■ ???

・トークン課金と自社GPU、どこで損益が入れ替わるか

・データ整備 — 文書、業務ログ、問い合わせ履歴を学習に使える形に。何を入れて何を入れないかの線引き

・モデルの作成と設置 — 用途に合うモデルを選び、必要なら自前で作り、お客様のサーバーやGPUに置くまで

・訓練とチューニング — 継続事前学習、ファインチューニング、LoRA ・ハーネスの構築 — 道具の接続、エージェントのループ設計、評価の仕組み

・テンソルネットワークによる圧縮で、限られたGPUに収める

■ こんな方に

・生成AIの請求が伸びていて、この先の見通しを立てたい方

・社内のデータを外部のサービスに出せない事情がある方

・自社でモデルを持つことを検討し始めた方 、弊社は自社のAIプラットフォーム poqet を自社のGPUで動かしています。外から買ってきた仕組みの受け売りではなく、日々自分たちが運用してます。