ガートナージャパン、2027年までに企業における小規模でタスクに特化したAIモデルの導入・使用拡大を予測

　ガートナージャパンは、2027年までに企業が小規模でタスクに特化したAIモデルを導入するようになり、その使用量は汎用のLLMの少なくとも3倍に達するとの見解を、4月10日に発表した。

　企業は、ファインチューニングの手法を用いることによって、特定のタスク向けにLLMをカスタマイズした特化型モデルを構築できる。また、検索拡張生成（RAG）を用いることでLLMに自社データを組み合わせて、自社のビジネスに必要なテキストの生成が可能となっている。このプロセスでは、自社のデータが差別化要素となるため、データの準備、品質管理、バージョン管理、ファインチューニング要件に沿った構造化が必要となる。

　自社独自のモデルを商用化することによって、企業は新たな収益源を創出するとともに、より相互接続されたエコシステムの形成を促進できる。

　企業が小規模でタスクに特化したAIモデルを導入するにあたっては、以下のポイントを検討する必要があると指摘する。

• 文脈に即したモデルの試行：ビジネスの文脈が重要な領域や、LLMが応答品質や速度が期待を下回っている領域で、小規模かつ文脈特化型のモデルを導入する
• 複合的アプローチの採用：単一のモデルによるオーケストレーションでは不十分なユースケースを特定し、複数のモデルやワークフローを組み合わせた複合アプローチを採用する
• データとスキルの強化：ファインチューニングに必要なデータを収集・整備・構造化するためのデータ準備作業に注力する。同時に、AI／データ・アーキテクト、データ・サイエンティスト、AI／データ・エンジニア、リスク／コンプライアンス・チーム、調達チーム、ビジネス領域の専門家（SME）といった、テクノロジおよびビジネス機能に関わる人材のスキルアップに投資する

　日本では多くの企業がすでにRAGにチャレンジしているものの、精度に関する課題を抱えている。一方で、こうした状況を乗り越えてさらに自社のAI能力を強化すべく、今後は小規模かつタスク特化型のAIモデルやそれをベースにしたAIエージェント、およびエージェント型AIへの取り組みを強めていくと同社は予想する。また、そのためにAIに関わる人材のスキル、マインドセット、スタイルを含むケイパビリティを高める動きが拡大していくとの見方を示した。