ファインチューニングとは、事前学習を終えたAIモデルに用途別のデータを追加で学習させ、モデル内部の重みを更新して振る舞いを変える手法です。LLM(大規模言語モデル)では、出力の書式・口調・分類の基準をそろえる目的で使われます。一方で「社内の知識を覚えさせる」用途には向かず、2026年はOpenAIがセルフサービスの学習機能を縮小するなど、どこで学習するかの前提も変わりました。この記事では、仕組みと種類、RAG・転移学習との違い、デメリット、2026年11月時点の提供状況を一次情報の数値つきで整理します。
まとめ:答え方の調整に強く、事実の追加に弱いファインチューニングの性質
ファインチューニングが得意なのは、望む出力の見本をデータで示せる仕事です。書式の固定、業界特有の言い回し、問い合わせの分類や項目の抽出がこれに当たります。新しい事実を覚えさせる用途は苦手で、検索で根拠を渡すRAGのほうが正答率が高いことが研究で示されています(後述のMistral 7Bの実験で、元の0.481に対し学習後0.504、RAGは0.875)。
検討の順番は、プロンプトの改善、RAG、ファインチューニングです。学習に進むのは、プロンプトに見本を並べても出力のぶれが業務の許容範囲に収まらないときに限ります。
2026年11月時点では、OpenAIの学習機能は新規利用者に閉じられ、既存利用者も2027年1月6日以降は新しい学習ジョブを作れません。学習済みモデルの推論も、元のモデルが終了する2027年1月14日に止まります。これから始めるなら、Microsoft Foundry・Google Cloud・Amazon Bedrockのマネージド学習か、オープンウェイトのモデルをLoRAで自前学習する選択肢が中心です。
ファインチューニングの意味:学習済みモデルの重みを追加データで更新する仕組み
LLMは、大量のテキストから次の単語を予測する事前学習で言語の一般的な規則を身につけます。ファインチューニングは、この学習済みモデルに「入力と模範出力の組」を追加で学習させ、重み(パラメータ)を書き換える処理です。プロンプトが実行のたびに指示を渡すのに対し、ファインチューニングはモデルそのものを作り替えます。
重みが変わるので効果は持続します。毎回長い指示を書かなくても目的の書式で答えるようになり、その分だけ入力トークンが減ります。反対に、学習で身についた癖が望ましくなかった場合、プロンプトの修正で抑えきれなければ学習データを見直して再学習することになります。
事前学習から指示調整・選好調整までの工程と位置づけ
ChatGPTのような対話型のLLMも、事前学習の後に複数のファインチューニングを重ねて作られています。OpenAIのInstructGPT論文(arXiv:2203.02155)では、GPT-3に人が書いた模範回答で教師ありの学習をかけ、次に回答の順位づけデータで強化学習(RLHF)をかけました。人による評価では、13億パラメータのInstructGPTの出力が、100倍以上大きい1,750億パラメータのGPT-3より好まれています。
この結果が示すのは、モデルの大きさを増やすより、望む答え方を学習させるほうが使い勝手に効く場面があるということです。企業が行うファインチューニングは、この工程の最後に自社用の仕上げを足す作業に当たります。事前学習を自前で行う必要はなく、データ量も計算資源も桁違いに小さく済みます。
転移学習との違い:考え方の総称と、重みを更新する具体的な手段
転移学習は、ある領域で学習したモデルの能力を別のタスクに流用する考え方の総称です。ファインチューニングはその代表的な手段で、学習済みの重みを追加データで更新します。転移学習には、重みを固定したまま中間の特徴だけを取り出して別の分類器に渡す「特徴抽出」もあり、こちらは元のモデルを書き換えません。
画像認識の文脈では、出力層だけを付け替えて学習する方法を転移学習、全体の重みまで更新する方法をファインチューニングと呼び分けることもあります。LLMの文脈で単にファインチューニングと言えば、教師ありの追加学習(SFT)を指すのが通例です。特徴抽出やドメイン適応との違いを実装の単位で比べたい場合は転移学習とは?ファインチューニング・特徴抽出との違いと実装判断で整理しています。
ファインチューニングの種類:学習方式とパラメータの更新範囲
種類は2つの軸で分けると混乱しません。1つは何を学ばせるか(学習の方式)、もう1つは重みのどの範囲を更新するか(更新の範囲)です。この2軸は独立していて、「LoRAで教師あり学習をする」のように組み合わせて使います。
学習の方式で分ける:SFT・DPO・強化ファインチューニング・継続事前学習
| 方式 | 学習に使うデータ | 主な用途 |
|---|---|---|
