フランスのAIスタートアップMistralが、企業が独自データで一からAIモデルを訓練できるプラットフォーム「Mistral Forge」を発表。従来の微調整やRAGとは異なり、完全なカスタムモデル構築を可能に。企業向けAI市場で差別化を図る。

Mistral、企業が独自データで一からAIモデルを訓練できる「Forge」を発表

フランスのAIスタートアップMistralは2026年3月18日、企業向けの新プラットフォーム「Mistral Forge」を発表しました。このプラットフォームは、企業が自社の独自データを使って、一からカスタムAIモデルを訓練できるというものです。発表はNvidiaの年次技術カンファレンス「GTC」で行われました。

多くの企業向けAIプロジェクトが失敗する理由は、技術不足ではなく、使用しているモデルが企業のビジネスを理解していないことにあります。一般的なAIモデルはインターネット上のデータで訓練されており、企業が何十年もかけて蓄積してきた内部文書、業務フロー、組織の知識を反映していません。Mistralはこのギャップに商機を見出しました。

既存の企業向けAIソリューションの多くは、既存モデルの微調整や、RAG（検索拡張生成）という技術を使ってデータを後付けする方法を採用しています。しかしMistral Forgeは、企業が完全に一からモデルを訓練できる点で異なります。これにより、非英語データや高度に専門的なデータの処理、モデルの動作に対するより大きな制御が可能になります。

MistralのCEOアーサー・メンシュ氏によれば、企業向けに特化した戦略は成功しており、同社は今年、年間経常収益10億ドルを超える見込みです。OpenAIやAnthropicが消費者市場で先行する中、Mistralは企業市場での差別化を図っています。

Mistral Forgeの仕組みと特徴

Mistral Forgeは、企業や政府機関が特定のニーズに合わせてAIモデルをカスタマイズできるプラットフォームです。プロダクト責任者のエリサ・サラマンカ氏は「企業や政府が自分たちの特定のニーズに合わせてAIモデルをカスタマイズできるようにするものです」と説明しています。

このプラットフォームの最大の特徴は、既存モデルの微調整ではなく、一からモデルを訓練できる点にあります。微調整とは、すでに訓練されたモデルに追加のデータを学習させて性能を調整する手法のことです。一方、RAGは検索拡張生成の略で、モデルが回答を生成する際に企業のデータベースから関連情報を検索して参照する技術です。これらの手法はモデルの基本的な構造を変えるものではありません。

Mistral Forgeでは、Mistralが提供するオープンウェイトAIモデルのライブラリから選択して、完全にカスタムのモデルを構築できます。オープンウェイトモデルとは、モデルの重み（学習済みパラメータ）が公開されており、自由に利用・改変できるモデルのことです。最近発表された「Mistral Small 4」などの小型モデルも含まれています。

背景と経緯

企業向けAI市場では、多くのプロジェクトが期待した成果を上げられていません。その主な理由は、汎用的なAIモデルが企業固有の業務や専門知識を十分に理解できないことにあります。例えば、金融機関の複雑な規制要件や、製造業の特殊な技術用語、政府機関の特定言語や文化的背景などは、インターネットデータで訓練された汎用モデルでは対応が困難です。

MistralはOpenAIやAnthropicといった競合が消費者市場で大きな成功を収める中、企業市場に焦点を絞った戦略を取ってきました。同社は2024年9月のシリーズC資金調達ラウンドで、企業評価額117億ユーロ（当時約138億ドル）に達しました。このラウンドではオランダの半導体製造装置メーカーASMLがリードインベスターを務めました。

今回の発表は、Nvidiaの年次技術カンファレンスGTCで行われました。このカンファレンスは今年、企業向けAIとエージェント型モデルに重点を置いており、Mistralの戦略と合致しています。エージェント型モデルとは、単に質問に答えるだけでなく、複数のタスクを自律的に実行できるAIシステムのことです。

