「専有モデル」に騙されないで：経営者の皆さん、そのお金は無駄に使っていませんか？
経営者の皆さん、CIO（最高情報責任者）の皆さん、過去半年間、PPTを持って「自社専用の大規模モデルを作ろうか？」と聞かれたことはありませんか？
この言葉はとても高尚に聞こえますが、作らなければ時代に取り残されるかのような印象を与えます。しかし正直なところ、そのお金の使い方には疑問があります。今日は難解な技術用語は抜きにして、このお金の使い道を素直に考えてみましょう。
核心的なポイントを一言でまとめる：
いわゆる「専有モデル」とは、実際には価値が下がる「商品」（自己訓練、微調整、プライベートデプロイ）と価値が上がる「資産」（企業独自のコンテキスト/ビジネスロジック）が混ざったものです。多くの企業は「商品」を「資産」として購入してしまい、結果としてお金を使ってもモデルの価値はどんどん下がってしまいます。本当の競争力はモデル自体にあるのではなく、書き留められていないデータやルールにあります。
以下では、この複雑な問題を5つの側面に分けて詳しく説明します。
---
1. 「専有モデル」の正体を暴く：実際に何を購入しているのか？
市場で言われている「専有モデル」とは、まるで何でも入れられるバスケットのようなものです。中身を見てみると、実際には4つの異なるものがあります：
- 第一のもの：ゼロからの自己訓練（最も高価で最も難しい）
- 意味： 自分で土地を耕し、小麦を挽き、料理をするように、最も原始的なコードからモデルを訓練すること。
- コスト： 1億ドルから10億ドルの投資に加え、数百人のトップチームが必要。
- 現状： 実際に成功した例はほとんどありません。ほとんどの企業はそのハードルに達することができません。
- 第二のもの：微調整（最も「自社のもの」に近い）
- 意味： 既存のオープンソースモデル（例えば他社の汎用モデル）に自社のデータを入力し、その業界の専門用語を学ばせること。
- コスト： グラフィックカード1枚で数日で済む。
- 現状： 聞こえは良いですが、これは「自社専用のモデル」を持っているという錯覚を生みやすい罠です。
- 第三のもの：プライベートデプロイ（最も安全だが必ずしも最も賢くない）
- 意味： モデル自体は他社のもの（例えばHuaweiやBaiduのもの）ですが、サーバーを自社のデータセンターに移すこと。データが外部に出ないので安全性は高まります。
- コスト： ハードウェアやライセンスの購入が必要。
- 現状： 銀行や政府機関がこれを好む。しかし、購入したモデルが必ずしも最も賢いわけではありません。
- 第四のもの：コンテキスト（最も価値があるが見えない）
- 意味： 自社のデータ、ビジネスルール、ベテランの知識、承認プロセスなどです。これらは契約書には書かれておらず、評価も難しいですが、AIが「役に立つ」か「邪魔をする」かを決定します。
- コスト： 長期的な蓄積と整理が必要。
- 現状： これこそが本当の「専有資産」です。
重要な違い：
最初の3つは「商品」であり、購入した瞬間に価値は固定され、技術の進歩によりその価値は下がります（今日のトップモデルも3年後には古くなります）。4つ目のものだけが「資産」であり、使えば使うほど価値が上がります。
---
2. なぜサプライヤーは「商品」を「資産」として売るのか？
4つ目のもの（コンテキスト）だけが資産であるにもかかわらず、なぜ販売者は「専有モデル」と言うのでしょうか？
それは「商品」と「資産」を混ぜて売ることで、より高値で売れるからです。
- 境界の曖昧さ： サプライヤーは、どの部分が購入済みの資産で、どの部分がレンタルの商品で、来年どの部分に更新料が必要かをあまり明確にしません。境界がはっきりしていないと契約が難しくなります。
- 業界モデルの実態： 「恒生金融モデル」や「訊飛医療モデル」のような名前はカスタマイズされたように聞こえますが、実際には製造元が所有権を持っており、汎用的に販売されています。「業界専用」と言われても、実際にはそうではありません。
- 不安を煽る： 最大の目的は、顧客に「作らなければ遅れを取る」と感じさせることです。
例えを挙げると：
商品は新車のようなもので、購入後すぐに価値が下がりますが、資産は古い家の基礎のようなもので、使えば使うほど価値が上がります。現在の市場では「新車」を「代々受け継がれる家の基礎」として売りつけているのです。
---
3. ブルームバーグ、微調整、プライベートデプロイの問題点を分析する
いくつかの実際の例を通じて、これらの「商品」の購入がどれほど無駄かを見てみましょう。
**ブルームバーグの「自己訓練」の夢の破綻**
- 背景： ブルームバーグは世界で最も優れた金融データを持っており、2023年には1億3000万GPU時間と500枚以上の高級グラフィックカードを使って53日間かけて500億パラメータのモデルをゼロから訓練しました。
- 結果： 3年後、ブルームバーグの幹部はそのモデルが「研究用のモデル」に過ぎず、どの製品にも使用されていないと認めました。
- 理由： 訓練が完了した時点でパラメータは固定されており、外部の汎用モデルは数ヶ月ごとに更新されていました。進化し続けるモデルに対抗するには不十分でした。