| 教師ありファインチューニング(SFT) | 入力と模範回答の組 | 書式・口調・分類の固定 |
| 直接選好最適化(DPO) | 良い回答と悪い回答の対 | 好みの文体・回答の質の調整 |
| 強化ファインチューニング(RFT) | 問題と採点関数 | 正解を判定できる推論タスク |
| 継続事前学習 | ラベルの無い大量の文書 | 専門分野の語彙への適応 |
入力と模範回答を用意できる企業用途では、SFTが検討候補になります。OpenAIのモデル調整ガイド(Model optimization)の手法表に現在並ぶのは、SFT・DPO・画像を含む学習の3つです。強化ファインチューニングに使えたo4-miniは2026年10月23日に終了しましたが、方式自体はGoogle Cloudの教師ありチューニングのガイドでも推論の多段化を学習させる手段として案内されています。継続事前学習は文書を丸ごと読ませる方式で、後述の研究のとおり事実を確実に答えさせる用途では効果が薄いため、語彙や文体への適応にとどめて考えるのが妥当です。
更新の範囲で分ける:全パラメータの更新とLoRA・QLoRA
全パラメータを更新するフルファインチューニングは、モデルが大きいほどGPUメモリと時間を食います。これを抑える技術がLoRA(Low-Rank Adaptation)です。元の重みを固定し、各層に小さな行列を足してそれだけを学習します。原論文(arXiv:2106.09685)は、GPT-3 175Bをフルで学習する場合と比べ、学習対象のパラメータを1万分の1、必要なGPUメモリを3分の1に減らせたと報告しています。
QLoRAは、元のモデルを4ビットに量子化したうえでLoRAを学習する方式です。論文(arXiv:2305.14314)では、650億パラメータのモデルを48GBのGPU 1枚で学習でき、16ビットでのフル学習と同等の性能を保ったとしています。学習結果はアダプタとして元のモデルと分けて保存できるので、用途ごとに複数のアダプタを切り替える運用が組めます。
オープンウェイトのモデルを自前で学習するなら、まずLoRAかQLoRAを選びます。フルファインチューニングを検討するのは、LoRAやQLoRAで目標の評価指標に届かず、全パラメータ更新による改善と追加コストを比較できる場合です。仕組みの詳細はLoRA(Low-Rank Adaptation)とは?仕組み・ランクrとalphaの決め方、QLoRAやDoRAを含む系統の比較はPEFTとLoRAの違いとは?peftライブラリの使い方とQLoRA・DoRAの比較で扱っています。
ファインチューニングでできること・できないことの境界
ファインチューニングの採否は、変えたいのが主に「答え方」か「知っている事実」かで大きく変わります。前者は得意で、後者は学習できても効率と正確さに課題が残ります。この境界を数値で確かめておくと、社内の議論で迷いません。
向く用途:書式・口調・分類の基準をデータで示せる仕事
得意なのは、正解の形を見本で示せる仕事です。問い合わせを社内の20分類に振り分ける、契約書から決まった項目を抜き出してJSONで返す、法務の回答を「根拠→結論」の2行で書く、といった用途がこれに当たります。プロンプトで同じことをさせると見本を毎回入れることになり、入力が長くなるうえに出力がぶれます。
見本の数は思ったより少なくて済みます。LIMAの研究(arXiv:2305.11206)は、650億パラメータのLLaMaを厳選した1,000件だけで教師あり学習し、人による比較で43%のケースでGPT-4と同等以上と評価されました。著者らは、知識のほとんどは事前学習で身につき、答え方の調整に要るデータは限られると結論づけています。OpenAIのガイドも最小10件、まずは作り込んだ50件から始めることを推奨しています。
知識の追加は入りにくい:Mistral 7Bで0.481が0.504にとどまった実験
「社内規程を覚えさせたい」という目的は、ファインチューニングでは達成しにくいことが分かっています。Ovadiaらの研究(arXiv:2312.05934)は、モデルの学習時点より後の出来事について910問の選択式問題を作り、記事の本文を教師なしで追加学習した場合とRAGで渡した場合の正答率を比べました。
| モデル | 元のモデル | RAG | 追加学習 | 言い換えを増やした追加学習 |
|---|---|---|---|---|
| Mistral 7B | 0.481 | 0.875 | 0.504 | 0.588 |
| Llama2 7B | 0.353 | 0.585 | 0.219 | 0.392 |
| Orca2 7B | 0.456 | 0.876 | 0.511 | 0.566 |
