、この問題に取り組む方法として提案された。

仕事でどう関係するか

社内の資料を AI に答えさせたいとき

社内の規程や製品の資料をもとに答えさせたいなら、まず資料をプロンプトに入れるか、RAG で検索して渡す方法を考える。OpenAI も、学習データにない社内のデータはプロンプトに入れるよう勧めている。ファインチューニングは、答えの形式をそろえたいときの手段になる。

費用と速さを考えるとき

OpenAI によると、ファインチューニングには、プロンプトだけの場合にはない利点がある。毎回のプロンプトを短くできるので、使う量が多いとトークンの費用を抑えられ、応答も速くなることがある。社外に出したくないデータを、毎回のリクエストに入れずに学習に使える。大きなモデルでは割に合わない作業を、小さく安いモデルに覚えさせることもできる。

外部に開発を頼むとき

ファインチューニングを提案されたら、どの提供元のどのモデルで行うかと、その機能をいつまで使えるかを確かめる。上のとおり、OpenAI は新しい学習を2027年1月6日に止める予定だ。

プロンプト

次の業務で、プロンプトの工夫、RAG、ファインチューニングのどれから試すべきかを比べてください。
それぞれについて、準備に必要なもの、資料が変わったときの対応、費用がかかる点を表にしてください。
・業務：（業務の内容を書く）
・使う資料：（資料の種類と量を書く）

注意点と限界

OpenAI は、ファインチューニングを時間のかかる作業だとしている。学習用の例を集め、学習させ、評価して直す作業を繰り返す。
OpenAI は、モデルの出力は毎回同じとは限らず、モデルの版が変わると振る舞いも変わるとしている。学習させたモデルも評価を続ける必要がある。
学習に使えるモデルは提供元が決める。OpenAI のガイドでは、SFT と DPO に使えるのは GPT-4.1 の3つのモデル、RFT は推論モデルの o4-mini だけだ。ただし同社の廃止予定の一覧では、このうち GPT-4.1 nano と o4-mini は2026年10月23日に提供を終え、GPT-4.1 と GPT-4.1 mini も2027年1月14日に終える予定だ。
提供元の方針で機能そのものがなくなることがある。上の OpenAI、Google、FLUX の例がそれにあたる。

よくある質問

ファインチューニングとは簡単に言うと何か

学習済みの AI モデルに、自分の用途の入力と答えの例を追加で学ばせ、その作業に強くすることだ。モデルそのものを変える点が、プロンプトで指示する方法と違う。

ファインチューニングと RAG の違いは何か

ファインチューニングはモデルを追加で学習させ、RAG は質問のたびに関連する資料を検索してモデルに渡す。知識をモデルの中に入れるか、外の資料から取ってくるかの違いだ。答えの形式をそろえたいなら、ファインチューニングが向く。

OpenAI の API でファインチューニングはできるか

新しく始めることはできない。OpenAI の API のファインチューニングは縮小している。2026年5月7日からファインチューニングを使ったことがない組織は使えず、2027年1月6日にはいまの利用者も新しい学習ができなくなる。

ファインチューニングのデメリットは何か

OpenAI は、時間のかかる作業だとしている。学習用の例を集めて評価を繰り返す必要がある。使えるモデルが限られ、提供元が機能を終えることもある。

RAG とファインチューニングは組み合わせられるか

組み合わせられる。RAG を提案した論文は、RAG のモデルをファインチューニングするための汎用的な方法を示している。OpenAI も、ファインチューニングはプロンプトの工夫と一緒に使えると説明している。

ファインチューニングとは？意味・仕組みとRAGとの違い（2026年10月時点）