何が起きたか
Bridgewater傘下のAIA LabsとMira Muratiが立ち上げたThinking Machines Labが共同で、投資家の日常業務を自動化する実験結果を公表しました。ニュース、企業の提出書類、メールなど、投資家が日々こなす「情報のトリアージ」を6つのタスクに分解し、AIに評価させたものです。
例えば、トランプ氏の「グリーンランド領有」発言は無関係と判定し、対中国の追加関税発言は重要と判定する——といった業務上の判断が対象です。
フロンティアモデルは50%止まり
興味深いのは、GPT・Claude・Geminiといった最新モデルに単純なプロンプトで指示しても、正答率は約50%にとどまった点です。専門家が書いた詳細な指示と「関連あり・面白い」「関連ありだが退屈」「無関係」という3段階の評価軸を導入しても、精度は70%台半ばで、実用ラインとされる80%には届きませんでした。
さらに報告書は、GPT 5.4はGPT 5.2より43%高価にもかかわらず精度の伸びはわずかで、「1ドルあたりの改善」が頭打ちになりつつあると指摘しています。
突破口はファインチューニングとラベリングの工夫
両社が採ったアプローチは、Thinking Machines LabのTinker基盤上で、オープンウェイトのQwen3-235Bを社内データで追加学習させる方法です。
ラベル付けにも工夫がありました。まず外部の安価な作業者にラベルを付けさせたところ誤りが多かったため、その「不完全なラベル」でまずモデルを学習させ、その予測とラベルが食い違うケースだけをBridgewaterの投資家に判定させたのです。専門家の時間を最小化しながら教師データの質を上げる仕組みです。
結果、ファインチューニングモデルは84.7%の精度に到達し、比較対象で最も強かったフロンティアモデルの78.2%を上回りました。運用コストは約14分の1です。
なお両社ともこの手法を商業提供する立場にあるため、独立した第三者による検証ではない点は割り引いて読む必要があります。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社にとって、この事例が示す論点は明快です。「自社の判断ロジック」をフロンティアモデルに丸投げすると、コスト高と精度不足の両方に苦しむ——これが金融というデータの巨大産業ですら成立している事実です。
特に示唆的なのは、地銀・生保・大手商社・法律事務所・監査法人・M&Aアドバイザリーなど、「熟練者の判断そのものが商品」である業界です。これらの業界は、GPTやClaudeにプロンプトで指示するアプローチでは50%止まりになる領域を大量に抱えています。ここでオープンウェイト+ファインチューニングに切り替えれば、精度とコストの両方で優位を築けます。
より本質的なリスクは、プロプライエタリなデータをOpenAI等に渡すことは、自社を潰す製品の学習データを提供している構図になりかねないという点です。日本のSaaS各社(kintone、freee、Sansanなど顧客データを大量保有する事業者)にとって、Tinkerのような「重みを自社で保有できる」ファインチューニング基盤は、データ主権を守る現実的な選択肢になります。
役員が今すぐ確認すべきは3点。①社内のどのデータが「フロンティアラボが持っていない」希少資産か、②現在のAI活用がAPI呼び出しに閉じていないか、③ファインチューニング基盤の導入判断を情シスではなく事業戦略として扱えているか、です。