Mistral AIが「Forge」公開：社内データで独自フロンティアモデルを構築

公開データで学習した汎用AIは幅広いタスクをこなせますが、企業独自のコードベースやコンプライアンス基準、業務プロセスまでは理解できません。社内用語が通じず、実務への導入で足踏みするケースは少なくありません。

Mistral AIは、企業が自社の独自データを使ってフロンティアクラスのモデルを構築できる新プラットフォーム「Forge」を発表しました。社内ナレッジを深く反映させたAIの作成を支援します。

事前学習から自律エージェント連携まで対応

Forgeは、事前学習（Pre-training）、事後学習（Post-training）、強化学習（RL）といったモデル開発のライフサイクル全体をカバーしています。大量の社内ドキュメントやコード、業務ログを取り込ませることで、組織独自の語彙や意思決定の前提を理解するモデルを作ることができます。

モデル構造は、汎用的なDense（高密度）型と計算効率に優れるMoE（Mixture of Experts）型の両方をサポートし、マルチモーダル入力にも対応します。さらに「エージェントファースト」設計を掲げており、Mistral Vibeなどの自律エージェントが自然言語の指示を受けてハイパーパラメータの調整、合成データの生成、評価の追跡などを自律的に実行できます。

すでにASML、エリクソン、欧州宇宙機関（ESA）、シンガポールのDSO National LaboratoriesやHTXなどが初期パートナーとして導入を進めています。

なぜ重要か

私たちは、この動きがRAG（検索拡張生成）の限界を感じ始めていたエンタープライズにとって重要な選択肢になると考えています。社内ツールを自律的に操作するエージェントを動かすには、表面的な検索ではなく、基盤モデル自体が組織の論理を前提として推論できる必要があるからです。

特に、欧州連合（EU）の規制や機密保持を重視する企業にとって、自社の知財やデータを完全にコントロール下に置きながら最高峰モデルを内製化できる点は極めて魅力的です。オープン路線と主権性を重視するMistralの戦略がうまく噛み合っています。

ただし、自前で事前学習や強化学習を回すには、膨大な計算資源と整った社内データの両方が不可欠です。自然言語で指示できるとはいえ、現時点で実用的な恩恵を受けられるのは、ASMLや防衛機関のような潤沢なリソースを持つ一部の大手組織に限られると見ています。