この記事はAIで自動翻訳されており、誤りが含まれる場合があります。
モデルの選択肢を手放すことなく、NVIDIAの拡大するAIエコシステムを活用する方法
マーケットプレイスで商品が誤ったカテゴリーに分類されると、その影響は決して抽象的なものではありません。買い手は探している商品を見つけられず、セラーの出品は本来表示されるべき検索結果から消えてしまいます。商品カテゴリーの分類は、AIがプラットフォーム運営者とセラーに具体的な成果をもたらす一例にすぎません。カタログの品質、セラーのスコアリング、カスタマーサポート、配送予測など、あらゆる領域で同じ精度が求められます。
データの1つひとつの裏には、実際の商品があり、実際の取引があり、実際の顧客体験があります。そのデータを扱うAIが誤れば、運営者は収益を、セラーは露出を、顧客は信頼を失います。
だからこそ、Mirakl (opens in a new tab)がコマース向けに開発するAIは、汎用的で画一的なアプローチには頼れません。また、小売とマーケットプレイス運営という、失敗が許されない特有の環境で本当に機能するAIを構築する最も効果的な方法として、オープンソースが当初からMiraklのAI戦略の一部であり続けてきた理由でもあります。
オープンソースがMiraklのAI戦略の中核であり続けてきた理由
Miraklが初めて本番環境に導入したAIモデルは、2020年にFastTextを使って構築しました。FastTextは、単語をシステムが比較できる数値ベクトルとして表現する、オープンソースのツールキットです。このモデルの役割は具体的でした。誤ったカテゴリーに置かれている可能性のある商品を特定し、確信度が十分に高い場合には、マーケットプレイス運営者に修正案を提示するというものです。
オープンソースのモデルを選んだのは、エンジニアリングとして素直な判断でした。システムをゼロから設計する代わりに、大量のテキストから有用なパターンをすでに学習しているモデルを出発点にし、コマース特有の事例でファインチューニングできます。その結果、精度が高まり、制御しやすくなり、改善のサイクルも速くなりました。さらに重要なのは、誤分類された商品の減少、検索の関連性の向上、運営者とセラーにとってより質の高いカタログという、実際のビジネス成果につながったことです。
強固な基盤から出発し、コマースに必要な要件に正確に適合させ、厳密に評価し、出力の運用を自らコントロールし続ける。この考え方が、以来、MiraklのあらゆるAIの意思決定を導いてきました。モデルの能力や規模が拡大しても、この原則は変わっていません。変わったのは、その戦略的な重みです。
特化型モデルからLLMへ:コマースとともに拡大してきたMiraklのAI
長年、Miraklにとってオープンソースは、主に品質と効率のための選択でした。今日では、主権(ソブリンティ)のための選択でもあります。その理由を理解するには、世界のAIを取り巻く状況の変化を見る必要があります。
AIモデルの市場は、ますます寡占化が進み、地政学的にも敏感になっています。最先端のAI機能へのアクセスは、ごく少数のプロバイダーを経由しており、技術とは無関係の要因によってそのアクセスが途絶えるおそれがあります。たとえば、規制の変更、ライセンス条件の変更、どの市場でどのモデルを使用できるかに影響する政治的な判断などです。サードパーティのAPI(リクエストを送り、レスポンスを受け取るだけで、モデル自体は保有しない形)だけでAIの基盤を構築してきた企業は、こうした条件が変わったときに取れる選択肢が限られます。自社でコントロールできないサービスが使い続けられることに依存しているからです。
オープンソースやオープンウェイトのモデルは、この構図を根本から変えます。Miraklがモデルを自社インフラ上で、自社の条件で社内ホスティングできれば、市場環境がどう変わってもAIは稼働し続けます。年間で数十億ユーロ規模のGMVを処理するマーケットプレイスを運営するエンタープライズ企業にとって、こうした継続性はビジネス上の必須要件です。
Miraklがコマースの各タスクに最適なAIモデルを選ぶ方法
ソフトウェアプラットフォームのホスティングとAIのホスティングは、同じ課題ではありません。ただしMiraklでは、求められるサービス品質は同じです。ダウンタイムゼロと、エンタープライズ水準のセキュリティです。
そのためMiraklは、オープンソース技術をベースとした推論基盤に投資してきました。推論基盤とは、学習済みのAIモデルを本番環境で実行するシステムです。設計上の目標は、GPU(Graphics Processing Unit)に依存しないことです。どのハードウェアやクラウドプロバイダーが計算資源を提供しても、Miraklはその上にAIスタック全体をデプロイできます。このアーキテクチャにより、特定のインフラベンダーに強く依存することがなくなり、どこから調達したGPUの新しい処理能力であっても、システムを作り直すことなく稼働させられます。