技術的な詳細

Mistral Forgeの技術的な強みは、小型モデルのカスタマイズにあります。共同創業者でチーフテクノロジストのティモテ・ラクロワ氏は「小型モデルを構築する際のトレードオフは、大型モデルと比べてあらゆるトピックで同じように優れているわけではないということです。カスタマイズ機能により、何を重視し何を削るかを選択できます」と説明しています。

具体的には、企業は自社のニーズに応じて、特定の専門分野や言語に特化したモデルを訓練できます。例えば、医療機関なら医療用語と診療記録に特化したモデル、法律事務所なら法律文書と判例に特化したモデルを構築できます。これにより、汎用モデルでは不可能だった高度な専門性を実現できます。

Forgeには合成データパイプラインを生成するためのツールとインフラが含まれています。合成データとは、実際のデータから生成された人工的なデータのことで、プライバシーを保護しながらモデルを訓練するために使われます。また、強化学習を使ってエージェント型システムを訓練することも可能です。強化学習とは、試行錯誤を通じてAIが最適な行動を学習する手法のことです。

Mistralは使用するモデルとインフラについてアドバイスを提供しますが、最終的な決定は顧客に委ねられます。さらに、より多くのサポートが必要なチームには、Mistralのフォワードデプロイドエンジニア（FDE）チームが直接顧客と協働します。FDEとは、顧客の現場に常駐して技術支援を行う専門エンジニアのことで、IBMやPalantirなどが採用しているモデルです。

できること・できないこと

Mistral Forgeにより、企業は自社の独自データで完全にカスタマイズされたAIモデルを構築できます。例えば、ヨーロッパの政府機関が自国の言語と文化に特化したモデルを訓練したり、金融機関が厳格なコンプライアンス要件を満たすモデルを構築したりできます。製造業では自社の製造プロセスや技術仕様に特化したモデル、テクノロジー企業では自社のコードベースに最適化されたモデルを作成できます。

また、サラマンカ氏によれば、Forgeには評価指標（evals）の構築や適切なデータ量の確保など、企業が通常持っていない専門知識をFDEチームが提供します。評価指標とは、AIモデルの性能を測定するための基準のことです。これにより、技術的な専門知識が限られた企業でも、高品質なカスタムモデルを構築できます。

一方で、一からモデルを訓練するには、相応の時間とコンピューティングリソースが必要です。微調整やRAGと比べて、初期投資が大きくなる可能性があります。また、どのようなデータを使い、どのように訓練するかについての戦略的な判断も求められます。Mistralはこれらの課題に対してFDEチームによるサポートを提供していますが、企業側にも一定のコミットメントが必要です。

私たちへの影響

このニュースは、企業向けAIソリューションを検討している組織や、AI技術の導入を計画している企業に大きな影響を与えます。特に、既存の汎用AIモデルでは自社のニーズを満たせないと感じている企業にとって、新たな選択肢となります。

短期的な影響としては、すでにMistral Forgeを採用している企業が具体的な成果を示し始めることが予想されます。エリクソン、欧州宇宙機関、イタリアのコンサルティング会社Reply、シンガポールのDSOとHTX、そしてASMLなどの初期採用企業が、どのような成果を上げるかが注目されます。これらの事例が成功すれば、他の企業も追随する可能性があります。

中長期的な影響としては、企業向けAI市場の競争構造が変化する可能性があります。OpenAIやAnthropicが消費者市場で優位に立つ一方、Mistralのような企業特化型のプレイヤーが企業市場で独自のポジションを確立するかもしれません。また、企業が自社データでモデルを訓練することが一般的になれば、データプライバシーとセキュリティに対する意識がさらに高まるでしょう。

ただし、一からモデルを訓練するアプローチが全ての企業に適しているわけではありません。小規模な企業や、AIへの投資を最小限に抑えたい組織にとっては、従来の微調整やRAGベースのソリューションの方が適切な場合もあります。企業は自社のニーズ、リソース、目標を慎重に評価した上で、最適なアプローチを選択する必要があります。