銀行と翻訳に「専用AI」――PFNのPLaMo公開が示す国産モデルの新段階

銀行の内部文書と、多言語の現場に同じ問い

融資審査の書類から必要な情報を拾い出す。海外の取引先から届いた契約文書を、日本語の用語や敬体・常体の違いに配慮して訳す。いずれも文章を扱う仕事だが、求められる精度、監査可能性、情報管理は異なる。日本のAI開発企業Preferred Networks（PFN）が11月上旬に公開した二つの言語モデルは、こうした違いに正面から向き合う。

PFNは2026年11月５日に翻訳特化型「PLaMo 3 Translate」を、９日に金融特化型「PLaMo 3.0 Fin」をオープンウェイトで公開した。国立研究開発法人情報通信研究機構（NICT）は９日、共同研究で得られた事前学習モデル「PLaMo 3 NICT」を両者の基盤とする取り組みを紹介している。発表日はそれぞれ５日と９日であり、13日に初公開された製品ではない。

重要なのは「日本製AIが二つ増えた」という数の話ではない。巨大な汎用モデルにすべてを任せるのでなく、翻訳や金融という仕事に必要な能力を磨き、企業が管理する計算環境に置けるようにする。AIを研究室の性能競争から、日々の業務の費用と責任へ引き寄せる動きである。

翻訳は53言語、４種類の大きさから選ぶ

PLaMo 3 Translateには、8億（0.8B）、20億（2B）、80億（8B）、310億（31B）パラメータの４モデルがある。53言語を対象とし、翻訳する文章の前後の文脈、専門用語や固有名詞の対訳を収めた用語集、日本語の文末を敬体にするか常体にするかといった条件を与えられる。いずれも実務では大切な機能だ。企業名を誤訳したり、契約文書の語調を不統一にしたりすれば、自然な日本語でも使い物にならない。

PFNは最小の0.8Bモデルをインターネット接続のないスマートフォンで動かす実演を公開した。ただし実演は開発元の検証環境であり、消費者向け翻訳アプリがそのまま配布されたことを意味しない。端末で動かすには、適した実行環境とアプリケーションの組み込みが必要だ。

社内サーバーや端末だけで推論を完結させる構成では、翻訳対象を外部クラウドへ送らずに処理できる。ただし「ローカル実行＝安全の保証」ではない。端末の管理、権限設定、ログ、更新、紛失時の対策は別途必要になる。

小さなモデルを強くするのは、学習データの選別

翻訳AIの性能はパラメータ数だけで決まらない。PFNが技術ブログで説明する開発過程は、候補訳を比較して質を高める「トーナメント式データ合成」、訳文から原文を生成する「逆翻訳」、モデル自身の出力を改良して学習に使う「反復的自己蒸留」などを組み合わせたものだ。大きな31Bモデルの知識を小型モデルへ移す蒸留も行った。

同社によれば教師ありファインチューニング（SFT）に使ったデータは、二段階で計約373億トークン。翻訳品質の比較には社内のPFTBなどに加えてWMT24++やFLORES+を用いた。最小モデルが既存の翻訳特化モデルを上回るという同社の評価は興味深いが、社内ベンチマークを含み、すべての言語、業種、文書について第三者が同じ結論を確認したわけではない。

医療・金融・法務で検討するなら、専門家が匿名化した現場文書による評価、誤訳の重大度別集計、固有名詞の一貫性、応答時間を独立に検証する必要がある。翻訳が流暢であることと、責任を負える品質であることは別問題だ。

金融特化モデルは「答える」より「業務を回す」を狙う

PLaMo 3.0 Finは80億パラメータ規模の小規模言語モデル（SLM）である。PFNとNICTの共同研究成果を基盤に、日本の金融分野のデータで継続事前学習し、教師ありファインチューニング（SFT）と直接選好最適化（DPO）を適用した。金融機関の照会分類、本人確認（KYC）書類の情報抽出、取引モニタリング、融資先の業況分析など、日々反復される業務への組み込みを想定している。

モデルは日本語で推論過程を出力し、Web検索、計算、社内データベース参照などの外部ツールを呼び出せる。PFNの実演には、EDINETの開示情報を検索する例や、顧客問い合わせを緊急度で分類しJSON形式に整える例がある。ただし実演は同社の評価環境で用意されたツールを組み合わせたものだ。公開されたモデル重みだけで、各銀行の基幹システムやEDINETに自動接続するわけではない。

ここでの期待は、もっともらしい文章を生成することよりも、必要な情報を調べ、一定の形式で返し、人の業務へ引き渡すことにある。誤った照会分類や数字の取り違えが顧客の不利益につながる金融現場では、監督と記録が不可欠になる。

数字で確かめる進歩と、まだ測れないこと

PFNの技術報告によれば、日本語金融知識を評価する「japanese-lm-fin-harness」の平均スコアは、基盤モデルの48.0から55.8へ上昇した。差は7.8ポイント。金融分野の追加学習が指定された評価項目に効果をもたらしたことを示すが、銀行実務の誤処理率が7.8％改善したという意味ではない。

