国産LLMを徹底比較!各モデルの特徴と選び方【2026年最新版】
国産LLMでは2026年、商用提供と政府利用を前提にした動きが目立ちます。2023年から2024年にかけて各社が相次いで公開したtsuzumi・PLaMoは後継版へ切り替わり、cotomiも新しい製品が加わっています。
この記事では、2026年時点で提供が続いている国産LLM9件を、開発元の公式発表をもとに比較します。あわせて、政府の生成AI基盤「源内」の評価対象に選ばれた5モデル、日本語LLMを選ぶときの9つの比較ポイント、そして選定後のマニュアル整備と相談先の案内までを紹介します。
目次
- 【2026年10月版】国産LLMの比較表
- 大規模言語モデル「LLM」とは
- 【2026年最新】いま提供されている国産LLM9選
- 政府の生成AI基盤「源内」の評価対象に選ばれた5モデル
- 2023〜2024年に公開された初期の国産LLM
- 【選び方】日本語LLMの比較ポイント
- 【弊社事例】LLMと生成AIのビジネス活用例
- 選定から定着まで、必要なところから相談する
【2026年10月版】国産LLMの比較表
| モデル | 開発元 | 2026年時点の最新の動き | 公式発表で確認できる規模 |
|---|---|---|---|
| tsuzumi 2 | NTT | 2025年10月に提供開始、2026年5月に図表読解を強化 | 30Bパラメータ(GPU1枚で動作) |
| cotomi | NEC | 2026年8月に業務自動化エージェントを販売開始 | 公表なし(2024年のcotomi ProはGPT-4の約1/8の応答時間) |
| PLaMo 3.0 Prime | Preferred Networks | 2026年6月に正式提供、10月にMicrosoft Foundryへ | コンテキスト長256k |
| Takane | 富士通(Cohereと共同開発) | 2026年2月に中央省庁での実証結果を公表 | 源内向けは32Bモデル |
| Sarashina3 mini / Sarashina3 nano | SB Intuitions | 2026年6月に発表されたフルスクラッチ開発のSarashina3(さらしな3)シリーズ | 30Tトークン |
| Rakuten AI 3.0 | 楽天グループ | 2026年3月に提供開始(Apache License 2.0で無償配布) | 約700Bパラメータ(MoE) |
| ELYZA-Thinking-1.0 | ELYZA | 2026年10月にApache License 2.0で無償公開 | 33Bパラメータ |
| Sakana Namazu / Fugu | Sakana AI | 2026年8月に企業向けAPI提供、9月に新版を追加 | 公表なし |
| Stockmark-2-100B | ストックマーク | 2025年3月に公開、NVIDIA NIMでも提供 | 100Bパラメータ |
この表からは、提供の形(無償配布、マーケットプレイス、政府での評価)に動きが目立つことがうかがえます。楽天とELYZAは重量級のモデルを無償で配布し、NECとPFNは外部のマーケットプレイス経由でも提供しています。富士通は中央省庁の実証で使われ、NTTデータのtsuzumi 2は政府のガバメントAI「源内」の評価対象に選ばれています。
大規模言語モデル「LLM」とは

大規模言語モデル「LLM(Large Language Models)」は、膨大なデータセットとディープラーニング技術によって構築されています。計算量・データ量・モデルパラメータ数の3つの観点から従来の言語モデルを大幅に上回っており、自然言語処理(NLP)において優れた性能を持っているのが特徴です。
LLMの処理は、おおまかに次の3段階で進みます。
- トークン化:テキストデータを単語や文字の一部などの単位(トークン)に分割する
- ベクトル化:トークン化したものを数値に変換する
- 推論による生成:ニューラルネットワークで文章を生成する
