AI エージェントを実際の業務やサービスに組み込むには、モデルの能力に加え、企業が持つデータや専門知識を活用し、安全性と運用コストを踏まえてシステムを設計することが求められます。オープン モデルと汎用モデルを用途に応じて組み合わせるアプローチは、こうした要件に対応するための選択肢を広げます。
NVIDIA は 11 月 10 日、ザ・プリンス パークタワー東京で、開発者向けイベント「NVIDIA Agentic AI Day Japan 2026」を開催しました。10 セッションと、AI エージェントの構築を体験する「Build-a-Claw」を通じ、NVIDIA Nemotron をはじめとするモデル、ライブラリ、データセットの技術解説と、日本企業による活用事例を紹介しました。
日本のエージェント型 AI 開発を支える 2 つの合成データセットを発表
本イベントに合わせ、日本のエージェント型 AI 開発を支える 2 つの合成データセット「Nemotron Personas Finance Japan」と「Nemotron PII Japan」も発表しました。Nemotron Personas Finance Japan は、日本の社会や文化を反映した合成ペルソナに金融領域の属性を追加し、顧客との対話や金融サービスの利用を想定したシミュレーションに活用できます。Nemotron PII Japan は、医療、金融、行政などの日本語文書を再現し、個人識別情報(PII)の検出やマスキングを行うモデルの学習と評価を支援します。実在する個人情報を使わないこれらのデータセットの公開は、日本の言語や業界要件に即した AI エージェントの実用化を進める重要な一歩となります。
こうした開発基盤を実際の業務での活用につなげるには、用途に応じたモデルの選定やカスタマイズ、安全な運用環境の整備が欠かせません。各セッションでは、日本の AI 競争力を支えるオープン モデルと国内の実装力を議論するとともに、企業の実践例を通じて、AI エージェントの開発から本番運用に向けた課題と取り組みを紹介しました。
日本の AI 競争力を支えるオープン モデルと国内の実装力
AI エージェントの普及に向け、日本はどのような開発、評価、運用の能力を国内に育て、維持していくべきでしょうか。
「AI エージェント時代、日本は何を持つべきか: オープンウェイトと国内実装力で考える AI 競争力 」と題して行われたパネルセッションの冒頭では、チームみらいの安野貴博氏からのメッセージビデオが紹介されました。北陸先端科学技術大学院大学の今井翔太氏とNVIDIA の井﨑武士が登壇したパネルでは、オープンウェイトの基盤モデルと国内の実装力を軸に、日本の AI 競争力を考えました。汎用モデルと特化型モデルの使い分け、グローバルな連携と戦略的自律性の両立、企業、研究機関、行政の連携などを議論しました。
技術セッションでは、Noetra の服部響氏と NVIDIA の藤田充矩が、エージェント型モデルの開発について発表しました。モデル開発のアセットとなる、モデル、データセット、ライブラリ、レシピ、オープン リサーチを含む NVIDIA Nemotronの紹介をしたのち、AgenticRLのテクニックなど最新の技術要素を現場での開発経験も踏まえながら語りました。
ゲーム開発と材料研究で進む AI エージェントの活用
スクウェア・エニックスの藤井翔太氏は、NVIDIA Nemotronをローカル環境で動かし、UnrealEngineやBlenderをModel Context Protocol (MCP) 経由で操作させる試みを紹介しました。モデリングやレベル構築、キャラクターアニメーションなど、ゲーム開発の様々な場面で試したデモを通じて、クラウドに頼らず手元のGPUで完結する開発支援の現在地と、ローカルLLMの可能性や課題を整理しました。
講演では、モデルを使い分けるルーティングの検証結果も紹介されました。開発現場で必要な品質を踏まえながら、タスクに適したモデルを選び、コストを最適化するための考え方を共有しました。
ENEOS ホールディングスの蓬田憲太郎氏は、社内ナレッジと研究現場をつなぐエージェント型 AI の実践を紹介しました。AI モデルの導入・組み込みを容易にする NVIDIA NIM を活用し、 NVIDIA Nemotron などを用いた Agentic RAG 基盤を構築し、、社内文書の活用、導入と運用の取り組み、概念実証(PoC)から得た知見を取り上げました。
さらに、NVIDIA ALCHEMI と連携し、材料提案、物性予測、レポート生成を自動化する研究開発の実践例を共有しました。社内の情報を検索して利用する仕組みから、研究のワークフローを支援する仕組みまで、AI エージェントの応用を紹介しました。
安全な実装を支える基盤と運用環境
AI エージェントが外部ツールや企業のシステムを利用する際には、実行環境とアクセスを適切に保護することが重要です。
TrendAIの谷本直柔氏と NVIDIA の徳永匡臣は、オープンソースの NVIDIA OpenShell を活用した多層防御アプローチを紹介しました。TrendAIが提供するランタイムセキュリティやプロンプト制御との統合を通じ、セキュアなAIエージェント基盤を構築する方法を解説しました。
Ippu Senkin の鈴木秀弥氏は、インターネットに接続しない完全オンプレミス環境で、オープンソース モデルを用いて AI エージェントを運用する方法を紹介しました。GPU 構成に応じたモデル選定や推論の最適化に加え、パッケージの取得や外部ツールとの接続が制限される環境での課題と対処を取り上げました。
モデルの使い分けと最適化で品質とコストを両立
AI エージェントを継続的に運用するには、タスクに必要な品質を確保しながら、推論やモデル運用にかかるコストを管理する必要があります。
クラスメソッドの森茂洋氏は、追加学習した NVIDIA Nemotron と NVIDIA NeMo Switchyard、NVIDIA DGX Spark を活用した LLM ルーティングの実践を紹介しました。教師データの設計、量子化、判定精度の評価、運用上の制約を通じ、モデルの特化と使い分けを検討するための知見を共有しました。
NECの伊藤大輝氏とNVIDIAの日暮大輝は、NVIDIA NeMo Relay とNVIDIA NeMo Platformを用いたAIエージェントの観測・制御手法を紹介しました。高精度なエージェントの実現には大規模モデルの推論品質が重要ですが、運用コストが課題です。本講演ではNECの実践例として、収集データで軽量モデル(NVIDIA Nemotron 3.5 Lightning)をファインチューニングして特化させ、高精度かつ低コストなエージェントの運用に向けた検証を共有しました。
ストックマークの有馬幸介氏は、NVIDIA Nemotron のビジョン モデルを日本の複雑業務文書に適応させる追加学習と、推論インフラの最適化を紹介しました。追加学習のノウハウ、構造化出力と質問応答の評価に加え、GPU の利用効率や処理速度を踏まえた推論環境の構築方法を共有しました。
NVIDIA の岩澤諄一郎によるセッションでは、NVIDIA NeMo を用いた強化学習とカスタマイズのワークフローを解説しました。特化型モデルと汎用モデルを役割に応じて組み合わせる構成も取り上げ、業務要件に合わせたモデル開発と運用の考え方を紹介しました。
Build-a-Claw で AI エージェントの構築を体験
同時開催の「Build-a-Claw」では、NVIDIA DGX Spark 上のライブ デモと NVIDIA のエキスパートとの交流を通じ、AI エージェントの構築を体験する機会を提供しました。NVIDIA NemoClaw などを活用した、より安全なエージェントの構築方法を紹介しました。
NVIDIA は、アクセラレーテッド コンピューティング、ソフトウェア、オープン モデル、開発者エコシステムを通じて、日本企業が専門知識や業務データを活用し、AI エージェントを実験から本番環境での運用へ進める取り組みを支援します。
各セッションの詳しい内容は、公開されたNVIDIA On-Demandをご視聴ください。
