グラウンディング

解説

グラウンディングは、生成AIの出力を、検証できる情報源に結びつけて根拠を持たせることです。モデルが学習した一般知識だけで答えさせるのではなく、自社のFAQやマニュアル、検索結果などを根拠として渡し、その範囲で答えさせる考え方を指します。英語のground（接地させる）に由来し、日本語では「根拠づけ」とも訳されます。グラウンディングを行うと、事実と異なるもっともらしい回答（ハルシネーション）を避けやすくなります。

種類

グラウンディングには、根拠となる情報の渡し方によって、主に次の方法があります。

• プロンプトに資料を含める：回答に必要な文書を、指示文に直接添えて渡す
• RAG（検索拡張生成）：質問に関連する文書を社内のデータベースなどから検索し、検索結果を添えて回答を作らせる
• Web検索との連携：インターネット上の公開情報を検索し、検索結果に基づいて回答させる

たとえば、Google Cloudは、Google検索、Googleマップ、RAG（独自データの検索）などによるグラウンディングの方法を提供しています。

RAGとグラウンディングは、同じ場面で語られることが多い言葉です。ただし、RAGは実装上の手法の一つであり、グラウンディングは、何を根拠に答えさせるかという、より広い概念です。

注意点

根拠となる文書を与えても、誤りはゼロになりません。検索で必要な箇所を拾えなければ、AIは正しく答えられません。さらに、古い記事を拾えば、AIは古い内容を根拠にして回答します。

したがって、根拠となる文書の正確さと新しさが回答の質を左右するため、ナレッジの更新体制とあわせて運用します。また、どの文書を根拠の対象に含めるかという線引きも、運用側であらかじめ決めておきます。