株式会社renue
renueについて
renueは、AIで業務を実装する会社です
AIコンサルティングから図面AI・広告運用エージェント・コールセンターAIまで、実際に動いているサービスをご覧いただけます。renueが何をしている会社か、まずはサービス一覧からご確認ください。
「専用AIを作るな、汎用LLMに仕事をさせろ」——AI開発戦略の新パラダイム
多くの企業が「自社専用のAIモデルを作ろう」と考えます。これに対し、renueが掲げる「汎用LLM至上主義」は、まず汎用モデルを活用する環境づくりを重視します。次の言葉はその戦略上の表現です。「汎用LLM（Claude、GPT等）が最高であり、それに多様な仕事をさせる環境づくりが重要。多くの専用モデルは無駄で、汎用モデルによって駆逐される」
この戦略では、ホワイトカラー業務のうち、判断条件や手順を言語化できる部分から汎用LLMの活用を検討します。全業務を任せられる、または専用モデルが不要と保証するものではありません。大事なのはモデルを作ることではなく、ドメイン知識を言語化することです。
本記事では、汎用LLM至上主義に基づくAI開発戦略と、ドメイン知識の言語化からAIエージェント環境設計までを解説します。
専用AIモデルを作る前に検証すること
汎用LLMの更新も比較対象にする
専用モデルの開発期間と費用は、ゼロからの学習か既存モデルの追加学習か、必要なデータや評価水準によって異なります。開発中に汎用LLMも更新され得るため、新しい汎用LLMとの比較評価を続けることを提案します。性能が逆転する事例の頻度はここでは断定せず、同じ業務データで品質・速度・費用を比べます（OpenAI：用途に合わせた評価）。
専用化・小型化が有効かを要件で判断する
特定業務に特化した専用モデルと、規模の小さい言語モデルであるSLM（Small Language Model）は別の区分です。小型モデルを追加学習して特化させることもありますが、SLMは専用モデルと同義ではありません。たとえばPhi Silicaは端末上で要約・書き換えなどに使える小型言語モデルです。以下は選定時の確認観点で、各方式の優劣を保証する表ではありません（Microsoft：SLMと特定タスク向けの調整、Phi Silicaの用途）。
| 専用モデル・小型モデル等を検討する要件 | 汎用LLMも候補になる要件 |
|---|---|
| リアルタイム推論（ミリ秒単位） | 数秒の応答が許容される業務 |
| 完全オフライン環境 | インターネット接続が可能 |
| 専門的な領域（医療画像なら言語モデル以外の専用画像モデル等も検討） | テキストベースのホワイトカラー業務 |
| デバイスエッジ処理 | クラウドAPIが利用可能 |
右列に該当する業務では、まず汎用LLMで必要な品質を満たせるか検証します。BtoB業務の大半をカバーできると判断するのではなく、精度・応答時間・情報管理・運用費用の条件で選びます。左列の要件も、小型化や専用化だけで満たせるとは限りません。
ドメイン知識の言語化が全て
AIの精度はモデルとコンテキストの両方で評価する
同じ汎用LLMでも、与えるコンテキスト（業務知識・ルール・事例）の内容や関連性で出力は変わります。必要な情報を具体化することは改善手段の一つですが、量を増やせばよいわけではなく、効果はモデルとタスクで評価します（OpenAI：指示・文脈・例示の設計）。
※以下は説明用の仮の業務ルールです。 ❌ 情報が不足したプロンプト 「請求書を処理して」 ✅ ドメイン知識を言語化したプロンプト 「経理部の請求書受取業務を処理します。 ・基幹システムで経理を一元管理 ・請求書は月末締め翌月末払い ・この例では標準税率10%・軽減税率8%・非課税の取引を対象とする ・不課税・免税など対象外の取引や判定不明は担当者に確認する ・100万円以上は部長承認が必要 この業務フローに基づいて、以下の請求書を処理してください」
後者はプロンプトの工夫だけで精度を高められる場合がありますが、専用AIと同等の性能を示す比較結果ではありません。100万円の承認条件や支払条件は仮の社内ルールで、税区分の全体を3種類に限定する例でもありません。非課税・不課税・免税は区別して扱います（国税庁：非課税と不課税の違い、非課税と免税の違い）。
言語化すべき3つのドメイン知識
- 業務ルール：判断基準、承認フロー、例外処理
- 業界用語：専門用語の定義、略語の展開
- 暗黙知：ベテランだけが知っている判断のコツ、過去の失敗事例
AIエージェント環境設計の5層
第1層：汎用LLM（Claude/GPT等） ↑ 最新モデルにキャッチアップし続ける 第2層：エージェントフレームワーク（Claude Code） ↑ ツール呼び出し・MCP連携・自律実行 第3層：プロジェクト指示書 ↑ ドメイン知識・ルール・制約の言語化 第4層：Skill（業務テンプレート） ↑ 繰り返し業務のワークフロー化 第5層：MCP連携（外部システム接続） ↑ 各種外部システム等
専用AIモデルを作る代わりに、第3-5層を充実させることで、汎用LLMが業務を実行するための情報と接続手段を整え、実データで品質を検証します。
