ファインチューニングを使ってみた!

FileMakerに待望のファインチューニング機能が新たに追加されました。ファインチューニングについての前回のブログでは、この機能の概要や仕組みについて詳しく解説しましたが、今回は実際にそのファインチューニング機能を使ってみた体験をお届けします。

ファインチューニングについての以前のブログ

「Claris FileMaker 2025 – カスタムAppでAIをカスタマイズする「ファインチューニング」機能とは？」

まずは、下記動画を参照してください。

では、実際にスクリプトを確認してみます。

1.トレーニングデータ作成

「レコードを JSONL として保存」スクリプトステップ

レコードを JSONL として保存 [
     ファインチューニングの形式:オン; 
     テーブル:「問い合わせメール」; 
     システムプロンプト:問い合わせメール::プロンプト_g ; 
     ユーザプロンプト:問い合わせメール::問い合わせメールSample ; 
     アシスタントプロンプト:問い合わせメール::YWC回答メールSample ;
     MailSample.jsonl」; 
     フォルダを作成:オン 
]

トレーニングデータは、JSONL形式で用意する必要があります。
JSONLとは、「1行ごとに1つのJSONオブジェクトを書いたテキスト形式のファイル」のことです。
新しくJSONL形式のデータの作成ができる「レコードを JSONL として保存」スクリプトステップが追加されました。

JSONLの１行のJSONObjectは下記のようになっています。

     {
        "messages": [
            {
                "role": "system"
                "content": "システムプロンプト",
            },
            {
                "role": "user"
                "content": "問い合わせメール本文",
            },
            {
            	"role": "assistant"
                "content": "YWC回答メール",
            }
        ]
    }

2.AIアカウントを設定

「AI アカウント設定」スクリプトステップ

AI アカウント設定 [
     アカウント名:"AI" ; 
     モデルプロバイダ:OpenAI ; 
     API キー:"< API KEY >"
]

こちらは、以前からあるスクリプトステップです。

今回は、OpenAI API を使用しました。

3.OpenAI API で、ファインチューニングを実行

「モデルをファインチューニング」スクリプトステップ

モデルをファインチューニング[
     アカウント名: "AI" ; 
     ベースモデル: "gpt-4.1-mini-2025-04-14";
     トレーニングデータ: ファイル: "MailSample.jsonl" ; 
     応答のターゲット: $$res ; 
     引数:JSONSetElement ( "{}" ; ["suffix" ; "ywc_test" ; JSONString ] )
]

ファインチューニングを実行するスクリプト「モデルをファインチューニング」スクリプトステップが追加されました。引数を設定して、このスクリプトを実行するだけで、ファインチューニングを実行しモデルを作成してくれます。

実行すると、OpenAI API の 「Dashboard」ページの「Fine-tuning」項目に、モデルが追加されます。

今回作成されたモデル名は、次のようなモデル名になりました。

ft:gpt-4.1-mini-2025-04-14:yes-we-can-co-ltd:ywc-test:XXXXX

モデル名は、ベースモデル名と組織名、Suffix、ランダムなIDで構成されます。

「モデルをファインチューニング」スクリプトステップの引数で、Suffixの文字列を指定しています。Suffixをつけておくと、ファインチューニング済のモデルがどのモデルだったのか、見分けやすくなるので OpenAI API のファインチューニングを使うときには、指定することをおすすめします。

試してみる

OpenAI API の Playground を利用して、ベースモデル「gpt-4.1-mini-2025-04-14」と、ファインチューニング済モデル「ft:gpt-4.1-mini-2025-04-14:yes-we-can-co-ltd:ywc-test:XXXXX」を比べてみました。

左がベースモデルで、右がファインチューニングモデルです。
Userのプロンプトに、問い合わせメールを入力してみたところ、回答メールを作成してくれて、ファインチューニング済モデルは、よりYWCらしい回答メールを作成してくれるようになりました。

まとめ

Claris FileMaker 2025のファインチューニング機能は、AI活用の新たな可能性を大きく切り拓くものだと思います。カスタムApp内のデータをそのままトレーニングデータとして活用できるため、業務ごとに最適化されたAIを手軽に構築でき、ビジネスプロセスの自動化などに利用できます。今後は、各現場のニーズに合わせた多様なAI活用シーンがますます広がっていくのではないでしょうか。