ドメイン特化LLMのニーズの高まりとその背景

目次

1. なぜ今「ドメイン特化LLM」なのか
2. 汎用的LLM、ドメイン特化LLMとは何か
3. なぜ今、ドメイン特化LLMのニーズが高まっているのか
4. 日本企業におけるドメイン特化LLM活用事例
5. ドメイン特化LLM構築で企業が直面する課題
6. 成功の鍵は「データ作成と評価体制」
7. 今後の展望：日本企業におけるLLM活用の進化
8. ヒューマンサイエンスのアノテーションサービスの特徴

1. なぜ今「ドメイン特化 LLM」なのか

ChatGPTをはじめとする汎用LLMや生成AIの活用が急速に進んでいます。その一方で企業の利用ではこんな声が増えています。「業務知識が浅い」、「業界慣習や専門用語を理解していない」、「現場で使うには精度・再現性が足りない」、「回答はそれっぽいが、業務では使えない」等、汎用的な生成AI、LLMであるからこそ当たり前のことであるとも言えますが、チャットで質問すれば何でも応えてくれるセンセーショナルなデビューを果たし、何でも出来るかのような期待も大きかったゆえ、その期待への裏返しの状況であるとも言えますが、そういった期待やニーズに応えるものとして、特有の業界や専門分野、自社業務などに最適化されたドメイン特化型のLLMが注目を集めています。今回はドメイン特化型のLLMの具体的な構築方法など、技術的なことではなく、ユースケースや導入の課題等を中心にお話したいと思います。

2. 汎用的LLM、ドメイン特化LLMとは何か

では、そもそも汎用的LLM、ドメイン特化LLMとは何でしょうか？汎用的LLMとは、それぞれ特徴や強みや弱みがありますが、 ChatGPT、Gemini、Claude、MetaのLlamaなど、幅広い知識を学習した汎用な規模言語モデルです。一般的にアイデア出し・要約・翻訳などの汎用的な用途には有効とされていますが、特定の業務・業界（ドメイン）に最適化されているわけではありません。一方で、ドメイン特化LLMとは、例えば、医療、法務、金融、製造、カスタマーサポート等といった、特定のドメイン（業界・業務・社内業務等）の目的に最適化されたLLMのことを差します。ビジネスシーンにおいて、 ChatGPTやGeminiに代用されるような汎用的LLMでは、業界を問わない共通の知識を取得するのには優れていますが、やはり、それぞれの企業が属している業界の専門分野は弱く、そのまま利用したのでは、目的によっては企業での使用に耐えられないこともあります。また日本語の業務文書理解等においてもまだ十分であるとは言えません。

ここではあまり技術的なことに言及しませんが、ドメイン特化LLMを構築するためには業界や企業の専門分野の知識が詰まったドキュメントを検索可能な形で組み込み、RAG（検索拡張生成）構成によって汎用的LLMと連携させる方法や、汎用的LLMに業界や企業の専門分野知識を追加学習させるファインチューニングなどの方法があります。

3. なぜドメイン特化LLMが注目されているのか？

ChatGPTに代表される生成AI/LLMが登場し、業務の効率化や人材不足を解消するものとして、一部では「生成AI/LLMを使いこなせないと、企業は生き残れない」とまで言われ、その登場以来、企業への導入が急速に進んできました。生成AI/LLMをどのように使いこなすかは、大抵の企業において避けて通れない課題だとは思いますが、実際にLLMを導入しただけでは、その効果を発揮する場面が思っていた以上に限定される。といった声を聞くのも事実です。特に専門分野になればなるほど、回答精度やハルシネーショを目の当たりにしたときの不信感や不安、それが起こった際の責任の所在などの課題が深刻になります。

昨今ではLLMを導入しただけでは、活用できる範囲も限定的であることが一般的な認識になりつつあり、特有の業界や専門分野、自社の業務ナレッジ等により特化した、いわゆる「ドメイン特化型のLLM」が、本来、生成AI/LLMに期待していた業務効率化や人材不足、暗黙知の解消（ナレッジマネジメント）といった課題を解決・実現する手段として注目され始めています。

4. ドメイン特化LLMの活用事例

まだ実証実験の段階のもの多く存在しますが、「汎用LLMをそのまま使う段階」から自社業務・業界知識を反映したドメイン特化LLMを構築・運用する事例も見かけるようになりました。以下では、実際に公開されている国内事例をもとに、その特徴や期待される効果を見ていきます。