なお、ニューラルネットワークによる学習は、この処理の前にモデルを作る工程です。応用される自然言語処理タスクは、チャットボット・翻訳・文章要約・テキストの分類などです。仕組みの詳細や、LLMと混同されやすい用語の違いは「LLMとは?仕組みから主要モデル・活用事例まで紹介」で解説しています。
【2026年最新】いま提供されている国産LLM9選
ここからは、2026年10月時点で提供・公開が続いている国産LLMを、開発元の公式発表をもとに1件ずつ紹介します。
国産LLM①NTT「tsuzumi 2」
NTTは2023年11月に日本語特化の軽量LLM「tsuzumi」を発表し、2024年3月から企業向けの提供を開始しました。優れた日本語処理能力を持ちながら、必要とするハードウェアの規模が従来のモデルよりはるかに小さい点が特徴です。
2025年10月には後継の「tsuzumi 2」へ切り替わりました。30BパラメータでGPU1枚から動作し、2026年5月19日には図表の読解を強化するアップデートが行われています。
- 軽量性(運用コスト・導入コストの削減)
- 多言語対応(英語にも対応可能)
- 柔軟なチューニング(アダプター追加でカスタマイズ可能)
- 図表を含む文書への対応(2026年5月のアップデートで図表の読解を強化)
出典NTT「満を持してデビュー!大規模言語モデル(LLM)「tsuzumi」記者会見速報」(2023年11月1日)/NTT「NTT版LLM tsuzumi 2アップデート」(2026年5月19日)/日経クロステック「NTTが純国産LLMの新版「tsuzumi 2」提供開始、30Bパラメーターで日本語性能を強化」(2025年10月21日)
国産LLM②NEC「cotomi」
NECの「cotomi」は、ビジネス現場への実装を通じた課題解決を目指す国産LLMです。2024年4月に公開された「cotomi Pro」は、GPT-4と同等の性能を保ちながら、GPU2枚の構成でGPT-4のおよそ1/8の応答時間を実現しました。軽量版の「cotomi Light」も同時に発表されています。
2026年8月にはブラウザを自動操作するAIエージェント「NEC cotomi Agent」をMicrosoft Marketplaceで1ユーザーあたり月額1万5,000円(税別、別途専用テナント利用費が必要)で販売開始しました。2026年9月2日には、脆弱性の分析や仮想パッチ生成を支援する「cotomi Security for Industry」も発表しています。
出典NEC「NEC、世界トップレベル性能の高速な大規模言語モデル (LLM) cotomi Pro / cotomi Lightを開発」(2024年4月24日)/NEC「業務自動化AIエージェント「NEC cotomi Agent」を販売開始」(2026年8月18日)/NEC「セキュリティ向けAI技術「cotomi Security for Industry」を開発」(2026年9月2日)
国産LLM③Preferred Networks「PLaMo 3.0 Prime」
Preferred Networks(PFN)の「PLaMo」は、2024年12月に商用提供を開始した国産LLMシリーズです。PLaMo APIのインターフェースがOpenAI APIと互換になっており、既存のコードやLangChainなどのライブラリをそのまま使えるのが導入面での利点です。
2026年6月22日には「PLaMo 3.0 Prime」が正式提供となり、コンテキスト長が256kまで拡張されました。2026年10月6日からは、Microsoft Foundry上でもPLaMo 3.0 PrimeとPLaMo翻訳が使えます。
- テキスト生成・要約・翻訳・テキスト分析が可能
- 教育・カスタマーサポート・コンテンツ制作など、様々な分野での活用が期待できる
- OpenAI互換APIにより、既存システムからの移行がしやすい
出典Preferred Networks「PFN、国産大規模言語モデルPLaMoのフラッグシップモデルPLaMo Primeを新開発」(2024年12月2日)/Preferred Networks「国産生成AI基盤モデルPLaMo 3.0 Primeを正式リリース」(2026年6月22日)/Preferred Networks「Microsoft FoundryでのPLaMo提供開始」(2026年10月6日)
