今や、あらゆる企業の取締役会資料にはAIに関する指令が含まれているようだ。企業は、わずか3年前なら無謀だと思われたほどのペースで、顧客記録、内部戦略文書、独自の分析データを大規模言語モデルに投入している。このトラフィックの大部分は、クローズドソースのシステムへと流れている。それらは便利で強力であり、他社によってホストされているからだ。Mistral AIの創設者であるArthur Menschは、この利便性には、いかなるサブスクリプション料金をも上回りかねない「隠れた税金」が伴っていると考えている。
Menschは、ある特定の危険性について声を上げてきた。独自のモデルを通じてビジネスを行うとき、単に計算リソースを借りているだけではないということだ。それは、そのモデルを構築した研究所に対して、自社の業務の詳細な地図を手渡していることに等しい。これらのプロバイダーは、システムを洗練させるために、膨大な量の顧客とのやり取りのデータを保存している。時間が経つにつれ、そのデータはパターンを明らかにする。彼らは、あなたがどのように製品の価格を設定し、どのようにオーディエンスをセグメント化し、どのようにリスクを特定し、どのようにチャンスを見つけ出すのかを把握する。Menschは、一部の研究所がすでに、このインテリジェンスを利用して自社の顧客をターゲットにし、利益がどこにあるかを正確に理解した途端に市場へ参入する意欲を見せていると警告している。
彼の助言は単刀直入だ。「それが自らの手の中にない限り、それはあなたの成長にはならない」。彼が提示する解決策は「主権（sovereignty）」である。データをオープンなシステムに移行し、厳格なアクセスルールを適用し、独自のトレーニングパイプラインに投資することだ。これは被害妄想的な空想ではない。認知に適用されたサプライチェーン・セキュリティなのだ。サプライヤーに工場の設計図を渡したりはしないだろう。Menschは、AIプロバイダーに対して、組織のプレイブック（戦略指針）に相当するものを渡すべきではないと主張している。
モデルの重みが「企業の記憶」である理由
この考えは、テック業界の意外な場所からも支持を得ている。PalantirのCEOであるAlex Karpは、防衛や金融業界ですでに広まりつつあるフレーズを用いて、この問題をこう表現している。「重みをコントロールすることは、運命をコントロールすることである」。
なぜこれが重要なのかを理解するには、モデルの重みが実際に何を表しているのかを考えるのが役立つ。機械学習において、重みとは、生のデータを有用な予測へと変換する、調整された数十億ものパラメータのことである。顧客の解約履歴、診断画像、物流最適化の事例といった自社データを用いてモデルをトレーニングまたはファインチューニングすると、その知識は重みの中に圧縮される。それらは一種の「企業の記憶」となり、蓄積に何年もかかった意思決定や専門知識をエンコード（符号化）するのである。
もしフロンティアモデルを借り、単に機密情報をプロンプトとして入力するだけなら、その蒸留された知識を所有することには決してならない。さらに悪いことに、プロバイダーはあらゆるシグナルを吸収する。個々のクエリが、あなたの専門領域（バーティカル）について、彼らのシステムに少しずつ教えていくことになる。彼らの次回のモデルアップデートは、あなたを成功に導いたまさにその優位性を内面化してしまう可能性がある。Karpはこれを、群衆からあなたを隔てる独自のパフォーマンス上の優位性である「アルファ（alpha）」と呼んでいる。重みをアウトソーシングすることは、アルファをアウトソーシングすることを意味する。その時点で、AIはツールであることをやめ、あなたの専門知識を競合他社へと転送するための導管となってしまう。
ファインチューニングの優位性
Bridgewaterの実験は、別の道があることを示している。このヘッジファンドはThinking Machines Labと協力し、オープンソースのQwen3-235Bモデルをファインチューニングした。独自の投資家評価をブラックボックス化されたAPIに送信する代わりに、彼らはデータを社内に留め、モデルを特定のニーズに適応させた。その結果は劇的だった。金融文書の分析において、彼らのファインチューニングされたモデルは84.7%の精度を達成した。一方、最高のフロンティア・クローズドモデルは、わずか78.2%にとどまった。
金融の世界において、その差は重要である。そこでは、