業務特化型AI(Vertical AI)の基礎と導入及び活用のポイント

株式会社　技術情報協会太田桂吾氏 38,500円

★汎用型から業種・業務に特化したVertical AIへとシフト
　　　　　　　　　　　　　　　　業務特化を実現する技術的アプローチとは！
★RAGとファインチューニングの選定基準、効果的な使い分け方！
★学習データパイプラインの構築、精度評価の設計、ハルシネーション対策とは！

【アーカイブ（録画）配信】
２０２６年１０月５日まで受付（視聴期間：１０月５日～１０月１４日まで）

会場

講師

プログラム

特典

お知らせ

開催日時

2026/09/24 (木) 13:00～ 15:00 （受付 12:30 ～ )

他の開催日・開催場所（同じ都道府県内）で探す

申込み期間

2026/08/03 ～ 2026/09/23

主催会社

株式会社　技術情報協会

この主催会社の他の最新セミナーを見る

定員

定員数の上限はございません

受講料

38,500円 (税込／各種割引については下段「お知らせ」欄をご参照ください）

開講場所

ZOOMを利用したLive配信
※会場での講義は行いません　

講師

太田桂吾氏: (株)LINK．A　代表取締役

カリキュラム、
プログラム

【講演趣旨】
近年、生成AIは汎用型から業種・業務に特化したVertical AIへとシフトしています。
本講演では、なぜ特化型AIが求められるのか、RAGとファインチューニングの技術的な使い分け、そしてローカルLLMを活用した自社データの安全な運用手法について解説します。技術動向を中心に、自社でVertical AI導入を検討する際に役立つ指針と選定の視点を提供します。

【講演項目】
1.Vertical AIの技術的定義－汎用LLMとの違いをアーキテクチャ観点で整理

2.業務特化を実現する3つの技術アプローチ：
　　　　プロンプトエンジニアリング／RAG／ファインチューニング

3.RAGのアーキテクチャ詳解：チャンキング・埋め込み・ベクトルDB・リランキング

4.埋め込みモデルとベクトル検索の選定ポイント

5.ファインチューニングの手法比較：フルファインチューニング／LoRA／QLoRA／PEFT

6.RAG vs ファインチューニング：技術的な選定基準（更新頻度・コスト・レイテンシ）

7.ハイブリッド構成の実装パターンとRAFT（Retrieval-Augmented Fine-Tuning）

8.ローカルLLMのアーキテクチャ－量子化（GGUF／AWQ／GPTQ）とモデル圧縮技術

9.オープンモデルの選定基準（パラメータ数・ライセンス・ベンチマーク性能）

10.小規模GPU環境でのファインチューニング実践（QLoRA、Unsloth、必要VRAM試算）

11.学習データパイプライン：業務データのクレンジング・アノテーション・データセット設計

12.推論基盤の構築：ローカル推論エンジン（Ollama／vLLM／llama.cpp）の比較

13.精度評価の設計：ベンチマーク・LLM-as-a-judge・業務指標との紐付け

14.ハルシネーション対策の技術手法（グラウンディング、出典提示、ガードレール）

15.セキュリティ・アクセス制御の実装（データ主権、権限管理、監査ログ）

16.モデル継続更新の仕組み（差分学習・知識更新パイプライン）

17.技術選定ロードマップ－PoCから本番運用までの意思決定フロー

18.ディスカッション

特典

セミナー資料付
最後に質疑応答あり。

セミナー参加費
支払い方法

1. 銀行振込または現金書留にてお願いいたします。

2. 原則として開催日までにお願い致します。

3. 銀行振込の場合は、原則として領収証の発行は致しません。

4. 振り込み手数料はご負担ください。

お知らせ

●各種割引について
1. 同一テーマ1社2名以上同時申込の場合のみ、1名につき5,500円（税込）割引いたします。
2. 大学（教員、学生）、公的機関、医療機関の方は、「アカデミック価格」33,000円/1名（税込）でご参加いただけます。（2名同時申込割引は適用されません）

割引適用の場合は、お申し込み後、技術情報協会より確認のご連絡を差し上げます。

※申し込み人数が開催人数に満たない場合など，状況により中止させて頂く事が御座います。

●Live配信セミナーの受講について
・セミナー配布資料は印刷物を郵送いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。