AI応用：投資銀行の分析、生成AI技術への投資は4段階、コストと「自社らしさ」のトレードオフを見極めよ

以下会社のAI投資の段階を説明したものです。

第３段階のスタートアップのELYZAがLlama 3をベースに開発したモデルの開発費用は数千万円くらいで、１億かからないのは意外で、
第４段階のオープンAIのGPT-3のトレーニングコストは約460万ドル（約6億6000万円、1米ドル＝143.8円で換算）は、やはりまだまだ高いなぁと思いました。

第1段階：プロンプトエンジニアリング
入力に業界情報を加え、汎用AIから望む回答を引き出す手法。低コスト。

第2段階：外部知識の組み込み(RAG)
独自データベースを検索し回答生成。ハルシネーション削減が可能だが応答遅延も。

第3段階：ファインチューニング
汎用モデルを自社データで再学習し調整。性能維持に継続的なコストがかかる。

第4段階：独自LLM構築
AIモデルをゼロから開発。自由度高いが膨大なコストとリソースが必要。

ISAOの管理部門のAI導入事例

AIは、こうした小さな「動かない」でつまずきます。ISAOは、その先——実際の業務に
AIを乗せて回すところまでを、お客様の管理部門と一緒に進めています。

少人数の経理財務部門で、決算業務を1本ずつAI化。外注に頼らず社内で決算を完結
できる体制をつくりました。（Claude Cowork／Microsoft 365 Copilot）

ツールを配って終わりにせず、顧問として伴走。安全に使える環境の整備から
リテラシー向上まで。G検定の合格率は100%。

月100件を超える契約の収益認識判定を、監査証跡を保ったままAIがドラフト。
ドラフト・レビュー工数を75%以上削減しました。

管理部門の業務をAIが担う仕組みを研究。汎用LLMで足りる部分と、自社で作り込む
べき部分の線引きを実務で検証しています。