国産LLM④富士通「Takane」
「Takane」は、富士通がCohereと共同開発した、日本語性能を強化したエンタープライズ向けLLMです。2025年4月16日から、Nutanixの「Nutanix Enterprise AI」の認定LLMとして利用できるようになりました。
パブリッククラウドにデータを出せない業務領域や、法規制・業界ルールへの準拠が求められる業務が想定用途です。金融や官公庁など高いセキュリティが必要な分野向けに、クラウドを含むプライベート環境で利用できるサービスを展開していくとされています。
2026年2月には、中央省庁と2025年に行ったパブリックコメント業務の実証で、約12万字の意見の分類・要約を約10分で終えた結果が公表されました。
出典Nutanix「富士通の企業向け日本語強化型LLM「Takane」がNutanix Enterprise AIより提供開始」(2025年4月16日)/富士通「パブリックコメント業務に大規模言語モデル「Takane」を活用し、中央省庁で業務効率化の実証実験を実施」(2026年2月3日)
国産LLM⑤SB Intuitions「Sarashina3 mini/Sarashina3 nano」
「Sarashina3 mini」と「Sarashina3 nano」は、SB Intuitionsが2026年6月30日に公開した国産LLMで、nanoはminiをさらに軽くした版です。どちらもフルスクラッチで開発されています。長い推論を挟まずにすぐ答えるInstructモデルで、日本語・英語を中心とした30Tトークン規模のデータで事前学習されています。商用APIとして提供されており、開発元の発表では、デジタル庁が推進するガバメントAIの試用モデルとしても採択されたとされています。
開発元は、中規模のモデルでも海外の大規模モデルに近い性能を出せるとしています。開発元のベンチマークでは、miniはQwen3-235BやGPT-4.1と全体として同程度の性能で、日本文化に関するQAではこれらを上回りました。nanoは速度を重視したモデルで、口コミ分析のような単純な処理を大量にこなす用途に向いています。一方で、推論(Reasoning)モデルが主流になった今、エージェント性能などにはまだ課題が残ると開発元自身が認めています。用途に応じてモデルを使い分ける判断が必要です。
出典SB Intuitions TECH BLOG「Sarashina3 mini / Sarashina3 nano: フルスクラッチで開発した最新の国産LLM」(2026年6月30日)
国産LLM⑥楽天グループ「Rakuten AI 3.0」
楽天グループは2026年3月17日、約700BパラメータのMoEモデル「Rakuten AI 3.0」をApache License 2.0で提供開始しました。無償でダウンロードでき、商用利用もできます。
前世代の「Rakuten AI 2.0」は、7Bパラメータのサブモデル(エキスパート)8つで構成される8×7BのMoEモデルでした。入力トークンごとに、ルーターが最も適した2つのエキスパートを選ぶ仕組みで、計算効率を保ちながら性能を上げています。
2026年7月29日には、軽量版のRakuten AI 7Bを使った「Rakuten AI for Desktop」を日本HPと共同で提供開始しました。端末内で動かす用途にも広がっています。
出典楽天グループ「楽天、「GENIACプロジェクト」の一環として開発された国内最大規模の高性能AIモデル「Rakuten AI 3.0」を提供開始」(2026年3月17日)/楽天グループ「楽天と日本HP、HP製PC向けに「Rakuten AI for Desktop」を提供開始」(2026年7月29日)/楽天グループ「楽天、日本語に最適化した新たなAIモデルを発表」(2024年12月18日)
国産LLM⑦ELYZA「ELYZA-Thinking-1.0」
ELYZAは、Metaの「Llama」シリーズをベースに日本語を追加学習させたモデルを公開してきました。2024年6月26日に公開した「Llama-3-ELYZA-JP-70B」は、開発元の評価で70BパラメータでGPT-4を上回る日本語性能を示したとされ、同時に8Bパラメータのモデルが商用利用可能な形で一般公開されています。
