NECのLLMを技術的優位性から導入まで徹底解説！

NECのLLM「cotomi」は何が強いのか。日本語処理の性能、軽量設計がもたらすコストと速度の優位性、オンプレミス運用によるセキュリティ確保——この3点を軸に、技術の概要から他社比較、導入プロセスまでを解説する。

2023年7月に初代モデルが登場したcotomiは、その後もバージョンアップを重ね、2024年12月のv2、2025年7月のv3（性能強化版）へと進化してきた。現在はAIエージェント機能も本格化しており、業務を自律的に実行するシステムとしての活用が広がっている。国産LLMの中でも導入実績が先行している点も、検討候補として注目を集める理由の一つだ。

NECがLLMを開発した背景と「cotomi」の誕生

大規模言語モデル（LLM）は、膨大なテキストデータを学習して文章の生成・理解・要約・翻訳などをこなすAIシステムだ。2018年以降、Googleが開発したTransformerアーキテクチャを基盤に急速に進化し、2022年末のChatGPT登場で一般に広まった。現在は企業の業務自動化から顧客対応まで、幅広い場面で実用されている。

NECがLLM開発に取り組んだ理由

日本企業が直面する課題は二つある。一つは言語の問題。ChatGPTやGeminiなど海外製LLMは英語中心の学習データで構築されており、日本語の敬語、業界専門用語、文化的文脈の処理精度に限界がある。もう一つはセキュリティの問題。海外製クラウドサービスに業務データを送信することへの懸念は、金融・製造・医療などの分野で特に根強い。

NECはこれらの課題に対応するため、2021年にAI専用スーパーコンピュータの開発を開始。2023年7月に稼働を始めたこのシステムは512基のGPUを搭載し、通常ならGPU1基で355年かかる学習を約1か月で完了できる計算能力を持つ。この基盤を活用して2023年7月、国産LLM「cotomi（コトミ）」の提供を開始した。cotomiという名称は社内公募で決定したもので、「ことばによって未来を示し、こと（言）がみのるように」という意味が込められている。

自己教師あり学習と独自データセット

cotomi開発の技術的な核心は「自己教師あり学習（Self-Supervised Learning）」だ。人間が手動でラベル付けする必要がなく、大量のテキストデータから自律的にパターンを学習できるため、NECは独自に収集・加工した多言語データセットを直接学習に使用できた。青空文庫などの高品質な日本語テキストを含む学習データの配合は、ウイスキーのブレンドのように試行錯誤を重ねて最適化されたという。初代cotomiのパラメータ数は130億。一般的な海外大規模モデルの約1,750億と比較すると13分の1のサイズながら、同等の性能を実現した。

cotomiの技術的特徴と性能

cotomiのバージョン変遷

cotomiは2023年7月の初代（v1）から現在まで継続的に進化している。各世代の主な特徴を下表に示す。

バージョン	提供開始	主な特徴
cotomi v1	2023年7月	130億パラメータ、JGLUEで日本語トップクラス（知識量81.1%、文書読解力84.3%）、30万字の長文対応
cotomi Pro / Light	2024年4月	学習データ・アーキテクチャを刷新。ProはGPT-4比1/8のレスポンス速度でClaude 2〜GPT-4に比肩、LightはGPT-4比1/15の速度でGPT-3.5-Turbo相当の性能
cotomi v2（Pro / Fast）	2024年12月	Japanese MT-BenchでClaude・GPT-4・Qwenに匹敵する精度。GPU演算効率を2倍に向上し消費電力を従来比1/2に削減。AIエージェントへの活用を強化
cotomi v3（性能強化版）	2025年7月	v2を一本化（Pro/Fastの区分廃止）。「Fast並みの速度とPro並みの性能」を統合。エージェント性能・コンテキスト長を拡大、MCP（Model Context Protocol）仕様に準拠

出典：NECプレスリリース各版、Cloud Watch（2024年11月）、さくらインターネット（2025年12月）

日本語処理性能の根拠

v1時点でのJGLUEスコア（知識量81.1%、文書読解力84.3%）は、同時期の同規模海外モデルを上回る水準だった。v2以降はJapanese MT-BenchおよびELYZA Tasks 100でグローバルトップクラスの性能を確認。v2のcotomi Proは特にGemini 1.0 Proを上回り、Claude 2からGPT-4の間に比肩する成績をマークした。日本語の微妙なニュアンス、敬語表現、業界専門用語への対応精度の高さは、学習データの大半が日本語テキストで構成されていることに起因する。

軽量設計がもたらすもの

初代v1の130億パラメータという設計は、単なる小型化ではない。標準的なGPU2枚のサーバで動作するため、運用コストと消費電力が海外大規模モデルと比べて大幅に低い。v2ではGPU演算効率をさらに2倍に向上させ、消費電力を従来比1/2に削減した。この軽量性がオンプレミス運用を現実的なコストで可能にし、機密データを外部クラウドに送信しないセキュアな運用環境を実現している。カスタマイズ（ファインチューニング）も自社環境内で実施できるため、業務特化型モデルの構築が短期間で行える。

他社LLMとの詳細比較分析

主要LLMとの比較表

企業がLLM選定で重視する軸（日本語精度・速度・セキュリティ・コスト構造・国内サポート）について、cotomiと主要な海外製・国産LLMを比較する。

比較項目	cotomi（NEC）	ChatGPT Enterprise（OpenAI）	Claude（Anthropic）	tsuzumi（NTT）
日本語特化	◎ 国産、日本語中心で学習	△ 英語ベース、日本語は適応	△ 英語ベース、日本語は適応	◎ 国産、日本語特化
処理速度	◎ GPT-4比5〜15倍（v2実測）	○ 標準的	○ 標準的	○ 軽量モデルあり
オンプレミス対応	◎ 標準提供	△ 専用インスタンスで追加費用	△ 別途契約が必要	◎ 対応あり
コスト構造	ライセンス固定型	API従量課金	API従量課金	ライセンス型
国内サポート体制	◎ 国内24h対応	△ グローバルサポート中心	△ グローバルサポート中心	◎ 国内対応
AIエージェント機能	◎ 2025年1月〜本格展開	○ Assistants APIで対応	○ 対応あり	限定的

