本記事では、小規模言語モデルがAIエージェントの基盤として持つ可能性を掘り下げた研究を紹介します。
AIエージェントの構築にLLMを使うのが常識となりつつある一方で、実務上の負担や運用性に目を向け、小規模モデルへの移行を検討する動きも出てきました。
研究者たちは、その選択肢をより現実的なものとして位置づけ、移行に向けた段階的な手順も整理しています。
背景
AIエージェントの活用が現実味を帯びてきました。日々の業務で、情報の要約、意思決定の補助などにAIを組み込む企業が増えています。大手IT企業の半数以上がすでに導入済みとの調査結果もあります。そのうち2割以上は、ここ1年以内に新たに導入したばかりです。
投資の動きも活発で、2024年末の時点でAIエージェント関連スタートアップへの資金流入は20億ドルを超え、市場規模は52億ドルにまで拡大しています。2034年には2000億ドルに迫るとも予測されており、今後の産業に与える影響は小さくありません。
AIエージェントの核心となっているのはLLMです。現在は、LLMのAPIにリクエストを送って処理を任せる構成がAIエージェントの主流となっています。この仕組みは、業界全体の前提としても定着しつつあります。2024年にはLLM API市場が56億ドルに達すると同時に、それを支えるクラウドインフラへの投資は570億ドルにのぼりました。そして、既存のソフトウェアと同様に数年で回収できると見込まれており、この構造が大きく変わる気配はまだありません。
とはいえ、この状態に対する問い直しも始まっています。
すべてのリクエストを巨大なLLMで処理することが果たして最適なのでしょうか？
この問題意識は各地で共有され始めています。
そこで本記事では、現状の慣行を見直した研究者たちの分析を中心に紹介します。LLMではなく小規模言語モデルの活用こそがAIエージェントの将来を形づくるのではないか、という立場から、議論を投げかけるものになっています。