RAGはどのモデルでも大きく正答率を上げた一方、追加学習の上げ幅は小さく、Llama2 7Bでは元より下がりました。同じ事実を言い換えて何通りも読ませると改善しますが、それでもRAGには届いていません。この実験は教師なしの追加学習で、教師ありの学習にそのまま当てはまるわけではない点には注意が要ります。それでも、事実を正しく答えさせたい用途の第一候補がRAGであることは変わりません。
RAG・プロンプト調整との違いと検討の順番
LLMを自社用に合わせる手段は、プロンプト調整、RAG、ファインチューニングの3つです。どれもモデルの出力を変えますが、変える場所が違います。
| 観点 | プロンプト調整 | RAG | ファインチューニング |
|---|---|---|---|
| 変えるもの | その回の指示 | 参照する知識 | モデルの重み |
| 情報の更新 | 文面の書き換え | 文書の差し替え | 再学習 |
| 根拠の提示 | 渡した資料を引用可能 | 検索した資料を引用可能 | 参照資料の入力と検証が必要 |
| 初期の準備 | 指示文と見本 | 文書整備と検索基盤 | 学習データと評価 |
順番は安い手段からです。役割・条件・出力例を書いたプロンプトで足りるならそれで終わり、足りないのが知識ならRAG、出力のぶれが残るならファインチューニングを足します。RAGとファインチューニングは排他ではなく、規程の中身はRAGで渡し、回答の書式はファインチューニングで固定する併用もあります。LoRAはファインチューニングの手法の1つなので、「LoRAかRAGか」も同じ基準で判断できます。費用試算まで含めた比較はRAGとファインチューニングの違いと使い分け、RAGの仕組みはRAGとは?仕組みとLLM・ファインチューニングとの違い、指示文の設計はプロンプトとは?生成AIへの指示文の意味と書き方を参照してください。
ファインチューニングのデメリット:性能・安全性・提供終了の3つのリスク
導入の判断を誤りやすいのは、学習が通った時点で成功だと考えてしまう点です。費用以外に、次の3つのリスクがあります。
破滅的忘却と過学習:一般応答の劣化と未知の入力への対応低下
破滅的忘却は、特定のタスクに合わせた結果、もともとできていた一般的な応答が劣化する現象です。要約が雑になる、関係のない質問にも学習した書式を当てはめる、といった形で表れます。過学習は、学習データにはぴったり答えるのに、少し違う入力に弱くなる状態です。どちらも、学習に使わない評価用のデータと業務外の一般的な質問を学習前に用意し、学習の前後で同じ質問を投げて比べれば検知できます。症状が出たら、学習の回数(エポック)を減らす、LoRAのランクを下げる、一般的な応答例を学習データに混ぜる、のいずれかを1つずつ試します。
安全性の劣化:10件・0.20ドル未満の学習でガードレールが外れた研究
見落とされやすいのが安全性です。Qiらの研究(arXiv:2310.03693)は、悪意をもって作った10件の例でGPT-3.5 TurboをOpenAIのAPI経由で学習させ、0.20ドル未満の費用で有害な指示にほぼ何でも応じる状態にできたと報告しました。さらに、悪意のない一般的なデータセットで学習しただけでも、程度は小さいものの安全性が下がったとしています。
社内データで学習したモデルを顧客向けに出すなら、業務の精度に加えて、不適切な依頼を断れるかを学習前後で比べる評価を必ず入れてください。元のモデルの安全対策が学習後も残っている保証はありません。
提供終了のリスク:サービス別の学習済みモデルの利用期限
クラウドのAPIで学習したモデルの利用期限は、サービスとモデルごとの終了予定で決まります。学習済みモデルの配備期限が、元のモデルの終了日より後になる場合もあります。OpenAIは学習済みモデルの推論を「元のモデルが終了するまで」提供するとしており、学習可能な4モデル(gpt-4.1・gpt-4.1-mini・gpt-4o・gpt-4o-mini)はすべて2027年1月14日に終了します(OpenAIのDeprecationsページ)。学習データと評価の仕組みを手元に残しておかないと、移行先のモデルで作り直せません。重みを手元に持てるオープンウェイトのモデルなら、この種の期限には縛られません。
2026年11月時点の提供状況:主要クラウドとオープンウェイトの選択肢
ファインチューニングの解説記事の多くは「OpenAIのAPIで学習する」手順を前提にしていますが、2026年にその前提は崩れました。どこで学習できるかを先に確かめないと、計画が途中で止まります。
OpenAI:新規受付終了と2027年1月6日の学習ジョブ作成停止
