用語解説
基盤モデル（ファンデーションモデル）とは、大量の汎用データで事前学習され、様々なタスクに転用・適応できる大規模AIモデルの総称です。スタンフォード大学HAIが2021年に提唱した概念です。
GPT-4・Claude・Gemini・LLaMAなどのLLMや、DALL-E・Stable Diffusionなどの画像生成モデルが代表例です。これらはファインチューニングやプロンプトエンジニアリングにより特定タスクに特化させることができます。
基盤モデルの登場により、専用データで一からモデルを学習する必要がなくなり、AIの民主化が加速しました。企業はAPIを通じて基盤モデルの能力を自社サービスに組み込めます。
どんな場面で活用するか
- 自社業務に合わせてOSSの基盤モデル（LLaMA等）をファインチューニングしてオンプレミス運用する
- 複数の基盤モデルAPIを比較評価し、コスト・精度・レイテンシのバランスで選定する
- 基盤モデルのバージョンアップに伴う動作変化をモニタリングし、プロンプトの再調整を行う
よくある誤解
「基盤モデルは1つあれば全タスクを完璧にこなせる」は誤りです。正しくは、モデルごとに得意領域・コスト・レイテンシが異なります。タスクの性質に合わせたモデル選定と、場合によっては複数モデルの使い分けが重要です。
判断のヒント
モデル選定の視点：基盤モデルを選ぶ際は「精度」「コスト」「レイテンシ」「セキュリティ（データ学習利用の有無）」「商用利用条件」の5軸で評価表を作成し、PoC前に要件を整理しておくと後戻りが減ります。
