働き方用語辞典 「グラウンディング」

■グラウンディングの必要性
AIは、事前学習による知識を基盤に回答を出力します。また、文脈によって次に来る単語を確率的に予測し、正確な内容よりも流暢な文章を生み出す特性があります。そのため、データに誤りや偏りがあると、事実とは異なる内容を生成するハルシネーションが発生しやすくなります。特にビジネスや専門的な用途において、誤った情報の提示は致命的な信頼性の低下を招きます。

そのため、外部の信頼できる情報源と結びつけて根拠を持たせる「グラウンディング」を行い、情報の裏付けを明確にすることが、AIの回答の正確性と信頼性を担保するために不可欠となります。

■主なグラウンディングの実現手段
グラウンディングを実現させるには、複数の技術的アプローチがあり、それぞれ目的やデータソースの性質に合わせて使い分けることができます。

・RAG(検索拡張生成)
質問に対し、社内マニュアルや契約書、顧客対応履歴などの社内データベースやナレッジベースといった情報源で検索(Retrieval)を行い、関連性の高い情報をプロンプトとして渡し、それを根拠に回答させる一般的な手法。独自のデータソースを基盤にすることで、根拠のある回答を抽出することができる。

・Web検索連携
GoogleやBingなどの検索エンジンと連携し、インターネット検索を実行し、ニュースや市場動向、改正法などの最新情報を参照して回答に反映させる。精度が高く、かつ最新の情報を取得することができる。

・引用・出典の明示
回答の根拠となった情報源をユーザーに提示する。該当箇所のURLや文書名、ページ番号などを回答と一緒に提示し検証可能にすることで、情報の透明性と信頼性が向上する。