定義
グラウンディングとは、LLMの出力を社内ドキュメントや外部データベースなど具体的な情報源に根拠付けし、ハルシネーションを防ぐ技術のこと。
グラウンディング (根拠付け)とは（詳しく解説）
グラウンディングは、LLMが学習データのみで答えるのではなく、指定した情報源（社内FAQ・製品カタログ・規約文書など）を参照させて回答を生成する手法だ。RAGと組み合わせることで効果が最大化され、現場では「ハルシネーション対策の第一手」として定着している。2026年の実運用で多い落とし穴は、グラウンディング先のドキュメント品質が低いケース。精度の高い検索インデックスを整備しないと、かえってもっともらしい誤情報を生成するリスクがある。相場感としては、社内文書500件程度のベクトルDB構築で月2〜5万円（クラウドホスティング込み）が目安。AI PICKSが現場企業に推奨する選び方は、まずRAG＋グラウンディングのみで精度要件を満たせるか検証し、不十分な場合にのみファインチューニングを検討する順序だ。事例として、カスタマーサポートに導入した企業でグラウンディング後に回答精度が40%以上改善されたと報告されている。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「グラウンディング (根拠付け)とは」 https://aipicks.jp/glossary/grounding
グラウンディング (根拠付け)の使用例
- 社内規約文書をベクトルDB化し、問い合わせに対してグラウンディングで根拠ページ付き回答を自動生成。
- 製品カタログをグラウンディング源に設定し、在庫外の商品を推薦するハルシネーションを排除した事例。
