Grounding

AI概念
約1分で読めます

AIモデルの生成結果を信頼できる外部データや特定のナレッジベースと結びつけ、回答の正確性を確保する手法です。モデルが学習していない最新情報や内部データを参照させることで、ハルシネーション（幻覚）を抑制し、回答の根拠を提示します。

別名
グラウンディング

詳しい説明

グラウンディング（Grounding）は、AIモデルが単に学習された確率に従って単語を生成するのではなく、検証された事実やリアルタイムのデータに回答を固定（アンカー）させるプロセスです。LLMは学習時点以降の情報や非公開データを認識できないため、関連ドキュメントを検索してコンテキストとして提供するRAG（検索拡張生成）が、最も代表的なグラウンディングの実装方法です。 近年では、単なるテキストドキュメントを超えて、SQLデータベース、APIの呼び出し結果、リアルタイムのウェブ検索結果を回答の根拠として活用するなど、その範囲が拡張されています。これにより、企業はAIが架空の情報をでっち上げる現象（ハルシネーション）を防ぎ、ユーザーに回答のソース（出処）を明確に提示することで信頼性を高めることができます。特に、専門知識が必要とされる医療、法律、金融分野 of AIサービス構築において、必須の技術要素として位置づけられています。

ツール選定において重要な理由

企業向けのAIツールを選定する際、グラウンディングの性能は「ビジネスの実用性」を決定する尺度となります。モデル自体の知能と同等以上に、社内データや最新のウェブ情報をどれだけ正確に抽出して回答に反映できるかが重要です。グラウンディングが不十分であると、AIがもっともらしい嘘（ハルシネーション）をつくことになり、ビジネスの意思決定に致命的なエラーをもたらす可能性があります。

ツール選定時の確認事項

  • 回答に対する元の情報源（引用元：Citation）を明確にリンクで提供しているか？
  • リアルタイムのウェブ検索機能や社内データベース（ERP、CRMなど）との連携機能が含まれているか？
  • グラウンディングに使用されるデータのセキュリティや個人情報保護が保証されているか？
  • 検索された情報が回答とどれだけ関連しているかを測定する「Grounding Score（グラウンディングスコア）」を提供しているか？

例

ユーザーが「当社の今年第1四半期の営業利益は？」と質問した際、AIが一般的な常識から推論するのではなく、会社の最新の財務報告書（PDF）を検索して「第1四半期の営業利益は50億ウォンです」と回答し、当該ドキュメントの5ページ目をソースとして明記するようなケースが、グラウンディングの典型的な事例です。

混同しやすい用語

Fine-tuning (ファインチューニング)

モデルの脳自体を特定分野に合わせて再学習させるプロセスであり、新しい情報を「暗記」させる手法です。

Grounding (グラウンディング)

モデルに外部の「参考書」を与え、それに基づいて回答させるプロセスであり、リアルタイムなデータの反映に有利です。

関連用語

RAG幻覚ベクトルデータベースファインチューニング