投稿者 global-ai-media 
学習データを特定の歴史的期間に限定することで、現代の知識を持たず「19世紀の人物」として振る舞うAIが話題となっています。この実験的な試みは、単なるエンターテインメントにとどまらず、企業が自社のデータを用いて「特化型AI」を構築する際の重要な示唆を含んでいます。データセットがAIの「人格」や「常識」をどのように形成するかを紐解き、日本企業が独自のLLM活用を進めるためのポイントを解説します。
学習データが「AIの世界観」を決定する
Popular Scienceが取り上げた「19世紀のデータのみで学習されたAI」の事例は、大規模言語モデル（LLM）の本質を極めてシンプルに示しています。このAIは、インターネット上のあらゆる情報を学習した汎用的なモデル（ChatGPTなど）とは異なり、19世紀の文献やテキストのみを学習リソースとしています。その結果、このAIは飛行機やインターネットの存在を知らず、当時の社会通念や語彙を用いて対話を行います。
この事例から得られる技術的な教訓は、「LLMの出力は、学習データの鏡である」という事実です。AIは自律的に思考しているのではなく、与えられたデータ空間の中での確率的なつながりを計算しています。したがって、学習データを意図的に制限・選別（キュレーション）することで、特定の時代、特定の専門分野、あるいは特定の企業文化に完全に没入したAIを作り出すことが可能であることを実証しています。
「汎用」から「特化」へ：企業における実用性
ビジネスの現場、特に日本企業において、この「データを限定する」というアプローチは極めて重要です。現在の生成AIトレンドは、何でも答えられる巨大な汎用モデルから、特定のタスクやドメインに特化した「特化型モデル（Domain Specific LLM）」や「小規模言語モデル（SLM）」へと関心が広がりつつあります。
例えば、自社の過去30年分の技術文書やマニュアル、日報のみを学習（あるいはRAG等の技術で参照）させたAIを構築するとします。このAIは、世間一般のプログラミングコードは書けないかもしれませんが、その会社特有のレガシーシステムの仕様や、ベテラン社員しか知らない「暗黙知」については、世界で最も詳しいエキスパートになり得ます。「19世紀AI」が当時の世界観を再現したように、「自社専用AI」は自社のビジネス文脈を正確に再現できるのです。
バイアスとリスクのコントロール
一方で、限定されたデータにはリスクも潜んでいます。19世紀のデータには、現代の倫理観では許容されない差別的な表現や、科学的に誤った情報が含まれている可能性があります。そのまま学習させれば、AIは悪気なく不適切な発言を行うでしょう。
企業活用においても同様のことが言えます。過去のデータには、現在は改正されている古い法規制に基づく判断や、コンプライアンス上問題のある慣習が含まれているかもしれません。単にデータを放り込むのではなく、現代の基準（あるいは現在の自社規定）に照らし合わせてデータのクレンジングを行う、あるいは「ガードレール」と呼ばれる安全装置をシステム的に組み込むプロセスが不可欠です。
日本企業のAI活用への示唆
今回の事例を踏まえ、日本の実務家は以下の点を意識してAI戦略を立てるべきです。
- 「データ主権」の確立：AIモデルそのもの（アルゴリズム）はコモディティ化しつつあります。競争優位の源泉は、他社がアクセスできない「自社の良質なデータ」にあります。紙文化が残る日本企業においては、まずアナログな情報のデジタル化と構造化が第一歩です。
- 用途に応じたモデルの使い分け：すべての業務にGPT-4のような巨大モデルは必要ありません。社内規定の回答や特定の事務処理には、限定されたデータで調整された軽量なモデルの方が、ハルシネーション（もっともらしい嘘）のリスクが低く、コスト対効果も高い場合があります。
- 文脈理解への投資：日本語はハイコンテクストな言語であり、業界ごとの「隠語」や「阿吽の呼吸」が存在します。汎用モデルをそのまま使うのではなく、自社の用語集や過去の議事録を用いてファインチューニング（追加学習）やRAG（検索拡張生成）を行うことで、実務に耐えうる精度を実現できます。
「何でも知っているAI」ではなく、「自社のことを誰よりも深く知っているAI」を目指すこと。それが、今後の企業AI活用の本丸となるでしょう。