4-1. 製造業：技術文書・品質情報に特化したLLM活用

日本の製造業では、ベテラン技術者の暗黙知への依存、若手人材不足といった課題が長年指摘されてきました。また企業のノウハウが詰まった技術文書や手順書、不具合報告書等のドキュメントが膨大に存在していますが、程度の差はあれど、どの企業でもそれらの文書を十分に活かし切れているとは言えません。これらの課題に対し、「製造現場の過去のトラブル事例検索」、「作業手順や設計情報の自然言語検索」、「技術情報のFAQ化」、「設備保全」など、自社の技術文書や品質文書・データに特化したLLMを活用する動きが進んでいます。これらは経験が浅くノウハウが少ない技術者が直面する問題の早期解決を支援するものと期待されています。

▼NEC、LLMを活用した製造現場のナレッジ継承支援システムを開発（外部リンク）
NEC、LLMを活用した製造現場のナレッジ継承支援システムを開発

4-2. 金融・保険業：社内規程・約款に特化したLLM

金融・保険業界では、規程・約款・マニュアルが頻繁に更新され、問い合わせ対応の属人化などが問題となるケースも多く、加えて誤回答が許されない業務特性もあります。そういった背景から、生成AI活用には特に慎重な姿勢が求められていますが、その中で注目されているのが、照会対応（オペレーター支援）、規程検索・要約、事務手続きなどといった社内規程・約款・FAQをターゲットとしたドメイン特化LLMです。これらの活用によって「回答のばらつき削減」、「対応品質の均一化」、「業務スピードの向上」等の効果が期待されています。

▼照会応答機能の高度化に向けた業務特化型LLMを開発（NEC x 三井住友海上火災保険）
▼保険契約業務の効率化を推進するAIを共同開発（リコー×損保ジャパン）
▼日本の金融知識を学習した金融特化型PLaMoによる各社専用モデル構築サービスを開始（Preferred Networks）

4-3. バックオフィス（法務）：日本語文書特化LLM

日本企業のバックオフィス（法務）の業務では、「契約書の確認作業が多い」、「担当者の経験値に依存」、「レビュー、問合せ対応の工数が増大」といった課題が顕在化しています。これらに対し「契約書の条文検索・要点整理」、「規程チェック支援」、「契約書ひな型の提示」など、日本語契約書に特化したLLMが活用され始めており、レビューや問合せ時間の短縮、担当者の負荷軽減等に効果を上げ始めています。

▼AI活用で法務業務を革新！Aoba-BBT、「AI法務アシスタント Legal」

5. ドメイン特化LLM構築で企業が直面する課題

自社でドメイン特化型LLMの導入にあたっては、「LLMの専門人材が社内にいない」、「データの構造化などのアノテーション基準が作れない」、「評価方法が確立していない」、「内製しようとしても、データはあるが、PDF/Excel、紙で文書が存在していてそのまま使えない」、「フォーマットが不統一」など、さまざまな難題が存在します。そのため、とりあえずPoCをやってみて、「なんとなく使えそう」のレベルまでは手探りで何とか進むものの、LLMが適切に認識できない文書やデータが大量に存在するため、精度が確保できず、実際の導入まで進まないケースも多く見受けられます。

やはり、これまで蓄積された社内に眠っているドキュメントデータをLLMで活用するに適した状態にするには、程度の差はあれど、データを構造化すること等が必要になりますし、またこれからも蓄積されるナレッジを含んだドキュメントデータをLLMが認識しやすいようなカタチにしていくためには、ドキュメントや文章の記載の仕方など、ルールの整備を行う必要がありますが、そのどちらを行う際にも、やはり専門的な知見や経験、知識が必要になります。

特にデータの構造化を行うには、これまでの情報資産の量に比例して時間とコストがかかりますが、そこに社内の人材を割くとコストが膨大になるばかりでなく、本来の業務の進捗を妨げたり、データの構造化が進まず、ドメインに特化したLLMの導入がさらに遅れたりする結果にもつながります。やはりデータをおろそかにしては、LLMを利用したFAQの回答精度の向上は見込めません。

6. 成功の鍵は「協業体制の構築」

上段で述べた通り、これらドメイン特化LLMの導入を成功に導くためには、LLMに関する専門的な知識、業界特有の業務理解、データ整備・構造化、日本語特有の問題に対応する経験や知識が必要になります。また、社内のドキュメントやナレッジは増え続けるため、導入時の一時的な作業ではなく、ナレッジとなるドキュメントの記載ルールの整備や、定期的な評価など、継続な運用を前提に考えていく必要があります。

