グラウンディング（根拠づけ）

定義

グラウンディングとは、AI モデルの回答を、自社のドキュメント、ライブデータ、ナレッジベースといった検証済みの情報源に結びつけ、モデルの推測ではなく実際の事実を反映させる取り組みです。

別名: 回答の根拠づけ情報源への根拠づけ事実に基づく根拠づけ

仕組み

学習した内容だけでモデルに答えさせるのではなく、グラウンディングされたシステムでは、クエリの時点で関連する信頼できる文脈、つまり検索で取り出した記事、データベースのレコード、ツールの実行結果を与え、その文脈にもとづいて回答するようモデルに指示します。出典を示させることもよくあります。

検索拡張生成やツール利用といった手法は、このグラウンディングを実現するために作られています。モデルは、たまたま記憶していたことではなく、指し示せるコンテンツをもとに考えます。

サポートで重要な理由

グラウンディングは、ハルシネーションに対する最大の防御策です。最新のヘルプセンターとライブのアカウントデータに根拠を置いたサポートの回答は、正確で具体的です。根拠のない回答は、自信ありげに聞こえながら間違っていることがあります。ただし、グラウンディングの信頼性はその情報源を超えません。整理され、矛盾のないコンテンツがあってこそ、信頼できる回答になります。

よくある質問

グラウンディングと RAG はどう違いますか？

グラウンディングは成果、つまり回答が実際の情報源に結びついている状態を指します。RAG はそれを実現する代表的な手法のひとつで、関連する箇所を取り出してモデルに渡します。ツール利用も、ライブデータに根拠を置くもうひとつの方法です。

グラウンディングをすれば正確さは保証されますか？

いいえ。誤りは大きく減りますが、回答の正確さは根拠にした情報源の正確さまでです。古い、あるいは矛盾したドキュメントがあれば、自信ありげな誤答は依然として生まれます。

ナレッジソースを接続する

グラウンディング（根拠づけ）

仕組み

サポートで重要な理由

よくある質問

関連用語