JAL、通信のない機内で動く小型AIで報告書作成を効率化する実証実験

出発点にあるのは、クラウド上のLLMを使うという前提そのものを外した判断です。採用されたのはマイクロソフトの小規模な言語モデル「Phi」で、モデルの規模よりも、通信のない端末の中だけで完結して動くことが優先されています。汎用的な賢さを求めるほどクラウド側へ寄っていく構造の中で、必要な性能の線をどこに引くかを先に決めた設計と言えます。

小さなモデルの守備範囲の狭さは、用途を絞り込むことで埋められています。過去のレポートデータを教材にPhiへ追加学習を施し、客室乗務員の業務で使われる言い回しに合わせたことで、出力される文章が現場の表現に近づき、手直しの起点として扱いやすくなりました。扱う文書が引き継ぎレポートという決まった型に限られていたことが、この特化を成立させた条件だと考えられます。白紙から書き始めるのではなくチャットのやり取りを通じて文章を組み立てる入力形式も、作文という作業を分解して負担を散らす工夫でしょう。

机上の検証にとどめず、実機のタブレットで動くところまで作り込んだ点も見逃せません。データを圧縮して処理を軽くする技術で端末上の動作を最適化し、追加学習の環境構築はAIエンジニアが、業務の流れの分析から実証の実施・評価、柔軟な開発の進行管理まではAIコンサルタントが伴走する形で役割が分けられています。モデルの調整と業務理解と端末最適化のどれが欠けても成り立たない取り組みであり、二社が異なる専門性を持ち寄る体制がそれを支えたのだと読めます。