2026年10月2日には、国立情報学研究所のLLM-jp-4を基盤にした推論モデル2種(「ELYZA-Thinking-1.0-llm-jp-4-33b」「ELYZA-Thinking-1.0-llm-jp-4-32b-a3b」)を商用利用できる形で公開しました。配布元のモデルカードではライセンスがapache-2.0 と表示されています。あわせて、AIがAIを開発する研究を進める「ELYZA RSI Research」を設立しています。
出典ELYZA「公式発表」(2026年10月2日)/「株式会社ELYZA|PR times」(2024年10月25日)/「Hugging Faceモデルカード(ELYZA-Thinking-1.0-llm-jp-4-33b)」/ELYZA「ELYZA LLM for JP」シリーズの最新モデル「Llama-3-ELYZA-JP」を公開しました(2024年6月26日)
国産LLM⑧Sakana AI「Sakana Namazu/Sakana Fugu」
Sakana AIは、日本語特化LLM「Sakana Namazu」を2026年3月にα版として公開し、2026年8月3日から企業向けのAPI提供を始めました。Sakana Namazuは、海外製のオープンモデル(API版はMoonshot AIのKimi K2.6)に、日本向けの追加学習を施したモデルです。
また、複数のモデルを束ねるマルチエージェント基盤「Sakana Fugu」が2026年6月22日に公開され、2026年9月11日に「Fugu Max」「Fugu Ultra v2」が追加されています。
ベンチマークの数値を導入判断の根拠にするときは、発表後の訂正まで確認することをおすすめします。
出典ビジネス+IT「日本発AIユニコーン「Sakana AI」が日本特化型新AIモデル「Namazu」公開(2026年3月25日)/Sakana AIIntroducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier(2026年9月11日)
国産LLM⑨ストックマーク「Stockmark-2-100B」
ストックマークは2023年10月26日、13Bパラメータの日本語LLM「Stockmark-13b」を商用利用可能なライセンスで公開しました。220Bトークンの日本語テキストで事前学習しており、ChatGPTと比べて約4倍高速に生成できることが示されています。企業情報や特許の更新情報など、同社が収集してきたビジネス領域のデータを学習している点が特徴です。
2025年3月18日には、100Bパラメータの「Stockmark-2-100B-Instruct-beta」を公開しました。商用利用でき、開発元はビジネスドメインで信頼して活用できるモデルとしています。
また、Stockmark-2-100Bは、2025年9月から、NVIDIAの推論マイクロサービス「NVIDIA NIM」を通じた提供も開始しています。
出典Stockmark「ビジネスのドメインや最新情報に対応した130億パラメータの日本語LLMの公開」(2023年10月26日)/ストックマーク「1,000億パラメータの日本語LLM「Stockmark-2-100B-Instruct-beta」を公開」(2025年3月18日)/NVIDIA(PR TIMES)「ストックマークがゼロから構築した 1,000億パラメーターの日本語大規模言語モデルをNVIDIA NIMマイクロサービスとして提供開始」(2025年9月25日)
政府の生成AI基盤「源内」の評価対象に選ばれた5モデル
国産LLMを選ぶうえで参考になるのが、デジタル庁が進めるガバメントAI「源内」の動きです。政府が国産LLMを評価し、契約先を公表している取り組みです。
初回公募では、次の5社と評価検証契約が結ばれています。
- NTTデータ「tsuzumi 2」
- ソフトバンク「Sarashina」
- NEC「cotomi v3」
- 富士通「Takane 32B」
