日本語文書検索に特化した次世代小型AIモデル、設計を完了し開発・学習フェーズへ

光数株式会社が手がける日本語文書検索モデルが、基本設計を完了した。このモデルの特徴は、検索の度に外部のAIモデルに何度も問い合わせるのではなく、文書をあらかじめ解析して情報を保存し、検索時には事前に計算した情報と照合するという構成にある。従来の「Embedding + Reranker」の2段階構成では、候補文書ごとに別のAIモデルで再評価が必要だが、このモデルではそのステップを事前準備に移すことで、応答時間と計算負荷の削減を目指す。さらに文書をクラウドに送らずローカルのPCで完結する設計であり、機密性の高い技術資料や特許を扱う企業にとっては大きな利点となる。

ここで注目すべきは、このアプローチが「脂の乗ったAI」へのアンチテーゼであることだ。世のAI企業は、モデルが大きいほど高性能だと囃し立て、クラウド環境での処理能力をアピールする。だが光数が取る戦略は逆だ。小型で、ローカルで、事前準備型である。これは検索品質を完全に諦めたのではなく、むしろ「専門文書の検索に本当に必要な要素は何か」を徹底的に考え抜いた結果だ。特許や技術資料では、文書全体の類似度だけでなく、装置の構成や材料、処理手順といった要素単位での対応を確認することが重要だ。モデルはそうした複数の要素を保持し、利用者が「なぜこの文書が候補なのか」を原文で確認できる設計を目指している。

製造業や設計業、知財部門を抱える企業にとって、この方向性は実務的な希望だ。クラウドAPIに依存する「開かれたAI」ではなく、自社の技術資料を絶対に外部に送らない「堅実なAI」へのシフトは、信頼とセキュリティの両面で経営層の要求を満たすからだ。実装と学習が進めば、「AIは手軽だが外部依存」という構図を打ち破る、実務寄りの選択肢が産まれる。