ガートナーは最近のレポートで、2027年までに企業は、汎用的な大規模言語モデル（LLM）よりも3倍の頻度で、特定タスク向けのAIモデルを使用するようになると発表しました。レポートでは、LLMは強力な言語処理能力を持つ一方で、特定のビジネス領域に関する深い理解を必要とするタスクでは回答の精度が低下する点を指摘しています。そのため、ますます多くの企業が、自社の特定ニーズに応じたカスタムAIモデルに注目しています。

AI、人工知能

出典注記：AI生成画像、画像ライセンスサービスプロバイダーMidjourney

ガートナーのバイスプレジデント兼アナリストであるスミット・アガーワル氏は、この変化は主にビジネスワークフローの複雑化と精度の向上への需要の高まりによるものだと述べています。「これらの小型でタスク特化型のモデルは、より迅速な応答を提供し、より少ないコンピューティングリソースを使用するため、運用コストとメンテナンスコストを削減できます」とアガーワル氏はレポートで述べています。

LLMとは異なり、タスク特化型モデルは、リカバリ強化型生成やファインチューニングなどの手法を通じて、特定のビジネスニーズに合わせて調整できます。このプロセスでは、企業データが非常に重要であり、モデルのカスタマイズに役立ちます。しかし、適切なデータを使用するために、データの品質チェック、準備、管理を行う必要もあります。

アガーワル氏は次のように述べています。「企業は、自社のプライベートデータと、特定のプロセスから得られるインサイトの価値をますます認識するようになり、モデルの収益化を開始し、顧客や競合他社を含むより幅広いユーザーにこれらのリソースへのアクセスを提供できるようになります。」これは、企業がデータと知識の使用において、保護的なアプローチからよりオープンで協調的なアプローチへと移行していることを示しています。

ガートナーは、企業がより小型のAIモデルに移行するためのいくつかの推奨事項も提示しています。これには、ビジネスコンテキストの深い理解が必要な領域、または既存のLLMが速度と精度の要件を満たさない領域で、カスタムモデルのパイロットを実施することが含まれます。単一のモデルでは不十分な場合、ガートナーは複数のモデルとワークフローを組み合わせることを推奨しています。さらに、レポートでは、データ準備と人材育成への投資の重要性を強調しています。企業は、小型AIモデルのトレーニングに向けてデータキュレーションを優先し、データサイエンティスト、AIエンジニア、コンプライアンス担当者、調達担当者などの主要な利害関係者を含む、多様なチームのスキルを向上させる必要があります。

ハイライト：

🌟 2027年までに、企業は汎用AIモデルよりも3倍の頻度で、特定タスク向けのAIモデルを選択するようになります。

⚙️ これらのモデルは応答がより迅速で、コンピューティングリソースの消費量が少なく、企業の運用コストを削減するのに役立ちます。

📊 企業は、AIモデルのカスタマイズと適用を支援するために、データ準備と人材育成に重点を置く必要があります。