- Preferred Networks「PLaMo」
ITmedia AI+の報道によると、2026年度は契約した5社のモデルを源内上で試用し、評価・検証する予定です。また2026年5月29日の発表では、2027年度向けの本格導入に向けた再公募を2026年11月に開始し、評価テストの問題数を50問から300問へ拡充する方針が示されました。
出典ITmedia AI+「デジタル庁、AI「源内」向け国産LLM再公募 有償の政府調達へ 評価テストは50問→300問に」(2026年5月29日)
2023〜2024年に公開された初期の国産LLM
いまの主要モデルの前に、研究機関や事業会社が公開した第一世代があります。現在の国産LLMの開発は、この時期に公開されたモデルの経験を踏まえて進んでいると考えられます。技術の系譜を押さえる目的で、公開時点の事実をまとめておきます。
- 東京大学 松尾・岩澤研究室「Weblab-10B」(2023年8月)…10Bパラメータ、日英2か国語対応。英語は「The Pile」、日本語は「Japanese-mC4」のデータセットで事前学習。商用利用は不可
- Stability AI Japan「Japanese StableLM Alpha」(2023年8月)…7Bパラメータの汎用言語モデル。日本語の文脈や文化に基づくデータで学習
- サイバーエージェント「CyberAgentLM3」(2024年7月)…22.5Bパラメータ、Apache License 2.0で商用利用可。Nejumi LLMリーダーボード3で、70Bパラメータの「Meta-Llama-3-70B-Instruct」と同等の性能を記録
- Lightblue「ao-Karasu」(2024年3月)…72Bパラメータ。開発元によるJapanese MT-Benchの自動評価で、GPT-3.5 Turboを上回る結果を示した
- 富士通ほか「Fugaku-LLM」(2024年5月)…スーパーコンピュータ「富岳」で学習した13Bパラメータのモデル。学習データの約60%が日本語で、演算速度6倍・通信速度3倍の高速化を達成。東京工業大学(現・東京科学大学)、東北大学、理化学研究所、名古屋大学、サイバーエージェント、Kotoba Technologiesとの共同開発
出典東京大学「東京大学松尾研究室 100億パラメータサイズ・日英2ヶ国語対応の大規模言語モデル"Weblab-10B"を公開」(2023年8月22日訂正版)/Ledge.ai「Stability AIが日本語LLM「Japanese StableLM Alpha」 “公開モデルとしては最高性能”」(2023年8月15日)/サイバーエージェント「独自の日本語LLMのバージョン3を一般公開」(2024年7月9日)/Lightblue「国内最高水準の日本語LLMモデル「ao-Karasu」を公開」(2024年3月22日)/富士通「スーパーコンピュータ「富岳」で学習した大規模言語モデル「Fugaku-LLM」を公開」(2024年5月10日)
【選び方】日本語LLMの比較ポイント

ここからは、自社のニーズに合った日本語LLMの選び方を解説します。比較ポイントは主に次の9つです。
- 目的に合った機能
- 操作性
- サポート体制・セキュリティ対策
- 予算内継続の可否
- データソースの限定によるリスク
- 多言語翻訳・国際対応の制約
- 日本語独自の表現や文化的ニュアンスの処理
- 国際的なトレンドや最新技術への適応
- 運用・拡張の柔軟性
1〜4はLLM選定の基本、5〜9は日本語特化LLMを選ぶときに固有の注意点です。
1.目的に合った機能
日本語LLMを導入する際は、「自社の目的やビジネスニーズに合致しているか」を重視しましょう。たとえば、営業支援なら顧客対応の自動化、マーケティングならデータ分析やコンテンツ生成など、用途に応じたモデルを選ぶことが大切になります。
最適なLLM選定のためには、まず導入前に自社の課題を洗い出し、具体的な目標を設定しておくことも必要です。業務フローの確認や担当者のヒアリングを通じて、実際の活用シーンを明確にしておきましょう。
2.操作性