OpenAIは2026年5月7日にセルフサービスの学習機能の縮小を告知しました。教師ありファインチューニングのガイドとDeprecationsページの記載は次のとおりです。
| 日付 | 内容 |
|---|---|
| 2026年5月7日 | 学習経験の無い組織は学習ジョブを作れない |
| 2026年7月2日 | 直近60日に学習済みモデルの推論が無い組織も不可 |
| 2026年10月23日 | gpt-4.1-nanoと学習済み版が終了 |
| 2027年1月6日 | 既存利用者も新しい学習ジョブを作れない |
| 2027年1月14日 | gpt-4.1・4.1-mini・4o・4o-miniと学習済み版が終了 |
新規の組織は使えないため、これから始める案件の選択肢にはなりません。ChatGPTの画面やGPTsでできることとの線引きはChatGPTのファインチューニング|GPTsとの違い・やり方・料金と新規受付終了で扱っています。
Microsoft Foundry・Google Cloud・Amazon Bedrock:対応モデルと地域の制約
OpenAI以外のクラウドでは学習機能が続いていますが、対応モデルと学習できる地域に制約があります。2026年11月時点の公式ドキュメントの記載は次のとおりです。
| サービス | 学習できる主なモデル | 地域・期限の制約 |
|---|---|---|
| Microsoft Foundry | gpt-4.1・4.1-mini・4.1-nano | 学習終了は2027年4月14日以降、配備は2027年10月14日まで |
| Google Cloud | Gemini 3.5 Flash・3.5 Flash-Lite・3.1 Flash-Lite | 学習はus・euのマルチリージョンのみ |
| Amazon Bedrock | Amazon Nova・Claude 3 Haiku・Llama 3.x | 対応表の地域はus-east-1とus-west-2のみ |
Microsoft Foundryは同じGPT-4.1系をOpenAIより長く学習・提供する予定で、モデルの終了予定表では既存顧客の学習終了を「2027年4月14日より前には行わない」、学習済みモデルの配備終了を2027年10月14日としています。ただし元のモデル自体が終了に向かっている点はOpenAIと同じで、長期の運用を前提にするなら後継モデルでの学習可否を確かめる必要があります。
Googleは2026年10月19日にGemini 3系の教師ありチューニングを一般提供にしました(リリースノート、対応モデルは教師ありチューニングのガイド)。上表のGemini 3系では、学習はus・euのマルチリージョン、推論はus・euに加えてglobalにも対応します。日本リージョンでの学習には対応していません。Amazon Bedrockもファインチューニングの対応表に載る地域は米国の2つだけです。学習データを国外に出せない規程がある会社では、この2社の学習機能は使えないと考えて計画を立ててください。
オープンウェイトのモデル:期限に縛られないが運用は自前
Llama、Qwen、Gemmaなど重みが公開されたモデルは、LoRAで自社のGPUやクラウドのGPUで学習できます。学習済みのアダプタは手元に残り、提供終了の期限もありません。データを社外に出せない場合は、自社管理のGPUで学習できるモデルと、その利用条件を確認します。代わりにGPUの手配、学習コードの保守、推論サーバーの運用を自分で抱えます。自社のPCで動かす前提の整理はローカルLLMとは?クラウド型との違い・必要スペック・Ollamaでの構築手順、学習に要るGPUメモリの目安はファインチューニングのやり方|必要なGPUメモリとLoRA学習コードを参照してください。
ファインチューニングの進め方:目的の定義から評価までの5工程
全体の流れは、目的とタスクの定義、学習データの準備、学習の実行、評価、運用と再学習の5工程です。データの品質に加えて、モデル選定と評価設計も成否を左右します。
学習データは、入力と理想の出力の組を1件ずつ並べます。OpenAI形式ならJSONL(1行に1件のJSON)で、system・user・assistantの役割をつけたメッセージ配列を書きます。
{"messages": [{"role": "system", "content": "社内規程の質問に、根拠と結論の2行で答える"}, {"role": "user", "content": "参照:在宅勤務規程 第5条 在宅勤務は前営業日の17時までに上長へ申請する。\n質問:在宅勤務の申請期限は?"}, {"role": "assistant", "content": "根拠:在宅勤務規程 第5条\n結論:前営業日の17時までに上長へ申請します"}]}
