NTTは2026年11月12日、企業が持つ少量の業務マニュアルから学習用データを自動生成し、大規模言語モデル(LLM)に専門知識を定着させる新技術を発表しました。「tsuzumi 2」などで評価した結果も公開しています。

業務マニュアルからFAQ・仕様書などの学習データを生成

企業が独自のLLMを作ろうとしても、手元にある業務マニュアルだけでは学習に十分な量を確保しにくいという課題があります。NTTの新技術では、マニュアルの内容をもとに、LLM自身がFAQや仕様書など、異なる観点から学べる形式の教材を作成します。

重要なのは「少ない文書をそのまま何度も読ませる」のではなく、同じ業務知識を複数の表現に置き換えて学習させることです。外部の無関係な文書を大量に集めずに済むため、社内固有の用語や手順を覚えさせる場面が想定されています。

tsuzumi 2の評価では65.3%から83.1%に

NTTの検証では、実業務マニュアルの内容に関する質問に答えられる割合を計測しました。tsuzumi 2は学習前の正答率65.3%に対し、新技術による学習後は83.1%。比較した先行研究の73.3%も上回ったと発表しています。

これはNTTが設定した評価問題における結果です。すべての業務で同じ伸び率になるわけではありません。より軽量なLlama 3の3Bモデルでも検証が行われています。

NTTグループへの導入予定と一般提供の状況

新技術はNTTグループ各社への導入を予定しており、11月18〜25日の「NTT R&D FORUM 2026」で紹介する計画です。現時点の発表は研究開発成果に関するもので、誰でも申し込める一般向けのAPI料金や提供開始日は示されていません。

RAGとの違いと実際の使い分け

RAGは回答時に関連文書を検索して参照する方法で、更新の多い社内規程や料金表にも対応しやすい仕組みです。一方、今回のNTTの技術はモデル自体を追加学習で調整します。更新頻度が低く、繰り返し使う専門用語や手順の習得に向いている可能性がありますが、元のマニュアルに誤記があれば、作成された学習資料にも影響する点に注意が必要です。

実用化に向けては、学習データの出典を記録し、学習前後で同じ評価問題を試し、文書更新時にモデルを再調整する手順を用意する必要があります。NTTグループへの導入予定は、一般利用者が直ちに申し込めるサービスの開始とは異なります。

関連記事

RAGとは

ファインチューニングとは