- 教訓： 良い素材を持っていても、進化し続ける競争相手には勝てません。自己訓練は大企業の領域であり、一般企業は手を出すべきではありません。
**微調整の「砂箱の墓場」**
- 背景： 微調整は安価で手軽に思えますが、VentureBeatの調査によると、73%の微調整プロジェクトが途中で失敗したり、実装されなかったりしています。
- 問題点：
1. 開発環境からの脱却が難しい： 45%の企業が開発環境で行き詰まり、モデルは実際の環境では機能しない。
2. 厳しい条件： 成功した27%のプロジェクトでも、タスクが安定していてデータ量が十分で評価が追いつく必要があります。いずれかが欠けていれば無駄です。
3 静的なスナップショット： モデルは訓練時に最も賢いですが、ビジネス環境が変わると「遺産資産」になります。再訓練にはさらなるコストがかかります。
**プライベートデプロイの「空回り」と「偽の主権」**
- 背景： 82%の企業がプライベートデプロイを選択しており、データが外部に出ないという理由があります。
- 現実：
1. 利用率が低い： 各地域のAIセンターの平均利用率は58.3%で、西部の一部では30%未満です。機器はデータセンターに置かれていますが、電気代の減価償却だけが発生し、ビジネスの成果はありません。
2 偽の主権： 韓国では「主権AI」を推進していますが、ゼロからの独自開発が求められています。NAVERは阿里のビジュアルエンコーダを使用したために淘汰されました。しかし半年後、NAVERは依然として主役であり、費用はNVIDIAが負担しています。
3 実際： 購入した「専有モデル」は、データセンターのスペースに過ぎず、**実際の権限やエコシステムは他社のものです。
結論： これらのプロジェクトは表面上は良さそうに見えますが、実際には無駄にお金が使われており、モデルは古くなりがちです。
---
4. なぜわかっていても無駄にお金を使うのか？（人間性と職場の論理）
計算結果が悪いにもかかわらず、なぜ購入を続けるのでしょうか？それはこれが単なる算数の問題ではなく、政治的な問題だからです。
- 責任の不均衡：
- 間違った選択をした場合： 会社の損失になりますが、経営者はお金を惜しむだけで、通常は解雇されません。
- 購入しなかった場合： 個人が「遅れを取った」と責められます。大規模モデルを購入したからといって解雇されることはありませんが、購入しなかったために責められることがあります。
- CIOのジレンマ：
- **3分の2のCIOがAIの購入を後悔していますが、契約は彼らが結んだものです。
- **約3分の1のCIOが理解できないAIの成果を説明しなければなりません。
- **7割のCIOが成果を証明できないことを心配しており、予算や地位に影響が出ると懸念しています。
- 結果： 購入すれば責任を果たしたことになり、購入しなければ責任を負うことになります。慌てて購入したものは、最終的には無駄になるだけです。
---
5. この状況を打破する方法：「モデル」ではなく「資産」を構築する
この状況から抜け出すには、考え方を変える必要があります。「どのモデルが良いか」ではなく、「自社の資産は何か」を考えるべきです。
**何を購入すべきか？（商品の選択）**
1. 自己訓練： 数十億の予算や数百人のチームがなければ、考えるべきではありません。
2. 微調整： タスクが安定しており、データが十分で、評価が追いつく場合のみを購入してください。そうでなければ無駄になります。
3. プライベートデプロイ： データが機密性を要する（金融、政府、医療）場合にのみを検討してください。まずはデータが外部に出ないようにし、その後で賢さを考えましょう。
4. 汎用モデル： メンテナンスチームを維持できない場合は購入しないでください。モデル自体は半分の価値しかありませんが、メンテナンスができれば本当の価値があります。
**何を構築すべきか？（資産の核心）**
本当の資産はコンテキストに隠されています。成功している企業の例を見てみましょう：
- SAP（「Company Memory」を販売）： モデルを販売するのではなく、顧客の数十年分のプロセス、ルール、承認記録を収集し、AIが動作する前に「家の規則」を学ばせます。人の手による修正はすべて次のサイクルに反映されます。
- Palantir（「本体」を販売）： CEOは「モデルについては関与していない」と述べています。彼らが販売しているのはモデルの上に構築されたアプリケーション層、つまり「本体」です。
- Harvey（法律AIを提供）： 基礎モデルを訓練せずに、法律用の言葉遣い、ケーススタディ、プロセスを自社のコンテキストに取り入れています。
**アクションの手順：**
1. データが機密性を要する分野（金融、政府、医療）： まずはプライベートデプロイを検討し、コンプライアンスの問題を解決してください。最優先事項です。
2. ほとんどの企業：
- モデルは最も良いものを購入してください。モデルにはお金をかけないでください（価値は下がるからです）。
- 節約したお金と労力はすべてコンテキストの整備に使ってください：データを整理し、基準を明確にし、不明確なルールを書き留めてください。
- **これら3つのことは外部