パロアルト検証で判明した40％の限界
Claude Opus 5.5、GPT-6 Sol／Luna登場 情シスが迫られるモデル使い分け
「特定モデルへの一本化」では業務要件もコストも賄えない。OpenAIやAnthropicの新モデル投入で加速する「マルチモデル併用」の波に、情シスが整えるべき新たなAIアーキテクチャの要点を解き明かす。
OpenAIとAnthropicは2026年9月22日（現地時間）、相次いで新しいAIモデルを公開した。ワークロードごとの性能や処理速度、コスト要件に応じてモデルを選ぶ際の選択肢が広がった。
Anthropicが投入した「Claude Opus 5.5」は、上位モデル「Fable 5.1」に匹敵する性能をより低い運用コストで発揮するという。一方のOpenAIは「GPT-6 Sol」と「GPT-6 Luna」を発表した。Solは高い推論能力を備え、Lunaは処理速度を重視した大量のワークロードを想定している。
今回の発表は、主要なAIベンダーが一つのフラグシップモデルだけで競うのではなく、価格や性能、専門性によってモデルのポートフォリオを差別化しつつある現状を示している。企業の情報システム（情シス）部門にとって、選択肢の拡大はマルチモデル環境の管理をAIスタックの要へと押し上げる可能性がある。ここでいう管理には、モデルのルーティングやワークロードごとの使い分け、切り替え時期の判断が含まれる。
企業向けにパーソナライズしたAIを開発するGlokal AIの創業者兼CTO（最高技術責任者）、ジート・パタナイク氏は「意思決定の焦点が『調達』から『アーキテクチャ』へ移りつつある」と話す。「組織全体で単一のモデルを選ぶのではなく、ワークロードごとに適したモデルを見極め、ベンダーが新モデルを投入するたびに見直す必要性が高まっている」（パタナイク氏）
もっとも、企業が意図してマルチモデル戦略を進めているとは限らない。パタナイク氏によると、部門ごとに独自のアプリケーションに合わせて別々のベンダーを採用し、オーケストレーションやガバナンスを後から追加するケースがあるという。結果として、情シス部門が当初意図していなかったモデルポートフォリオが形成されることもある。
本記事では、OpenAIやAnthropicの新モデル投入で加速する「マルチモデル併用」の波に、情シスが整えるべき新たなAIアーキテクチャの要点を解き明かす。
エンタープライズソフトウェアに広がるマルチモデルAI
マルチモデルAIへのシフトは、エンタープライズソフトウェアの在り方も変えつつある。ソフトウェアベンダーが複数のプロバイダーのモデルを扱えるプラットフォームを構築しているためだ。企業は単一ベンダーに縛られることなく、用途に応じて柔軟にモデルを選択できる。
例えばSalesforceは自社のAIプラットフォームを拡張し、複数モデルのサポートや企業固有のAI機能を提供している。同時にNVIDIAとの提携を通じ、同社の「Agentforce」や「Missionforce」にオープンモデルを取り入れている。
Palo Alto Networksも2026年9月22日、Anthropicの「Claude Mythos」、OpenAIの「GPT-5.6-Cyber」、オープンウェイトモデルを組み合わせたAIサイバーセキュリティサービスを発表した。同社によると、このシステムはワークロード全体を1つのモデルに依存させるのではなく、セキュリティのタスクごとに使用するモデルを判断するという。
Palo Alto Networksの社内検証によると、複雑な環境において単一モデルで40％を超える脆弱（ぜいじゃく）性を検出できたものはなかった。単一モデルでは多くの脆弱性を見逃す恐れがある一方、モデルを組み合わせることで互いの見落としを補い、検出範囲を広げられる可能性を示している。
パタナイク氏は、性能面だけでなく、モデルの提供終了や利用規約の変更、アクセス障害が発生した際の代替策としても複数ベンダーの併用が有効だと指摘している。
「モデルの選定」から「モデルの統合管理」へ
複数モデルの利用は企業に柔軟性をもたらすが、新たな管理上の課題も生む。情シスは、個々のワークロードに適したモデルの判断だけでなく、AI環境全体でそれらのモデルをどのように統制するかを決める必要がある。
モデルの選定が影響を与えるのは、アプリケーションの性能だけではない。コストやレイテンシ、データへのアクセス権限、セキュリティ統制、モデルが処理する業務の種類も考慮しなければならない。
パタナイク氏は「データの機密性を最優先で検討すべきだ。機密性によっては特定のモデルが選択肢から完全に外れる。その次に信頼性とレイテンシが続く」と述べる。その上で、処理能力とコストを照らし合わせ、ワークロードの要件を満たす最も安価なモデルを探すことになるという。
例えば、複雑な推論やコーディングには高機能なモデルを割り当て、大量の要約や分類、データ抽出には処理が速く安価なモデルを割り当てるといった運用が考えられる。OpenAIによるSolとLunaの価格設定は、コスト差の可能性を浮き彫りにしている。両モデルともGPT-5.6世代と比べてAPI利用料が低く抑えられており、Lunaは大量処理向けに設計されている。
マルチモデルのアプローチは、特定ベンダーへの依存度を下げる効果もある。より高性能、または低コストな新モデルが登場した場合、企業は社内の全AIアプリケーションを入れ替えることなく、一部のワークロードだけをその新モデルへ振り分けることができる。
