グラウンディング

グラウンディング（Grounding）とは、LLMが生成する回答を特定の情報源・事実・文脈に基づかせることで、ハルシネーション（事実誤認）を防ぎ回答の信頼性を高める技術的アプローチです。「根拠に基づかせる」「地に足をつける」という意味から名付けられています。

グラウンディングの主要な実装方法として、RAG（検索拡張生成）は最も代表的な手法で、ベクトルDBや検索エンジンから関連情報を取得してコンテキストとしてLLMに提供します。ツール使用・Function Callingは、リアルタイムの検索APIや社内DBへのアクセスを通じて最新・正確な情報を取得します。また、Webグラウンディングは生成時にリアルタイムでWeb検索を実行し、最新情報に基づいた回答を生成します（Google Gemini・Perplexityなど）。

グラウンディングが重要な理由は、LLMが事前学習データの範囲内でしか知識を持たないためです。学習カットオフ以降の情報、社内固有のデータ、リアルタイム情報などはグラウンディングなしでは正確に回答できません。企業向けAIシステム（RAGベースの社内FAQ・ドキュメント検索等）はグラウンディングの実装が前提となっており、信頼性の高いAI活用の基本技術となっています。