最も価値のある企業データは、ファウンデーションモデルのトレーニングセットに一度も触れたことがない。それは独自スキーマ、スキャンされた設計図、専門用語で埋め尽くされた契約書、そして実務者が直感で実行するワークフローの中に存在している。Trunk Toolsが主張する——知覚・セマンティクス・エージェントの三層アーキテクチャを通じて建設文書レビューを2か月から10日に圧縮——は、建設業界の話というより、次世代の企業AI価値が実際にどのように獲得されるかのテンプレートである。

ここでの戦略的シグナルは、水平型LLMがコモディティ化された推論エンジンになりつつある一方で、防御可能なマージンがドメイン層に移行していることだ:キュレーションされたオントロジー、ナレッジグラフ、そしてウェブからスクレイピングされたテキストではなく実際の実務者の事例で訓練された微調整抽出モデル。これは、単一のフロンティアモデルがすべての業界を吸収するという2023年の物語を逆転させる。実際には、GPTクラスのモデルはフランスの法律契約書を解析できるが、弁護士が必要とする正確な条文引用でつまずく——そして建設では、2ミリメートルの記号が安全性と責任に関わる結果をもたらすため、確率的な'おそらく木'という出力では対応できない。

勝利するアーキテクチャはハイブリッドであり、モノリシックではない。オーケストレーションと推論には汎用モデルを使用し、高精度抽出には小型の微調整モデルまたは管理されたコーパスに対する密な検索と組み合わせる。Mixture-of-expertsアプローチは、推論コストの暴走なしに特化を実現する。重要なのは、微調整はモデルを'賢く'しようとする試みではなく、出力の信頼性とフォーマット適合性を対象とすべきである——なぜなら特化モデルはドメイン外で急激に劣化するからだ。

経済性は、エラーコストが高く標準化された文書がある業界に有利である:建設、法律、ヘルスケア、保険、産業調達。これらの市場では、ドメイン訓練のROIは、回避された手戻り、サイクルタイムの短縮、責任の削減によって測定可能であり、曖昧な生産性向上ではない。投資家は、データ資産とオントロジー構築能力がモデルアクセスではなく持続可能な堀であることに注目すべきだ。数千の専門家によるラベル付き事例が、数百万のノイズの多いスクレイピングされた事例を日常的に上回る。

経営幹部にとって、今重要な3つの動きがある。第一に、最も価値のあるデータがどこにあり、それがエージェント対応か、非構造化フォーマットに閉じ込められているかを監査する。第二に、リスクの高いワークフロー向けに汎用的な'AIコパイロット'を購入することに抵抗し、厳格な内部評価を伴うドメイン特化型スタックを構築またはパートナーシップで開発する。第三に、評価インフラを第一級の製品として扱う——能力をデモするだけでなく信頼性を証明できる企業が、企業の信頼とそれに続く契約を勝ち取るだろう。