グラウンディングとは
グラウンディングとは、生成AIの回答を、検索結果や社内文書、データベースなどの信頼できる情報源に結びつけ、その情報に基づいて答えさせる考え方と仕組みのことです。
平易に言えば、「AIの答えを、確かな資料という地面にしっかり着地させること」です。英語の ground（地面、根拠）に由来し、「根拠づけ」「接地」と訳されることもあります。
大規模言語モデルは、学習した大量の文章をもとに、もっともらしい文章を作るのが得意です。しかし、学習していない社内情報や最新の出来事は知らず、知らないことでも自然な文章で答えてしまうことがあります。この「もっともらしい誤り」（ハルシネーション）を減らすために、回答の材料となる情報を外から与え、それに沿って答えさせるのがグラウンディングです。
仕組み・ポイント
グラウンディングを実現する代表的な方法が、RAG（検索拡張生成）です。質問に関連する資料を検索し、その内容をプロンプトに加えてAIに回答させます。ほかにも、Web検索の結果を使う方法や、データベースから取り出した数値を渡す方法があります。
グラウンディングの質を左右する要素は、次のとおりです。
| 要素 | 内容 | 不十分だと起きること |
|---|---|---|
| 情報源の質 | 資料が正確で最新か | 古い情報に基づいた回答になる |
| 検索の精度 | 質問に合う資料を取り出せるか | 関係のない資料をもとに答える |
| 指示の明確さ | 資料にないことは答えないよう指示しているか | 資料と学習知識が混ざる |
| 出典の提示 | 回答にどの資料を使ったかを示しているか | 利用者が真偽を確かめられない |
| 検証 | 回答が資料と矛盾していないか確かめているか | 資料の誤読に気づけない |
設計のポイントは、「資料に書かれていないことは『分からない』と答える」振る舞いを明確に指示すること、そして回答に出典を添えさせることです。出典があれば、利用者は元の資料を開いて確かめられ、誤りに気づきやすくなります。
実務での使い方・具体例
ある会社が、営業担当者向けに製品仕様を答えるAIを作るとします（架空の例）。製品のカタログや仕様書、価格表をもとに答えさせ、次のような設計にしました。
- 質問を受けたら、製品資料の中から関連する箇所を検索する
- 取り出した箇所だけを根拠に回答するよう、システムプロンプトで指示する
- 回答の末尾に、参照した資料名とページを表示する
- 該当する資料が見つからない場合は、推測で答えず「資料に記載がありません」と返し、製品担当者への問い合わせ方法を案内する
- 別の処理で、回答に含まれる型番や数値が資料に実在するかを照合する
価格表のように頻繁に変わる情報は、文書ではなくデータベースから最新の値を取り出して渡すことで、古い価格を答えてしまう問題を防いでいます。
グラウンディングを検討する場面としては、次のようなものがあります。
- 社内規程やマニュアルに沿って答える問い合わせ対応
- 契約書や議事録など、特定の文書の内容に基づく要約・抽出
- 在庫数や予約状況など、変わり続けるデータを含む回答
よくある誤解と注意点
グラウンディングをしても、誤りがなくなるわけではありません。 検索で誤った資料を拾えば、誤った回答になります。資料を渡しても、AIが読み違えたり、資料と学習知識を混ぜたりすることもあります。評価用の問題で定期的に確かめることが大切です。
資料の整備が前提です。 古い版の文書や、部署によって内容が食い違う資料が混在していると、AIは正しい答えを選べません。グラウンディングの品質は、元になる情報の品質を超えません。
見せてはいけない資料に注意が必要です。 利用者の権限で閲覧できない文書を根拠にすると、本来見られない情報が回答に含まれてしまいます。検索の段階で権限を考慮する設計が必要です。
資料を多く渡せばよいわけでもありません。 関係の薄い資料まで大量に渡すと、AIが重要な箇所を見落としたり、処理の費用と待ち時間が増えたりします。質問に本当に必要な箇所を絞り込んで渡すことが、回答の質と効率の両方につながります。
出典の表示方法も工夫しましょう。 資料名だけでなく、該当する章や見出しまで示すと、利用者は元の資料をすぐに確かめられます。出典を確かめる習慣が利用者に根付くと、AIの誤りに早く気づけるようになり、資料の不備の発見にもつながります。
関連用語
- ナレッジベース：グラウンディングの情報源となる、整理された知識の集まり
- ハイブリッド検索：キーワードと意味の両方で資料を探す検索方式
- リランキング：検索結果を並べ替え、より適した資料を上位に置く処理
- 適合率・再現率（Precision・Recall）：検索の精度を測る指標
- 実践記事：RAGの回答精度を改善する方法：検索・分割・プロンプトの見直し
Otsumuに相談できること
グラウンディングの効果は、検索の仕組みだけでなく、元になる資料の整理や権限の扱い、評価の方法で大きく変わります。Otsumuでは、扱う資料と業務の流れを確認したうえで、根拠を示せる回答の仕組みをRAG開発として構築し、運用での改善まで支援しています。
「AIがもっともらしい誤りを答えて困っている」という段階からでもご相談ください。30分の無料相談で状況をお聞きします。
執筆：Otsumu株式会社 ／ 編集日 2026.10.01