それらの知識を自社で賄えるのであれば、それに越したことはありませんが、そうでない場合は、生成AIやLLMの導入をサポートする専門企業などと協業をおこなうことがベターと言えます。当該ドメインの専門知識については、それぞれの企業でしか対応できない部分がありますが、それ以外のシステムの構築サポート、データ構造化、LLMが認識しやすいドキュメントの記載の仕方などは、やはりLLMの導入に知見を持った企業でないと対応が難しいところもあります。そのため自社と専門企業とでそれぞれ得意な分野を分業する等、システム構築～データ整備～評価・運用までのシームレスな体制を構築することが成功への近道です。

7. 今後の展望：日本企業におけるLLM活用の進化

今後は、日本の企業や業界が抱える人材不足や技術・ノウハウ継承、それらの土台となるナレッジマネジメントなどの課題解決において、ドメイン特化LLMのニーズはますます高まっていくことでしょう。また、より専門的な分野・業界に特化すべく、ドメイン特化LLMはさらに細分化されることも予測されます。ただやはり、人材不足や技術・ノウハウ継承等の問題解決のためのLLM構築において、その源泉となるのは、LLMに読み込ませるデータとその品質であり、それこそが企業の競争力の源泉として、さらに重要性が高まっていくでしょう。

当たり前と言えばそれまでですが、それぞれの企業が生み出す製品やサービスには当該企業が持つノウハウや知見が付加されてこそ、はじめて付加価値が備わり、他社と比べた独自性や差別化ができるものとなるわけですから、これらを効果的に活かす手段であるLLMの存在は今後より重要なものとなっていくでしょう。

8. ヒューマンサイエンスの教師データ作成、LLM RAGデータ構造化代行サービス

教師データ作成数4,800万件の豊富な実績

ヒューマンサイエンスでは自然言語処理に始まり、医療支援、自動車、IT、製造や建築など多岐にわたる業界のAIモデル開発プロジェクトに参画しています。これまでGAFAMをはじめとする多くの企業様との直接のお取引により、総数4,800万件以上の高品質な教師データをご提供してきました。数名規模のプロジェクトからアノテーター150名体制の長期大型案件まで、業種を問わず様々なアノテーションやデータラベリング、データの構造化に対応しています。

クラウドソーシングを利用しないリソース管理

ヒューマンサイエンスではクラウドソーシングは利用せず、当社が直接契約した作業担当者でプロジェクトを進行します。各メンバーの実務経験や、これまでの参加プロジェクトでの評価をしっかりと把握した上で、最大限のパフォーマンスを発揮できるチームを編成しています。

生成系AI LLMデータセット作成・構造化、「AIに最適化するマニュアル作成・整備支援」にも対応

データ整理ためのラベリングや識別系AIの教師データ作成のみでなく、生成系AI・LLM RAG構築のためのドキュメントデータの構造化にも対応します。創業当初から主な事業・サービスとしてマニュアル制作を行い、現在では「将来的な生成AI・RAG導入・活用に向けての業務ナレッジ整備やマニュアル化の支援」も行っております。さまざまなドキュメントの構造を熟知している当社ならではのノウハウを活かした最適なソリューションを提供いたします。

自社内にセキュリティルームを完備

ヒューマンサイエンスでは、新宿オフィス内にISMSの基準をクリアしたセキュリティルームを完備しています。そのため、守秘性の高いデータを扱うプロジェクトであってもセキュリティを担保することが可能です。当社ではどのプロジェクトでも機密性の確保は非常に重要と捉えています。リモートのプロジェクトであっても、ハード面の対策のみならず、作業担当者にはセキュリティ教育を継続して実施するなど、当社の情報セキュリティ管理体制はお客様より高いご評価をいただいております。

内製支援

弊社ではお客様の作業や状況にマッチしたアノテーション経験人材やプロジェクトマネージャーの人材派遣にも対応しています。お客様常駐下でチームを編成することも可能です。またお客様の作業者やプロジェクトマネージャーの人材育成支援や、お客様の状況に応じたツールの選定、自動化や作業方法など、品質・生産性を向上させる最適なプロセスの構築など、アノテーションやデータラベリングに関するお客様のお困りごとを支援いたします。