旧式システムの開発時間を最大70%短縮、TOPPANの業務特化型AI検証

用途を社内システムのプログラム開発に絞り、OSSベースの大規模言語モデルを自社サーバー上に構築した設計が、この取り組みの土台になっています。機密性の高い開発資産を外部のサービスに預けずに済むうえ、扱う範囲を限定したぶん学習させるべき量そのものが小さくなります。広く賢いモデルを目指すのではなく、狭い範囲で確実に当てにいく。この割り切りが、自社サーバーでの運用という重い選択を現実的な負担に収めたのだと考えられます。

更新を半自動化し、高い頻度で最新の状態を保つ体制を組み込んだ点も見逃せません。特化型のAIは対象業務に密着している分だけ、社内の仕組みが変わった瞬間に内容が古びます。更新が人手頼みだと、日々の忙しさに押されて後回しになり、やがて誰も参照しなくなる。手を掛けずに回り続ける形にしたことが、検証止まりで終わらせないための条件になっていたと見ています。

業務の要求レベルに合わせてモデルの性能と構築環境を選び分け、その入り口を「LLM-HUB」へ一本化した構成にも狙いが読み取れます。用途ごとに最適なモデルを揃えれば、どれを使うべきかという判断が利用者側に降りてきますが、入り口を一つに集約すればその迷いは生じません。開発支援にとどまらず技術伝承の器としても位置づけられているのは、ここに使い方と知見が集まる構造だからでしょう。