従業員や担当者のレベル感に合った操作性のLLMを導入することも大切です。直感的なインターフェースかどうかなど、従業員がスムーズに使いこなせるかも確認しましょう。実際の業務で支障なく活用できるかを判断するために、トライアル版を試してみるのも有効です。使いやすさを重視することで、社内の定着率や業務効率の向上にもつながります。
あわせて、導入時に、使い方や個人ごとの設定方法を手順書・マニュアルとして残しておくことも欠かせません。特定の担当者だけが使いこなしている状態では、社内に定着しにくくなります。マニュアルを共有して属人化を防いでおけば、利用が広がるだけでなく、異動や退職のときの引き継ぎもスムーズになります。
▶ 手順書・マニュアルづくりの相談はこちら(Flowbase)
3.サポート体制・セキュリティ対策
信頼性の高いサポートと強固なセキュリティは、LLMを安心して運用するための必須要素です。技術的なトラブルや運用上の問題が発生した際、迅速に対応できるサポート体制が整っているかを確認しておくことで、万が一の際にも安心できます。
また、企業データの安全性を確保するため、高いセキュリティ基準を満たし、データ保護法やプライバシー要件に適合しているかも確認が必要です。データを国外に出せない業務では、オンプレミスで動かせるモデルや、国内で完結する提供形態かどうかが選定の基準になります。
4.予算内継続の可否
LLMの導入時は、予算内で継続的に運用できるかを確認することが重要です。初期費用だけでなく、月額料金などのランニングコストや、追加機能にかかるオプション費用も考慮し、長期的な負担を試算しましょう。
複数のベンダーの契約プランを比較し、必要な機能を備えた最適なプランを選ぶことが大切です。無料トライアルを活用し、実際の使い勝手を確認するのもいいでしょう。
5.データソースの限定によるリスク
LLMの性能は学習データに大きく依存します。国際的な基盤モデルは多言語の大規模なコーパスを利用し、幅広い知識を蓄積しています。一方で、モデルによっては主に国内のデータセットに基づいて学習されており、情報の網羅性や多様性が制限されるリスクがあるのです。本文で紹介したSarashina3のように、日本語・英語を中心に学習されたモデルもあります。
たとえば、日本国内のニュースや論文、書籍などを学習データとして活用する場合、それらが持つバイアスがモデルの回答に反映される懸念があります。また、データソースが限られることで、新しいトピックや国際的な動向に対する知見が不足するため、特定の領域では正確な情報を提供できない可能性もあるでしょう。
このため、学習データの選定においては、可能な限り多様な情報源を確保し、バイアスを最小限に抑える工夫が求められます。
6.多言語翻訳・国際対応の制約
日本語に特化したLLMは、日本語の文脈理解や生成に強みを持っていますが、モデルによっては他言語との連携が難しい場合があります。特に、日本語以外の言語との翻訳や、多言語対応の必要性が高い業務においては不利になりやすいため、国際的な基盤モデルを採用すべきケースもあるのです。
たとえば、グローバル市場を対象としたビジネスでは、日本語と英語・中国語・韓国語などの言語間でスムーズな翻訳が求められます。しかし、日本語特化のLLMでは外国語データの学習が不足し、翻訳精度が下がるリスクがあるのです。
そのため、多言語対応が必要な場面で日本語LLMを採用する場合は、以下の対策も必要になります。
- 翻訳専用のLLMを併用する
- 外部の翻訳API(Google翻訳やDeepLなど)と組み合わせる
7.日本語独自の表現や文化的ニュアンスの処理
日本語は、敬語・曖昧表現・多義的な単語など、独特の言語的な特徴を持っています。日本語特化のLLMなら、これらの表現を適切に理解・生成できる可能性は高いですが、使用場面によっては誤解を招くリスクもあるのです。
なかでも、以下のような場面では、日本語話者でも適切な表現の選択が難しい場合があります。
- 「です・ます調」と「だ・である調」の切り替え
- ビジネスメールにおける適切な敬語の選択
特に、対話型のアプリケーションや、カスタマーサポート向けにLLMを導入する場合は十分な配慮が必要です。敬語の誤用や不適切な言葉遣いが、企業のブランドイメージに影響を与える可能性があります。