技の6領域でAIを横展開する
1つの領域を深く理解していれば、隣接領域はAIを活用して自分の守備範囲を広げられます。
| 領域 | AIによる横展開の例 |
|---|---|
| 渉外 | AIが提案書ドラフトを作成→人間がレビュー・カスタマイズ |
| 戦略 | AIがIR資料を分析→人間が戦略判断 |
| 分析 | AIがデータ探索・可視化→人間が洞察 |
| 設計 | AIが設計案を複数提示→人間が選択・判断 |
| 開発 | AIがコード生成・テスト→人間がレビュー・承認 |
| PMO | AIが進捗レポート自動生成→人間が判断・エスカレーション |
例えば、真にPMOをしているなら、コミュニケーションや開発チケット起票を理解しており、人に依頼できます。その力があればAIに依頼して、成果物をチェックすることで実質自分でやることが可能です。
ノーコードツールを使う際の4つの確認点
- カスタマイズの範囲：必要な処理を標準機能・API・コード拡張で実装できるか確認する
- エージェント統合：MCPやAPIなどの接続方法を製品・版ごとに確認する。n8nにはClaude Codeとの公式MCP接続手順がある
- スケーラビリティ：処理量、並列実行、再試行、運用監視が業務要件を満たすか検証する
- ベンダーロックイン：ワークフローの移行方法や外部接続の仕様を確認する
AIエージェント（Claude Code等）による試行錯誤と拡張性と、ノーコード・ローコード製品のワークフローを組み合わせる構成もあります。たとえばn8nのMCP連携では、認証と権限を設定して許可したワークフローを操作します。全製品を連携不能とせず、対象製品の機能と運用条件を確認します（n8n MCPの機能・権限、Claude Codeなどの接続例）。
新しい汎用モデルへのキャッチアップ戦略
汎用LLM至上主義では、常に最新の汎用モデルにキャッチアップすることが重要です。
キャッチアップの3原則
- モデル非依存のアーキテクチャ：特定モデルに依存しない設計にする
- プロンプトとSkillに知識を蓄積：モデルが変わってもドメイン知識は引き継げる
- 3ヶ月ごとの見直し：新モデルのリリースに合わせてベンチマーク評価
実践ロードマップ
以下は小規模な試行を想定した計画例です。期間は必要な情報の整理量、接続先、評価・承認の工程に合わせて調整します。
| フェーズ | 期間 | やること |
|---|---|---|
| 1. 言語化 | 1-2週間 | 業務ルール・判断基準・暗黙知をドキュメント化 |
| 2. CLAUDE.md化 | 1週間 | 言語化した知識をCLAUDE.mdとSkillに落とし込む |
| 3. 検証 | 2週間 | 実業務でAIの出力品質を検証・フィードバック |
| 4. 展開 | 1ヶ月 | チーム全体に展開・6領域の横展開を促進 |
| 5. 改善 | 継続 | プロンプト・Skillの品質を継続的に向上 |
まとめ：汎用LLM戦略チェックリスト
| 項目 | チェック |
|---|---|
| 戦略 | 専用AIモデル開発に投資する前に、汎用LLM+ドメイン知識言語化で代替可能か検証したか |
| 言語化 | 業務ルール・業界用語・暗黙知がドキュメント化されているか |
| 環境 | CLAUDE.md・Skill・MCP連携の5層が設計されているか |
| 横展開 | 6領域でAI活用が進んでいるか |
| キャッチアップ | 新しい汎用モデルのリリースを追跡し、3ヶ月ごとに評価しているか |
| ノーコード | ノーコードとエージェントの連携・拡張・運用条件を比較したか |
AI開発の勝ち筋は「専用モデルを作ること」ではなく「汎用LLMに業務を教えること」です。ドメイン知識を言語化し、CLAUDE.mdとSkillに落とし込み、エージェントフレームワークで拡張する——この戦略を出発点に、品質と運用費用を測りながら適した構成を選びます。
あわせて読みたい
- HRテックとは？採用・人事管理の最新ツール・トレンド
- フィンテック（FinTech）とは？意味・サービス事例・最新動向をわかりやすく解説【2026年版】
- AI SaaSとは？従来型SaaSとの違い・市場動向・企業の活用法を解説【2026年版】
関連記事：AI開発戦略の実践ガイド
AI開発戦略の連載として、以下の記事も合わせてお読みください。
- ドキュメント戦略：AI時代のドキュメント戦略｜README・CLAUDE.md・AGENTS.md
- コードオーナーシップ：AIが書いたコードの品質責任・レビュー義務・著作権
- テックリード：AIエージェント時代のテックリードの役割再定義
- オンボーディング：AI開発チームの新人オンボーディング設計
- 協働モデル：AIペアプログラミング2.0｜人間×AIの最適な役割分担
AI開発戦略の策定・実行でお悩みの方は、renueにご相談ください。汎用LLM活用からチーム設計まで一貫した支援を提供しています。
関連記事
PMOコンサルティングのご相談はrenueまで。
エンジニアキャリア連載
エンジニア組織の成長支援はrenueにご相談ください。