同社が示すCAPM（資本資産価格モデル）の計算実演では、外部の計算ツールを呼び出して期待収益率を算出する。計算を別の機能に任せる設計は、モデルの暗算に依存するより監査しやすい場合がある。それでも、元データの選択、ツールの戻り値、結果の説明が正しくなければ誤答は起こる。

銀行の本番環境では、再現性、権限境界、監査ログ、個人情報の保護、モデル更新時の再評価、金融庁の監督指針などへの整合性が問われる。公開資料だけでは導入金融機関数、実運用での処理件数、事故率や削減コストは確認できない。

NICTとの共同研究と、国産AIの積み上げ

情報通信研究機構の正式名称は「国立研究開発法人情報通信研究機構」で、略称はNICT（エヌアイシーティー）。PFNは2014年創業のAI開発企業で、深層学習をソフトウェアだけでなく計算基盤や半導体へ広げてきた。PLaMoの開発は、言語モデルを外部サービスとして使うだけでなく、国内で事前学習の技術と実装の選択肢を持とうとする流れの一部に位置付けられる。

二つの新モデルに共通する出発点は、PFNとNICTが共同研究で得た「PLaMo 3 NICT」である。ここから翻訳には対訳品質と多言語の扱いを、金融には日本語の業界知識、推論、ツール連携を重点的に加えた。共同研究の成果と、PFNが独自に実施した特化学習を混同しないことが重要だ。

金融モデルの事後学習には、PFNが開発したAI半導体「MN-Core 2」も使われた。半導体、基盤モデル、業界特化モデルをつなぐ開発経路は日本の技術基盤として注目に値するが、今回の発表だけで外国製GPUより全工程が安価・高速と証明されたわけではない。

機械翻訳から生成AIへ――日本語処理の長い歴史

日本語の機械翻訳は生成AIの流行よりはるかに長い歴史を持つ。規則や辞書によって語順と文法を扱う方式、統計的に大量の対訳を学ぶ方式、ニューラルネットワークを用いる方式へと研究の中心が移り、2010年代後半にはニューラル機械翻訳が実用化を大きく進めた。今日の大規模言語モデルは、翻訳と文書理解を同じ基盤上で扱える一方、根拠のない補足や訳抜けという新たな管理課題も持つ。

日本語は漢字・ひらがな・カタカナの混用、主語の省略、敬語、業界ごとの語彙など、翻訳時に文脈の判断を迫る場面が多い。金融業務では「金利」「利回り」「利ざや」「信用コスト」を状況に応じて区別する必要がある。専門用語を統一できることは、翻訳モデルの飾りではなく実務上の品質管理である。

また国内金融機関は、個人情報や取引記録を慎重に管理してきた。処理する場所を自社で選べることは業務への導入を後押しするが、法令順守は導入形態ではなく運用全体で評価される。

「オープンウェイト」は何でも自由、ではない

二つのモデルは重みが公開され、利用者が自分の環境で動かせる。しかし、これはソースコード、学習データ、商用利用条件のすべてが制約なく公開される「完全なオープンソース」と同義ではない。PFNの「PLaMoコミュニティライセンス」の条件を確認する必要がある。

翻訳モデルの2026年11月５日付発表には、利用条件の訂正がある。直近事業年度の収入または売上が「10億円以下」の企業・個人は、同ライセンスに従い無償で利用できると明記された。「10億円未満」ではない。規模を超える事業者には商用契約が必要となる。金融モデルを含め、具体的な利用条件は最新版のライセンス本文を個別に確認したい。

無償で試せることと、実務で安全に使えることも異なる。モデルの調達からテスト、脆弱性管理、運用上の責任分界まで見積もって初めて、汎用クラウドAIとの費用比較が可能になる。

次に問われるのは導入事例ではなく、検証可能な成果

翻訳特化モデルが海外取引の壁を低くし、金融特化モデルが大量の事務処理を助ける可能性はある。しかし企業の発表と開発者のベンチマークは、業界全体で性能と費用対効果が立証されたことを意味しない。現場の日本語資料でどれだけ誤りを減らし、どれだけ人間の確認時間を節約できたか。次のニュースはその測定結果から生まれる。

特化した小型AIには別の利点もある。必要な仕事を明確に定めれば、企業は出力形式を統一し、品質の悪い箇所を検査しやすくなる。一方、領域外の質問や例外的な案件には弱い可能性があり、難しい判断を人へ戻す設計が欠かせない。

二つのPLaMoの登場は「巨大なモデルを誰が作るか」という競争の別の面を示した。日本語を扱う職場が、自らのデータ、言葉、監督責任に合わせてAIを選べるか。その選択肢を広げた点に、今回の公開の本当の意義がある。