この見本では「根拠→結論」という並べ方に加え、回答に含まれる規程の内容も学習されます。規程が改定されると学習した内容は古くなるため、上の例のように参照する条文を入力に含め、その条文に基づいて答える形を模範出力にしておくと、RAGと組み合わせたときに中身の更新を検索側に任せられます。件数の目安、形式の違い、品質の確かめ方はファインチューニング用データセットの作り方|サンプル形式・必要件数・品質要件にまとめました。
評価用のデータは、集め終えた時点で2〜3割を先に抜き、学習には一切使いません。合否は書式の一致率や分類の正答率など、学習前に決めた指標で判定します。この基準を学習前に書けないなら、まだ学習に進む段階ではありません。運用を始めた後は、本番の入出力から失敗例を集めて模範回答を書き直し、学習データに戻す周期を計画に入れておきます。
ファインチューニングを見送るべき条件と費用の考え方
次のどれかに当てはまるなら、ファインチューニングは採用しません。
- 目的が、頻繁に変わる文書の内容を根拠付きで回答させることだけである(まずRAGを検討する)
- 業務を代表する一貫した模範回答を用意できない(まず回答例を蓄積し、利用するモデルの必要件数を確認する)
- 何を入れたら何が出れば正解かを定義できない(評価できないので学習しても良し悪しが分からない)
- 使うクラウドの学習機能や元のモデルに終了期限が迫っている
共通しているのは、ファインチューニングという手段が先に決まり、要件が後から付いてくる構図です。提案の段階でこの逆転を見つけたら止めるべきです。
費用の内訳は、データ作成の人件費、学習の実行費、評価と再学習の運用費、学習済みモデルの推論費やホスティング費です。費用を見積もる際は、データを作る人件費と学習・評価・推論の費用を分け、件数や運用期間に応じて比較します。まず数十件で小さく学習し、評価用データで効果を数字で確かめてから、数百件へ広げる段階投資にすると外れたときの損失を抑えられます。どの業務を生成AIで置き換えるか、学習まで要るのかの切り分けから相談したい場合は、株式会社一創の生成AI導入支援で設計段階から伴走しています。
よくある質問
ChatGPTでもファインチューニングはできますか?
ChatGPTの画面そのものを学習させる機能はありません。GPTsやプロジェクトに指示やファイルを添付する操作は、モデルの重みを変えず、実行のたびに情報を渡す仕組みです。重みを更新するAPIの学習機能は2026年5月以降、新規の組織に開かれていません。新規案件では、前述の比較表で対応モデル、学習地域、提供期限を確認して選びます。
ファインチューニングの料金はどのくらいかかりますか?
APIで学習する場合は、学習に流したトークン量に応じた学習料金と、学習済みモデルの推論料金がかかります。参考としてOpenAIの料金表では、gpt-4.1の学習が100万トークンあたり25ドル、gpt-4.1-miniが5ドルです(新規受付は終了済み)。自前で学習する場合はGPUの利用時間が費用になり、失敗した学習の再実行分も見込みます。総費用はデータ作成の工数、学習の規模、推論量、運用期間によって変わるため、学習料金だけでは判断できません。
ファインチューニングに必要なデータ件数はどのくらいですか?
OpenAIのガイドは最小10件とし、作り込んだ50件から始めて結果を評価することを推奨しています。研究ではLIMAが1,000件の厳選データで高い応答品質を示しました。件数より効くのは一貫性で、同じ種類の入力に対して模範回答の書式や判断基準が作成者ごとに違うと、そのぶれまで学習されます。まず50件前後で小さく学習し、評価用データで効果を確かめてから増やすのが無駄の少ない進め方です。
ローカルLLMでもファインチューニングできますか?
できます。LlamaやQwenなど重みが公開されたモデルを、LoRAやQLoRAで学習するのが一般的です。QLoRAの論文では650億パラメータのモデルを48GBのGPU 1枚で学習できたと報告されています。学習済みのアダプタは手元に残るため、クラウドの提供終了に左右されない点が利点です。代わりにGPUの手配と学習・推論環境の保守を自分で担います。
ファインチューニングとLoRAの違いは何ですか?
LoRAはファインチューニングの手法の1つです。ファインチューニングはモデルの重みを追加データで更新すること全般を指し、全パラメータを更新するフルファインチューニングと、一部だけを学習するPEFT(パラメータ効率型ファインチューニング)に分かれます。LoRAはPEFTの代表で、元の重みを固定して小さな行列だけを学習します。LoRAで学習した結果もファインチューニング済みのモデルとして扱います。