だが、この柔軟性を手に入れるには、管理すべきインフラの層が1つ増えることになる。情シスは、どのモデルが特定のデータにアクセスできるかを定め、ワークロードごとの性能を監視し、ベンダーをまたいで一貫したセキュリティとガバナンスの統制を適用しなければならない。
パタナイク氏は「プロンプトやワークフローのロジックを基盤のモデルから分離しておけば、アプリケーションを作り直すことなくモデルを交換できる」と説明する。
この構成では、アプリケーションとモデルの間にオーケストレーション層を配置する。タスクの内容、求められる能力、データ制限、その他のアプリケーション要件に基づいて、各リクエストをどのモデルで処理すべきかを判断する仕組みだ。
オーケストレーション層は、さまざまなタスクにおけるモデルの性能追跡にも役立つ。モデルをまたいでリクエストを管理するため、情シスはどのモデルが各リクエストを処理したかを確認でき、類似のワークロードの性能を比較できるとパタナイク氏は話す。
AIエージェントが複雑化させるモデルルーティング
1つのワークフロー内でAIエージェントが複数のステップを処理する場合、モデルのルーティングはさらに複雑になる。エージェントはワークフローを計画、情報検索、推論、アクションの実行といったタスクに分解し、ステップごとにルーティングを実行できる。
複数モデルの併用は、個々のタスクに適したモデルを割り当てるのに役立つ一方で、障害の追跡を難しくする側面もあるとパタナイク氏は話す。あるモデルの誤った出力が別のモデルの入力として使われた場合、情シスはどの段階で問題が発生したかを特定しなければならない。
こうした事情から、モデルルーティングは性能やコストの最適化手法ではなく、AIアプリケーションのアーキテクチャの一部といえ、利用するモデルからアプリケーションを切り離す重要性も浮き彫りになる。ベンダーがモデルの性能や価格、提供状況を変更しても、企業はアプリケーション本体を変えずに特定タスクを実行するモデルを切り替えることができる。
個々のモデルやベンダーの寿命を超えて運用されるAIアプリケーションを構築する上で、この柔軟性は一段と重要になる。情シスは単一モデルに標準化するのではなく、モデルの進化に合わせて評価、ルーティング、統制ができる仕組みを整える必要がある。
抽象化レイヤーを設けることでアプリケーションを特定モデルから分離でき、評価フレームワークを活用すればワークロード全体の性能を測定できる。
パタナイク氏は「重要なのは、アプリケーションをモデルから分離する抽象化レイヤーを構築し、評価フレームワークを用いてモデルの性能を測定することだ」と強調する。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社インターネットイニシアティブ] 人材不足と属人化が深刻に 「攻められない情シス」を変革する一手とは？ -
製品資料
[株式会社イトーキ] 会議室が「空いてるのに使えない」問題の解決策とは？ -
事例
[株式会社イトーキ] 製造現場を取り巻く経営課題 「持続的な現場力」を強化する方法とは？ -
製品資料
[株式会社イトーキ] 社員の力を引き出す、「ABW（Activity Based Working）」を実現する秘訣とは？ -
製品資料
[株式会社BREXA Technology] 「インシデント初動対応」が遅れる3つの構造的要因とは？
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
企業が「Microsoft Azure」を選ばざるを得ない理由
-
2
なぜノートPCの更新が「4年→6年」に？ AIインフラ急拡大の余波
-
3
HDDではもう限界？ AIのGPU待機時間を解消する「大容量SSD」の条件
-
4
Microsoft 365侵害企業の9割はMFA導入済み 1002人調査で見えた盲点
-
5
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
-
6
Microsoft月例パッチ1400件超で過去最多 「限界点」を迎えたパッチ管理
-
7
「COPE」「COBO」とは？ BYODだけではないモバイルデバイス配備方法の基礎知識
-
8
「リモートアクセスセキュリティ」に成功する企業、そうでない企業の違い
-
9
NVIDIA、フアンCEO辞任で揺らぐ“AI帝国” IT調達計画への影響は？
-
10
ITコンサルやSEと何が違う？ 急浮上「FDE」にAWSが10億ドル投じる理由
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
AIが苦手な「汚いデータ」になっていない？ AI投資を無駄にしないための注意点
-
3
急増する高度なフィッシング詐欺 先回りしてブロックするには何が必要？
-
4
法人向け光回線のプランはどう選ぶ？ 機能面／保守体制／コストを一覧で比較
-
5
サイバー脅威「トップ50」完全解説ガイド、新たな攻撃手法に対抗するには
-
6
SNMPより詳細で、パケット解析より簡単な「トラフィック可視化・分析」の方法
-
7
三井ホームに学ぶ「無線LAN環境」構築 快適なオフィスと高度なIT運用の両立法
-
8
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
9
「RPA導入の成果が出ない」を防ぐ、成果につながる自動化対象業務の選び方
-
10
自社のメール環境は本当に安全？ チェックシートですぐ分かる“今必要な対策”
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー