最新動向

Applied Computeが3.5億ドル調達 企業専用AIへ

Applied Computeが3.5億ドル調達 企業専用AIへ

この記事の要点

元OpenAIの技術者が作ったApplied Computeが、評価額32.5億ドルで3.5億ドルを調達した。企業ごとに強化学習で仕立てる専用AIを売り、年換算売上は1億ドル超という。汎用モデルと専用モデルの使い分けを、自社の判断にどう落とすかを整理する。

結論

元OpenAIの技術者が設立したApplied Computeが、評価額32.5億ドルで3.5億ドルを調達したとSiliconANGLEが報じた。企業ごとに強化学習で仕立てる専用AIを提供し、年換算の売上は1億ドルを超えたという。汎用モデルをそのまま使うのではなく、自社の業務に合わせて鍛えた専用モデルを買う動きが、資金の面でも裏づけられた格好だ。手を動かす側には、どの業務で専用化が効くのかを見極める判断が求められる。

何が起きたのか

ラウンドを主導したのはElad Gil氏で、NvidiaやShopify Ventures、HubSpot Venturesも参加したと報じられている。設立からおよそ15か月で評価額32.5億ドルに達し、顧客にはMicrosoftやDoorDashが名を連ねるという。同社は企業向けのAI学習・推論の基盤を持ち、顧客の業務データと評価基準をもとに強化学習でモデルを仕立てる点を売りにしている。数字は報道ベースのため、最新は公式で確認してほしい。

注目したいのは、売り物が「賢い汎用モデル」ではなく「特定の業務で確実に成果を出す専用モデル」だという点だ。汎用モデルの価格が下がり続けるなか、差がつくのは自社の業務に合わせた仕立ての部分だ、という見立てが資金を集めている。

現場の実務にどう効くか

この話は、自社のAI調達を「内製・外製・専用化」のどこに寄せるかの判断に直結する。すべてを専用モデルにする必要はない。効くのは、同じ種類の仕事を大量に回し、正解の条件がはっきりしている業務だ。たとえば定型の審査、問い合わせの分類、帳票からの項目抽出などは、数%の精度向上がそのまま工数と誤りの削減につながる。逆に、用途が広く変わりやすい仕事は汎用モデルを使いこなすほうが速くて安い。

判断の順番はこうだ。まず汎用モデルとプロンプトの作り込みで試し、どこで精度が足りないかを数字で把握する。足りない部分が「決まった業務の精度」なら、ファインチューニングの基礎で仕立ての選択肢を押さえ、専用化の投資対効果を見積もる。調達全体の組み立て方は内製・外製・ハイブリッドの選び方が参考になる。作るか買うかの線引きは、コーディングエージェントの調達を論じたマッキンゼー報告の考え方も応用できる。

投資の過熱をどう見るか

評価額32.5億ドルで年換算売上1億ドルという数字は、売上の30倍を超える評価だ。市場が専用AIに大きな期待を寄せている裏返しでもあり、同時に過熱の目安でもある。自社の判断に引き写すなら、流行に合わせて専用化を急ぐより、「この業務は専用化で利益が動くか」を一件ずつ検証する姿勢が堅い。外部の資金の動きは市場の方向を示すが、自社の投資判断の根拠にはならない。

まとめ

汎用モデルが安くなるほど、差は自社業務への仕立てで生まれる。Applied Computeの調達は、その流れを資金面から裏づけた。やるべきは、専用化が利益に直結する業務を一つ見つけ、汎用モデルとの差を数字で確かめることだ。

出典

よくある質問

専用モデルを作れば汎用のChatGPTより必ず良くなりますか。

業務が定型で評価基準がはっきりしているほど効きます。用途が広く変わりやすい仕事では、汎用モデルを使いこなすほうが費用対効果は高いことが多いです。

中小企業でも専用モデルは現実的ですか。

まずは汎用モデルとプロンプトの作り込みで十分なことが多いです。同じ業務を大量に回し、精度が数%上がるだけで利益が動く場面に絞って検討するのが現実的です。