AI カスタム開発

企業内のみの利用（社内ナレッジベースやサポート支援など）と「国内の公衆に生成サービスを提供する場合」では求められる規制要件が異なり、多くの社内シーンでは公衆向けの届出義務は生じません。ただし個別案件には解釈の余地があり、当社は断定的な結論を出しません。システムを公衆向けに公開する場合は、設計段階で稼働前のコンプライアンス評価をお手伝いします。届出の主体はお客様です。

当社は幻覚を口頭の約束ではなく、エンジニアリングの課題として管理します。回答には必ず出典を添えて原文を確認できること、稼働前にゴールデンテストセットで忠実度を検証すること、ナレッジベースの範囲外の質問は回答範囲を絞るかオペレーターへの切り替えとすること——目標は、誤りを業務上許容でき、かつ発見できる水準まで下げることです。「幻覚は一切ありません」とうたう業者こそ注意が必要です。

簡単に言えば、プロンプトエンジニアリングは「振る舞い」を変え、RAG は「知識」を補い、ファインチューニングは「スタイルと語感」を調整します。企業ナレッジ Q&A や規程検索のようなシーンでは、まず RAG が第一歩です。知識はいつでも更新でき、回答は出典をたどれ、コストもファインチューニングより大幅に抑えられます。ファインチューニングは固定フォーマットの出力や分野特有の語感の調整に向いており、通常は RAG の後に必要に応じて重ねます。設計段階で組み合わせのご提案をします。

その必要はありません。DeepSeek、Qwen（通義千問）、GLM（智譜）、Kimi などの中国発のモデルは企業シーンですでに主流の選択肢で、一部のオープンソースモデルはオンプレミス構築に対応します。当社はモデル層を差し替え可能な構成とし、シーンごとの効果とコストで選定するため、特定のベンダーに縛られません。

三つの防線を設けています。権限層——RBAC を組織構造に整合させ、機密コンテンツを部門単位で分離。配備層——機密性の高いシーンではオンプレミス構築を選択でき、データもモデルもお客様の社内で稼働し、第三者を経由しません。アプリケーション層——プロンプトインジェクション対策と出力コンテンツのフィルタリング。

シーン数、データ基盤、連携の深さによります。まず 5 ステップの POC から始めることをおすすめします。小さなコストで実データ上の効果とコストを検証し、数字が見えてから全量投資を判断できます。現状と目標をお知らせいただければ、一次提案とお見積りを無料でご提出します。

運用と改善は 5 ステップの第 5 段階であり、任意ではありません。効果モニタリング、ナレッジベース運用（未回答問題の週次改善）、モデルとコストの振り返りを成果物に組み込みます。年間運用契約で対応方針とサービス範囲を明確にすることもできます。

四つの質問で、その場で大半をふるい分けできます。①実データでの POC 検証を求める（資料だけの提案は受けない）。②評価ベースラインを求め、効果の良し悪しに客観的な物差しを持たせる。③実運用の事例を求める。できればベンダー自身の製品で使っている事例を。④「幻覚は一切ありません」「届出は必ず通る」といった宣伝文句に警戒する。確率的モデルの能力限界は業界の共通認識であり、限界を率直に語るチームのほうが信頼できます。