LEGALISSのLLM戦略 2026：
日本の知識と業務を理解し、企業を動かす「信頼できるAI」へ

1. 日本市場に必要なのは、「日本語が話せるAI」ではない

日本語を生成できることと、日本社会を理解できることは同じではありません。

日本の業務では、契約書、社内規程、稟議書、報告書、製品仕様書、接客記録、医療・介護文書など、組織や業界ごとに異なる表現が使われます。主語の省略、敬語、暗黙の前提、長い文脈、社内固有の略語まで理解できなければ、実務で信頼されるAIにはなりません。

さらに、日本企業のAI導入では次の要件が重視されます。

• 個人情報・機密情報を外部へ流出させないこと

• 回答の根拠と参照元を確認できること

• 誤回答や不適切な処理を検知できること

• 人間による承認や停止が可能であること

• 導入後も品質・コスト・安全性を継続的に評価できること

• 特定のモデルやクラウドに過度に依存しないこと

日本政府も、生成AIの利用拡大とガバナンスを一体で進めています。デジタル庁は2026年度、全府省庁約18万人を対象とするガバメントAI「源内」の実証を進めるとともに、国内LLMの評価・調達を推進しています。AIは実験段階を終え、社会基盤としての信頼性を問われる段階に入りました。

​

2. LEGALISSが構築するのは、モデルではなく「AIシステム」

優れたLLMを一つ導入するだけで、企業の課題が解決するわけではありません。

実際の業務では、LLMに加えて、企業データ、検索基盤、アクセス権限、外部ツール、業務フロー、評価システム、人間による承認を統合する必要があります。

LEGALISSは、LLM・SLM、SaaS型AIプラットフォーム、AIアプリケーション、IoT、ロボティクスまでを横断し、AIが業務の中で安全に機能するためのシステム全体を設計します。

​

モデルポートフォリオという考え方

すべての処理を最大規模のモデルに任せる必要はありません。

高度な推論には高性能LLMを使用し、定型処理やリアルタイム応答には軽量なSLMを使用する。機密性の高い業務では、オンプレミスや企業専用環境で動作するモデルを選択する。このように、精度、速度、コスト、セキュリティを考慮してモデルを使い分けます。

モデルが更新されても業務システム全体を作り直す必要がない、交換可能で持続的なAIアーキテクチャを目指します。

​

3. 日本語データを「量」ではなく「価値」で設計する

LLMの品質を決めるのは、単純なデータ量ではありません。

重要なのは、データの正確性、専門性、権利関係、更新性、利用目的です。LEGALISSは、日本語データと企業固有データを安全に活用するため、次の観点を重視します。

• データの出所、権利、利用条件の管理

• 重複情報、低品質情報、個人情報の検出

• 業界用語、専門文書、企業固有表現の構造化

• 評価データと学習データの混入防止

• 情報更新に対応できるナレッジ基盤の構築

企業独自の知識は、必ずしもすべてモデルへ再学習させる必要はありません。RAGを通じて必要な情報を検索し、参照元を示しながら回答させる方法や、用途に応じた追加学習を組み合わせます。

日本語に強いオープンモデルの研究も進んでおり、国立情報学研究所を中心とするLLM-jpは、日本語コーパスを用いたモデルやMoEモデルを公開しています。LLM-jp

LEGALISSは、こうした国内外の研究成果と企業固有の知識を組み合わせ、日本の現場に適したAIを設計します。

​

4. 推論するAIから、仕事を実行するAIへ

2025年以降、LLMの進化を象徴する技術の一つがReasoningです。

強化学習や推論時の計算によって、問題を段階的に分析し、複数の候補を検証するモデルが登場しました。DeepSeek-R1の研究は、大規模な強化学習が推論能力を引き出せることを示す一方、可読性や言語混在など、推論能力だけでは解決できない課題も明らかにしました。

次の段階は、その推論能力を業務へ接続する「AIエージェント」です。

AIエージェントは、質問に答えるだけではありません。目的に応じて計画を立て、社内情報を検索し、APIやソフトウェアを操作し、結果を確認しながら業務を進めます。

LEGALISSは、エージェントに無制限の自律性を与えるのではなく、業務リスクに応じて権限を設計します。

• 閲覧だけを許可する

• 操作前に人間の承認を求める

• 利用可能なツールやデータを限定する

• 実行履歴と判断結果を記録する

• 異常時には処理を停止し、人間へ引き継ぐ

AIが「何でもできる」ことよりも、「許可された範囲で確実に動く」ことを優先します。

​

5. マルチモーダルAIとフィジカルAIへの拡張

企業が扱う情報は文章だけではありません。

画像、音声、映像、表、図面、センサーデータなどを統合して理解するマルチモーダルAIは、製造、小売、医療、観光、エンターテインメントなど、多くの産業で重要になります。

