AI

富士通、専有型の生成AI基盤に追加学習と安全対策を統合

この記事のポイント

  1. 実現したこと

    企業自身によるモデルの追加学習を対象に、専有型AI基盤の先行トライアル実施が決まった。

  2. 実現の仕組み

    脆弱性の検出結果から防御ルールを自動生成し、生成AIの動作を制御するガードレールへ適用する。

  3. 得られた結果

    搭載する量子化技術は、富士通が公表済みのTakaneの測定で、メモリ消費量を最大94%削減した。

  4. 従来との違い

    専有環境向けの生成AI基盤に、モデルの追加学習・軽量化とエージェント開発をまとめた製品構成になった。

明るいデータセンターを背景に、調整されるモデルのブロック、量子化を表す小さなブロックの積層、虫眼鏡で検査するキューブ、モデルを囲む防御パネルを並べた編集イラスト。
AI生成画像

専有環境で生成AIを使う基盤に、モデルの追加学習、軽量化、安全対策、エージェント開発をまとめる。富士通は「Fujitsu Kozuchi Enterprise AI Factory」の一部機能を対象に、2月2日から先行トライアルを受け付ける。正式提供は2026年7月を予定する。

データの保管場所とモデル改善を企業が管理する

富士通が提供する専有型AI基盤「Fujitsu Kozuchi Enterprise AI Factory」は、企業自身がモデル開発、運用、追加学習を繰り返すための製品だ。生成AIの実行環境と、モデルやエージェントを継続的に改善する機能をまとめる。

基盤には、オンプレミス向け生成AIソリューションのPrivate AI Platform on PRIMERGYとPrivate GPTを用い、富士通のAI技術群を一つのパッケージにする。富士通によると、顧客データを外部へ出さない専有環境を構成し、設置先は顧客や富士通のデータセンターなどから選択できる。

業務への追加学習とモデルの軽量化を組み合わせる

モデル側では、大規模言語モデルのTakaneを中核に、企業が業務特化型モデルを改善するためのファインチューニング機能を提供する。追加学習を顧客自身で行う機能に、モデルを軽量化する量子化技術を組み合わせる構成だ。

富士通が示す量子化技術の削減効果は、メモリ消費量で最大94%となる。この数字は2025年9月8日の発表で示したTakaneの実測値であり、今回の統合基盤全体を測定した値ではない。

脆弱性の検出から防御ルールの適用までを自動化する

安全対策には、富士通独自の定義を含む7,700種超の脆弱性に対応するスキャナーを組み込む。富士通は、スキャナーと生成AIの動作を制御するガードレールを使い、プロンプトインジェクションや不適切な出力、想定外の挙動を事前と実行時に検知・抑止するとしている。

検出した脆弱性は、防御ルールを生成する処理へ渡す。そのルールをガードレールへ自動適用することで、検出から対策の反映までを運用機能としてつなぐ。

エージェントを既存システムへつなぎ、一部機能から試す

AIエージェントの構築には、ローコード・ノーコード開発機能を備えたフレームワークを提供する。既存システムやデータとの接続には連携用プロトコルのMCP(Model Context Protocol)を使い、エージェント間通信によって複数のエージェントが役割を分担する構成にも対応する。

先行トライアルは全機能を一度に提供する形ではなく、内製型ファインチューニングやモデル量子化などが対象となる。富士通は2026年2月2日に受付を始め、2月から段階的に提供し、正式提供を7月に予定している。