01
レビューからのインサイト抽出
- レビューにない主張をどこまで創作するか。抽出したインサイトを根拠に紐付けられるか。
Lab / 検証レポート
「使えるか」を、実際に検証して公開する
生成AIを実務に入れられるかは、試してみないと分かりません。同一プロンプト・複数試行・採点キー先出しという同じ型で検証し、うまくいかなかったケースも含めてそのまま公開しています。
Series 01
ローカルLLMの実務適用
インターネットに接続しない閉域環境で、ローカルLLMが業務にどこまで耐えるか。 タスクを変えながら同じ型で検証し、うまくいかなかったケースも含めて公開しています。
検証環境
シリーズ01 共通
| ローカル実行環境 | AWS EC2 g6e.xlarge ／ NVIDIA L40S ×1（VRAM 48GB）／ Ubuntu 22.04 Deep Learning AMI |
|---|---|
| 推論 | Ollama（既定の Q4_K_M 量子化） |
| 検証対象モデル | Qwen3 32B / 14B / 8B、Llama3.1 8B、Gemma3 12B、Phi-4 14B、Swallow 8B、ELYZA JP 8B |
| 基準線 | Claude Sonnet 5（AWS Bedrock）。GPUスペックは非公開のため、応答時間はローカルLLMと同列比較しない |
| 入力データ | 原則すべて架空データ。検証08のみ自社サイトの実データを使用 |
検証ケース
総合評価は各ケースの採点キーに基づく。◎ ほぼ完全／○ 軽微な誤り／△ 複数の欠陥／× 実務利用に支障
CASE 01
議事メモ整理
会議の文字起こし → サマリー＋ToDo表
Qwen3 32B / 14B / 8B ＋ Sonnet 5
2026/07・n=1
△ 8B（3サイズ中最良）
公開中
CASE 02
資料要約
日本語の戦略資料（PDF）→ 要約。入力が社内資料のため公開範囲を限定
Qwen3 32B / 14B / 8B・minimax-m3 ＋ Sonnet 5
2026/07・n=1
◎ 14B（21.5秒）
部分公開
CASE 03
アクセス解析インサイト
GA4データ → 解析インサイトレポート
Qwen3 32B / 14B / 8B ＋ Sonnet 5
2026/08・n=3
△ 32B（3回中1回のみ正確）
公開中
CASE 04
英日翻訳
英語マーケティング文書 → 日本語
Qwen3 32B / 14B / 8B ＋ Sonnet 5
2026/08・n=3
△ 14B（後編集前提なら実用圏）
公開中
CASE 05
飲食店の月次レポート
日次売上 → 集計＋改善インサイト（条件A/B比較）
Qwen3 32B / 14B / 8B ＋ Sonnet 5
2026/08・n=3
◎ 32B（条件B・18/19）
公開中
CASE 06
経費レポート
集計プログラムとLLMの境界設計（設計編）
Qwen3 32B / 14B / 8B ＋ Sonnet 5
設計のみ
—
設計公開中
CASE 07
EC年間レポート
8モデル横断比較（日本語特化モデル含む）
Qwen3 3サイズ・Llama3.1・Gemma3・Phi4・Swallow・ELYZA ＋ Sonnet 5
2026/08・n=3
△ 32B（群B 1.7）
公開中
CASE 08
サイトQAチャットボット
自社サイトの情報を参照して質問に回答（9モデル横断）
Qwen3 3サイズ・Llama3.1・Gemma3・Phi4・Swallow・ELYZA ＋ Sonnet 5
2026/08・n=3
◎ 8モデルが45/45
公開中
CASE 09
PDF資料の情報抽出
PowerPoint由来PDF → 抽出＋サマリー（4条件比較）
Qwen3 3サイズ・Llama3.1・Gemma3・Phi4・Swallow・ELYZA ＋ Sonnet 5
2026/08・n=3
◎ 正規化すれば5モデルが33/33
公開中
Upcoming
今後の検証テーマ
シリーズ01の残りケースに加えて、ローカルLLM以外のテーマも同じ型で検証していきます。 検証してほしいテーマのご要望も受け付けています。
02
手書きメモの文字起こし
- 誤読・脱字・レイアウト解釈の精度。画像入力に対応したモデルが前提。
03
プロンプト改善で直るか
- 検証で見つけた欠陥が、プロンプトの一行追加で解決するのか、モデル能力の限界なのか。