LEGALISSは、言語モデル開発に加えて、AIアプリケーション、バーチャルヒューマン、IoT、ロボティクスを事業領域としています。

この横断的な技術基盤を活用し、デジタル空間の情報処理だけでなく、現実世界を認識し、人と対話し、必要な動作につなげるAIを目指します。

たとえば、店舗情報を理解してスタッフを支援するAI、設備データから異常の兆候を説明するAI、音声と映像を理解して利用者を案内するAIなど、LLMを社会と接続する応用が可能になります。

​

6. ベンチマークの点数ではなく、業務成果で評価する

一般的なベンチマークで高い点数を獲得しても、実際の企業業務で正しいとは限りません。

LEGALISSは、導入する企業や業務ごとに評価基準を設計します。

​

品質評価

• 日本語の自然さと指示理解

• 専門用語、固有名詞、社内表現の理解

• 回答の正確性と一貫性

• 参照情報への忠実性

• 不明な場合に推測せず回答を保留できる能力

​

システム評価

• 応答速度

• 一件あたりの推論コスト

• 同時利用時の安定性

• モデル更新による品質変化

• 障害時の復旧性

​

セーフティ評価

• プロンプトインジェクションへの耐性

• 機密情報・個人情報の漏えい防止

• 権限外操作の防止

• 有害・差別的出力への対策

• 操作履歴と監査可能性

モデル単体ではなく、検索、ツール利用、アクセス制御、人間の監督を含めたシステム全体を評価することが重要です。

​

7. AIガバナンスを、開発後の確認作業にしない

AIガバナンスは、完成したシステムに後から規則を追加することではありません。

企画段階で利用目的と禁止事項を定義し、開発段階でリスクを検証し、運用開始後もログ、インシデント、品質変化を継続的に監視する必要があります。

LEGALISSは、日本の制度・指針を踏まえ、ガバナンスをシステム設計の一部として組み込みます。

経済産業省・総務省の「AI事業者ガイドライン」は、AI開発者、提供者、利用者それぞれの責任と、ライフサイクル全体でのリスク管理を示しています。

また、AIセーフティ・インスティテュートは2026年7月に「AIセーフティに関する評価観点ガイド」第1.20版を公表しています。

LEGALISSが目指すのは、ルールによってAIの可能性を閉じることではありません。適切な管理によって、企業が安心してAIの能力を解放できる環境をつくることです。

​

8. LEGALISSのLLM開発方針

LEGALISSは、次の六つをLLM開発の中心に置きます。

1. Japanese Intelligence
   日本語、日本文化、日本企業の業務知識を深く理解するAI。

2. Model Independence
   特定モデルに依存せず、LLMとSLMを最適に組み合わせられる基盤。

3. Enterprise Knowledge
   企業データを安全に接続し、根拠に基づいて回答する仕組み。

4. Agentic Execution
   検索、判断、ツール操作を統合し、業務を最後まで支援するAI。

5. Safety by Design
   権限管理、監査、人間の承認を開発段階から組み込む設計。

6. Continuous Evaluation
   精度、コスト、安全性を継続的に測定し、運用しながら改善する体制。

​

日本の未来を動かす、信頼できるAIを

日本が必要としているのは、海外のAIをそのまま輸入することでも、最大規模のモデルを競うことでもありません。

日本語、日本の産業、日本企業の品質基準を理解し、重要なデータを守りながら、実際の仕事を前へ進めるAIが必要です。

LEGALISSは、LLM、SLM、SaaS、AIアプリケーション、IoT、ロボティクスを一つの技術基盤として捉え、モデル開発から業務実装、評価、運用までをつなぎます。

私たちがつくるのは、デモの中だけで賢く見えるAIではありません。

企業と社会の中で責任を持って動き、人の判断を支え、人の創造力を解放し、日本の産業競争力を次の時代へつなぐAIです。

日本を理解し、日本から世界へ。
LEGALISSは、信頼できるAIの新しい標準をつくります。