柱②｜汎用基盤モデルを構築

現場のデータで大規模モデルの実用性を高める

計算基盤で大規模モデルを学習し、企業の実用システムに組み込む。許諾された運用データを追加学習に使い、実用性を評価して再びシステムへ戻す。企業への実装は、外部モデルの活用から始められる。

PILLAR 02 / WHY IT MATTERS

実装で得られるデータを、次のモデルの能力へ変える

業務の成功・失敗、人の評価・修正から、モデルに足りない能力を把握する。許諾されたデータで学習し、実際の業務で役立つかを評価する。この反復を、学習・推論の計算基盤とともに支える。

CHOICE

選択可能性

用途・ライセンス・性能・運用情報を比較し、外部モデルと自社構築候補を選ぶ

CONTROL

企業内の改善

顧客管理環境内の評価・修正データを、顧客固有の隔離強化学習と評価へ接続する

ASSURANCE

説明可能な版

由来・学習履歴・評価結果・互換性・残余リスクを版ごとに記録する

RECOVERY

戻せる運用

人の承認で段階展開し、品質低下時は既知の安定版へロールバックする

01 / MODEL PATH

外部モデルの活用と自社構築能力を両立する

外部モデルで早く始め、同じ評価系で自社構築候補を比較
適合する版だけを業務へ昇格する

CURRENT COMMERCIAL

現在の商用提供

外部OSS・オープンモデル／商用モデルを、用途・ライセンス・性能・運用情報で選定する

  • 外部モデル
  • 版固定
  • 利用情報整理
  • 顧客受入

MODEL BUILD CAPABILITY

自社構築する汎用基盤モデル

設計・学習・継続評価・ポストトレーニング・デプロイ・ロールバックを一つのライフサイクルで実行する

  • Architecture
  • Training
  • Evaluation
  • Deployment

PILLAR 02 / DEVELOPMENT PATH

外部モデルの評価から継続更新できる基盤モデルへ進む

評価系とデータ権利を先に確立し、限定更新で再現性を確認してから計算資源を拡張する

  1. 01 / QUALIFY

    外部モデルを選定

    利用情報・由来・性能・配備方式・運用継続性を整理する

    証拠：候補比較表
  2. 02 / BASELINE

    業務評価を固定

    代表ケース・失敗分類・回帰・安全・攻撃試験を版管理する

    証拠：評価セット・基準値
  3. 03 / PERMISSION

    権利情報を登録

    学習目的・対象・保持期限・除外・取消をデータごとに記録する

    証拠：権利・来歴台帳
  4. 04 / POST-TRAIN

    隔離環境で更新

    企業内の評価・修正データを使い、本番と分離した環境で更新候補を作る

    証拠：学習Run・差分
  5. 05 / ASSURE

    比較・承認

    旧版との比較・外部評価・残余リスクを確認し、人が昇格を承認する

    証拠：評価報告・承認
  6. 06 / OPERATE

    展開・復旧

    互換性を確認し、展開・監視・ロールバックを継続する

    証拠：署名版・Runbook

01B / LEARNING & RELEASE PIPELINE

評価資産を作り、学習手法を実装する

まずGolden Setと回帰評価を固定
権利・安全性・計算資源を管理しながら、DPO・PPO・強化学習を実装する

  1. 01Learning Artifact

    consent・license・privacy・expiry・provenanceを記録

  2. 02Dataset Lineage

    除外・重複・品質・削除・unlearning手順を固定

  3. 03Golden / Regression

    業務成果・失敗分類・安全・旧版比較の基準

  4. 04Post-training

    fine-tune・distillation・DPO候補を隔離環境で作成

  5. 05PPO / 強化学習

    安全な隔離環境で信号を使い、PPO・強化学習を実施

  6. 06Release Gate

    評価証拠・互換性・残余リスクを人が承認

  7. 07Canary / Rollback

    限定展開し、SLO逸脱時は安定版へ復旧

Learning Artifact Manifestprovenance・license・privacy・expiry・反映対象モデルを版管理する

Model Release Manifestbase model・adapter・prompt・retriever・評価セット・合格基準・canary比率・rollback先を固定する

02 / RIGHTS & RESIDENCY

学習可能性はデータの場所と権利の両方で決める

企業固有の評価と失敗知識は顧客管理環境に保持
データ所在と学習権利を別々に確認する

STAYS

顧客の生データ

文書・契約・取引・映像・個別設定
顧客管理境界に保持し、自動転用しない

企業内の評価・修正

企業固有の評価資産

人の選好・修正・評価理由・失敗分類
企業内の隔離学習と評価に使う

PERMISSIONED DERIVATIVE

明示許諾した派生成果

目的・対象・期限・取消を記録した最小限の派生成果を管理する

EXCLUDED HERE

計算テレメトリ

処理量・待ち時間・電力などはモデル学習ではなく、Compute・Software・Silicon設計へ分離する

03 / LEARNING LIFECYCLE

企業内の強化学習を再現可能な版管理に変える

更新候補は隔離学習・固定評価・攻撃試験・人の承認を通過後に限定展開する

  1. 01 / QUALIFY

    権利・品質を登録

    出所・許諾目的・除外項目・保持期限を記録する

  2. 02 / TRAIN

    隔離強化学習

    企業管理境界内で、本番から分離して更新候補を作成する

  3. 03 / EVALUATE

    固定評価

    回帰・業務成果・安全性・攻撃耐性を旧版と比較する

  4. 04 / APPROVE

    人が承認

    評価結果と残余リスクを確認し、昇格を承認する

  5. 05 / DEPLOY

    限定展開

    対象業務と利用者を絞り、監視付きで展開する

  6. 06 / ROLLBACK

    復旧

    品質低下や障害時は、既知の安定版へ戻す

04 / STAGES

学習段階ごとに実行と証拠を積み上げる

権利・計算資源・評価・外部検証を一つの運用へ組み込む

  • 評価・選定外部モデルの比較・版固定・利用情報の確認
  • ポストトレーニング許諾済み成果による限定更新と回帰評価
  • 継続更新能力データ・評価・デプロイ・復旧を一体運用
  • 基盤モデル構築計算資源・評価体制・権利・検証を統合して実行

PILLAR 02 / DELIVERABLES

モデル本体だけでなく、実行を支える証拠を渡す

重みだけでなく、来歴・評価・互換性・復旧手順を一つの受け渡し単位にする

LINEAGE

Model Card・来歴

基礎モデル・データ区分・学習履歴・除外・権利・既知の制約

EVALUATION

評価報告

業務成果・回帰・安全・攻撃耐性・旧版比較・未解決リスク

RELEASE

署名済みリリース

版・依存関係・Runtime互換性・配備仕様・変更履歴

RECOVERY

復旧パッケージ

安定版・ロールバック手順・切替手順・復旧試験の記録