こうした問題を防ぐためには、モデルのファインチューニングにおいて、業界ごとの言葉遣いや、場面に応じた適切なスタイルのデータを学習させることが重要です。また、出力結果を一定のルールでフィルタリングし、不適切な表現をチェックする仕組みを導入するのも有効でしょう。
8.国際的なトレンドや最新技術への適応
日本語特化のLLMは、一般論として、開発・更新の頻度が限られるモデルでは、最新の技術トレンドや新語の習得に遅れが生じる場合があります。
特に、ITや科学技術、マーケティングの分野では新しい専門用語が日々登場し、英語圏の情報が主流となるケースも多いです。日本語特化LLMが、これらの変化を即座にキャッチアップするのは簡単ではありません。
そのため、日本語LLMを導入する際には、定期的なデータ更新やファインチューニングの仕組みを確立し、継続的な改善を行うことが求められます。また、継続的に最新のデータを学習している国際的な基盤モデルとの併用を検討するのも手です。
9.運用・拡張の柔軟性
LLMの導入後は、用途の変化に応じた運用の最適化が必要です。日本語特化のLLMは、以下のケースにおける柔軟性に欠ける可能性があるため、しっかり留意しておきましょう。
- 将来的に多言語対応が求められた場合
- 異なるドメインでの適用を考慮する場合
仮に、当初は社内文書の要約や質問応答にLLMを活用していたものの、後に対話型のカスタマーサポートへの応用が必要となるケースがあったとします。この場合、追加の学習データやチューニングが必要になるため、将来的な拡張性を考慮し、導入時点で運用のスケーラビリティを見据えた設計を行うことが望ましいでしょう。
【弊社事例】LLMと生成AIのビジネス活用例
最後に、弊社スパイクスタジオが手がけた、LLMと生成AIのビジネス活用例をご紹介します。
株式会社NTT DXパートナー様の生成AIプラットフォーム「架空商品モール」では、サービスのアイデア段階から企画検討に伴走し、システム要件の設計から実装までを担当しました。モデルの選定だけでなく、プロンプト設計とサービス全体の作りを含めて一緒に考えた事例です。
開発そのものにLLMを使った例もあります。株式会社Circloop様とのシステム改修では、開発業務の80%以上をAIが担い、従来の約1.3倍のスピードで改修を完了しました。モデルを選ぶ段階だけでなく、作り方そのものを組み替えることで効果が出た事例です。
選定から定着まで、必要なところから相談する
源内の動きも踏まえ、自社でもまず用途を整理しましょう。
モデルを選ぶときは、自社の目的・業務ドメイン・予算・運用体制に合わせた設計が要ります。そして選んだあとは、使い方を記録に残して配る仕組みをつくれるかどうかが、社内の格差を広げないための分かれ目になります。
相談先は、目的によって分かれます。
- マニュアルの作成や手順の共有から手を付けたい…Flowbase無料トライアルのお問い合わせへ
- 御社にあったLLMの選定や業務への組み込みを相談したい…スパイクスタジオのお問い合わせへ
スパイクスタジオでは、課題に合わせて次の5つの形で支援しています。
- AI人材育成…使う側・作る側・基盤を管理する側の3層に分けて、役割ごとに必要なスキルを育てる研修です。教育だけでなく、利用ルールの整備やデータ整備までまとめて設計できます。
- BPRコンサルティング…業務プロセスそのものをAI前提で組み替えます。戦略構想から実行設計まで、約3か月で一気通貫で支援します。
- Spike AI Agent Studio…専任のエンジニアと開発AIがチームになり、AIエージェントを月額定額で開発します。作り放題・直し放題で、追加費用はかかりません。
- ZUNO…図面・設計・積算など、専門業務のための産業特化型AIエージェントです。自社の設計ルールや熟練者の判断履歴を学習させ、ノウハウを引き継ぎます。
- Flowbase…スパイクスタジオが導入を支援している、マニュアル作成AIツールです。画面や作業を撮るだけでマニュアルが完成するため、LLMの使い方や設定方法を社内で共有する場面にも活用できます。
「どのモデルが自社に向くか分からない」「まず用途の整理から相談したい」という段階でも構いません。お問い合わせはこちらからご連絡ください。