この柔軟性は、コストとレジリエンスの面でも具体的な効果をもたらします。モデルが、特定のタスク向けのコンパクトなシステムから、10倍から100倍規模の大規模言語モデル(LLM)へと拡大したことで、それを動かすために必要なインフラも比例して拡大しました。プロバイダー間でワークロードを振り分け、コストとレイテンシを最適化し、特定のベンダーの動向にかかわらず継続性を維持できること。これが、インフラ投資を競争優位性へと変えます。
ここで、NVIDIA (opens in a new tab)がMiraklの戦略の中核を担います。Scaleway (opens in a new tab)などの欧州のクラウドプロバイダー経由も含め、NVIDIAのアクセラレーテッドコンピューティングを基盤とすることで、Miraklはプラットフォーム全体に期待されるものと同じ速度、信頼性、規模で、オープンソースモデルをお客様に提供できます。
小売向けAIに求められるのは、高性能さだけでなく専門性です
汎用AIモデルは、実に目覚ましい進化を遂げました。文章の作成、推論、翻訳、要約など、幅広いタスクをこなせます。しかし、幅広さが印象的であることと、小売に求められる精度を備えていることは別の話です。
コマースには、要件が非常に多様なAIタスクがあります。商品を正しいタクソノミーに分類する。マーケットプレイス運営者の品質基準を満たしているか検証する。返品された商品が当初の出品内容と一致するか検出する。セラーの出荷の信頼性をスコアリングする。これらの課題には、それぞれ固有のデータ構造、ルール、そして精度の定義があります。
ここで、オープンソースAIの品質とコストのトレードオフが、具体的な価値を発揮します。適切にファインチューニングした小規模なモデルは、定義されたタスクにおいて、はるかに大きな汎用モデルを、わずかな推論コストで上回ることがよくあります。Miraklは、複数のモデル、プロバイダー、ファインチューニング手法を組み合わせて取り組むことで、課題ごとに常に最良の成果を得ながら、大規模運用でもコスト効率を保っています。
これを誤った場合のビジネスへの影響は直接的です。商品データは、ブランドの在庫と買い手の購買判断をつなぐ、運用上の基盤です。AIが数百万点の商品について毎秒数千件の判断を下す環境では、わずかな誤り率でも収益に大きな影響を及ぼします。検索機会の損失、セラーからの信頼の低下、コンバージョンの逸失などです。
オープンソースAIが、運営者とセラーにもたらす具体的な成果
このアプローチ全体の最終的な受益者は、Miraklではありません。マーケットプレイスを構築し運営するすべての運営者と、顧客に届くためにそのマーケットプレイスを頼りにするすべてのセラーです。
MiraklのCatalog Transformer (opens in a new tab)は、社内でホスティングしたオープンモデルと独自サービスを組み合わせ、これまでに7,000万点以上の商品をオンボーディングしてきました。この規模は、AIが正確かつ効率的でなければ実現できません。さまざまな形式や構造のベンダーデータを取り込み、商品の実態を歪めることなく、運営者の基準を満たすカタログ向けコンテンツへと変換します。この規模になると、汎用モデルとファインチューニングしたモデルの差は、カタログの品質、運営者の信頼、セラーのパフォーマンスとして表れます。
同じ考え方は、プラットフォームのほかのAI機能にも広がっています。多言語でのカスタマーサポート分析やセラーの品質スコアリングから、配送予測、AIを活用したドキュメント作成の支援まで、さまざまです。
それぞれが、固有のデータと固有の成功基準を持つ、個別の課題です。いずれも、コントロール、適応性、継続的に改善できる力を重視するAI戦略の恩恵を受けています。
Miraklのお客様は、コマースの実際の要求に合わせて磨き上げられたAIを利用できます。そのAIは、エンタープライズの要件を満たす環境でホスティングされ、市場環境がどう変わっても稼働し続けるよう設計されています。
導入にとどまらず:MiraklがオープンソースAIエコシステムに還元する取り組み
MiraklのAI戦略は、今後もハイブリッドを維持します。大手プロバイダーの独自モデルは、実験における性能とスピードを引き続き提供します。オープンソースやオープンウェイトのモデルは、コントロール、適応性、レジリエンスをもたらします。最近NVIDIAに買収されたHugging Face (opens in a new tab)は、モデルレジストリ、開発環境、デプロイ基盤として、この取り組みの中心であり続けています。学習と推論のためのGPUインフラは、すべてNVIDIAのアクセラレーテッドコンピューティング上で稼働しています。
Miraklのオープンソースの取り組みにおける次のステップは、より広いコミュニティへの貢献を拡大することです。その中には、コマース特有の課題で学習したオープンウェイトモデルを公開する可能性も含まれます。




