AI市場の価格競争、OpenAIに対し圧倒的低価格を提示するスタートアップ登場で高まる値下げ圧力
企業における生成AI導入アプローチ
企業の競争力や生産性の向上において大きな期待を集める生成AIだが、いくつかの理由によって導入を足踏みするケースは少なくない。 これまで最も議論されてきたのは、セキュリティやプライバシーの課題であるが、開発・導入・運用コストも無視できない問題として注目度が高まっている。 企業の生成AI活用は大きく、5つに分類することができる。それぞれのアプローチに利点・欠点があり、企業はユースケース、生産性、コストなどを考慮しつつ、自社に適したアプローチを採用することが求められる。 アプローチの1つ目は、OpenAIのChatGPTやAnthropicのClaudeなど大規模言語モデル開発企業が提供する汎用的AIチャットサービスの利用だ。ChatGPTの有料版では、ユーザー1人あたり月額20ドルと固定費で利用できるため、コスト予測が容易なアプローチとなる。しかし、セキュリティやプライバシー面で懸念する声が多く、社内でのChatGPT利用を禁止する企業は少なくない。 2つ目としては、サードパーティの生成AIアプリケーションの利用が挙げられる。たとえば、マーケティング分野においては、JasperやCopy.aiなどのSaaSアプリケーションが人気だ。Jasperを含むマーケティング分野のほとんどの生成AIアプリケーションは、OpenAIのGPTモデルをベースとしつつ、機能やインターフェースを同分野に特化しており、マーケターにとってはChatGPTよりも使いやすく、生産性の向上が見込まれる。Jasperでは1人あたりの利用料が月額39ドルに設定されており、基本的にはコスト予測が容易なアプローチとなる。 これらの2つのアプローチは、開発不要かつ即利用でき、またコスト予測が容易であるという利点を持つが、セキュリティやプライバシー懸念のほかカスタマイズが困難という欠点がある。セキュリティやカスタマイズを重視する企業は、上記以外のアプローチを採用している。 それを踏まえ、3つ目のアプローチとなるのが、OpenAI、Anthropic、Cohereなどのクローズドソース大規模言語モデルのAPIを使い、企業の文脈に沿ったカスタマイズアプリケーションを開発するアプローチだ。OpenAIのAPIを活用する場合、カスタマイズの方法は大きく、プロンプト調整、外部情報ソースの追加(retrieval augmented generation = RAG)、ファインチューニングの3つに分けられる。いずれも、企業の文脈に沿った形で生成AIのアウトプットを調整することが可能で、セキュリティとプライバシー面でも若干の向上が見込まれる。 OpenAIは、一般向けのChatGPTに関しては、ユーザー設定条件により、インプットされたデータをAIモデルの改善に活用する場合があるとしているが、APIの場合はインプットデータを利用することはないと述べている。API利用は、カスタマイズ性とセキュリティ面が向上する反面、利用するデータ量(トークン数)に基づきAPI利用料が増えるため、上記の固定コストに比べ、コストの予測性が下がり、予期せぬコスト増につながるリスクがある。また、利用に応じてクラウドやベクトルデータベースなどのインフラ利用料も発生する。 オープンソースのAIモデルを活用することで、APIコストを下げることも可能だ。4つ目となるこのアプローチは、最新調査によると30%以上の企業が採用していることが明らかになっている。オープンソースの生成AIモデルの中で、現在最も高い評価を受けているのがメタの「Llama2」。無料で利用でき、一定条件のもとではOpenAIのGPT‐4に並ぶ能力を発揮することが確認されている。オープンソースモデルの利用自体は無料となるが、上記と同じくクラウドなどのインフラを利用する場合、利用量に応じたコストが発生することには留意が必要だ。 5つ目は、自社で大規模言語モデルを開発するアプローチ。最も難しいアプローチとなり、コストも5つのアプローチの中では最大になることが予想される。モデルをトレーニングするための十分なデータに加え、それを実行できる人材・インフラ・資金を有する企業のみが可能なアプローチで、これまでにこのアプローチを採用した企業は、セールスフォースやブルームバーグなどごく少数に限定される。コストがかかる反面、自社の目的に即した大規模言語モデルを開発することができ、またセキュリティとプライバシーを担保できることが大きな強みだ。