日本語品質の実務差

ChatGPTやClaudeは英語データを中心に訓練されており、日本語は事後的に適応させたものだ。業務現場で問題になりやすいのは、業種固有の専門用語や敬語表現の不自然さ、同音異義語の誤解釈といった点。こうした箇所で人手による修正が発生すると、見かけ上のコストが安くても実務コストは増える。cotomiv2以降はJapanese MT-BenchでGPT-4・Claudeと同等水準に達しており、この差は縮まっているが、日本語の文化的文脈への適応という点ではネイティブ設計の優位は維持されている。

コスト構造の違いに注意

ChatGPT EnterpriseはAPI従量課金のため、利用量が増えるほどコストが線形に増加する。大量処理が必要な業務では月額が数百万円に達するケースもある。cotomiのライセンス型は利用量にかかわらず固定費での運用が可能で、使用量が多い企業ほどコスト優位性が拡大する。セキュリティ要件を満たすために海外製サービスで専用インスタンスを契約する場合、標準料金の2〜3倍の費用が発生することも多い。

セキュリティと信頼性の優位性

オンプレミス運用という選択肢

cotomiの軽量設計は、自社サーバ内での単独運用を現実的なコストで可能にする。海外製大規模LLMがクラウド送信を前提とするのに対し、cotomiはNECのアプライアンスサーバ「Express5800/R120j-2M for cotomi」（GPU1〜2枚構成）でのオンプレミス稼働に対応している。これにより、機密データが外部ネットワークに出ることなくLLMを運用できる。アクセス権限の設定、監査ログの取得、データ暗号化レベルのカスタマイズも自社ポリシーに合わせて行える。

金融機関や医療機関、政府関連組織のように機密情報の管理基準が厳格な業種では、このオンプレミス対応が導入の決め手になるケースが多い。ファインチューニングも自社環境内で完結するため、企業固有のノウハウを学習させる際の情報漏洩リスクもない。

純国産クラウドによる運用

クラウド運用を選ぶ場合は、NECの国産クラウドサービスを通じた提供形態がある。データセンターを国内に置き、日本の個人情報保護法やサイバーセキュリティ基本法に準拠した運用体制を備えている。海外製クラウドで懸念される法的管轄権の問題やデータ主権の課題を回避できる点が、コンプライアンス要件の厳しい企業には評価されている。オンプレミス導入のためのIT環境整備が困難な中小企業にとっても、このクラウド形態であれば安全性を確保しながら導入できる。

なお、NECはサービスの99.9%以上の稼働率を目標とした冗長化と、24時間365日の監視体制を整備しており、ミッションクリティカルな業務での利用を想定した可用性設計がなされている。

業界別活用事例と成果

NECは現在、製造・金融・医療の3業種を重点分野として業務特化型LLMの開発・提供を進めている。以下の事例は公開情報をもとにした例示であり、数値はNECの公開資料には出典が明記されていないものを含む。実際の効果は企業規模・業務内容・導入規模によって異なる。

製造業：品質管理・生産性向上

製造業では品質管理帳票の自動生成や、過去の不良データをもとにした異常パターンの予兆検出に活用されている。ある自動車部品メーカーでは、品質検査レポートの作成時間が大幅に短縮され、検査員が本来の検査業務に集中できる環境が整ったと報告されている。また、作業手順書の自動更新システムを導入した電子機器メーカーでは、新製品の立ち上げ期間短縮とコスト削減の両方の効果が出ているという。設備の保守記録を分析した予防保全システムの導入で、計画外の設備停止を大幅に減らした製造業の事例もある。

金融業：顧客対応・リスク管理

金融業界では顧客対応の自動化と文書処理の効率化が主な活用領域だ。ある地方銀行では融資相談の初期対応を自動化し、顧客の待ち時間を短縮した。証券会社では市場動向レポートの作成時間を数時間単位で短縮し、より迅速な投資判断支援につなげている。コンプライアンス文書の自動チェック機能は、規制違反リスクの事前検出精度向上に貢献しているという報告もある。

保険業界では保険金請求の一次審査処理が効率化され、支払いまでのリードタイムが短縮した事例がある。AIモデルを活用した不正請求の早期検出も実用化が進んでいる。

医療・サービス業

医療機関での主な用途は診療記録の自動生成だ。ある総合病院では医師の記録作成時間が短縮され、患者との対話時間を増やせるようになったと報告している。過去の診療データからの類似症例検索機能も、診断支援ツールとして活用されている。

サービス業ではコールセンターへの応用が進んでいる。通信事業者での導入事例では、技術的な問い合わせへの対応時間短縮と、不満を抱えた顧客の早期検出・適切なエスカレーションによる顧客満足度改善が報告されている。ECサイトでは、チャットボットの回答精度向上により有人対応が必要なケースを絞り込めるようになった事例がある。

投資対効果の目安

NECのLLM導入企業で報告されている効果としては、定型業務の自動化による工数削減（業務によって30〜50%の削減が報告されている）、投資回収期間の目安として12〜18か月などがある。ただしこれらは業種・業務内容・導入規模によって大きく異なるため、あくまで参考値として扱うべきだ。具体的な試算はNECへの個別相談が確実だ。

導入コストと投資効果分析

費用構成の概要

以下の数値はNECの公開情報や複数の導入事例をもとにした参考値であり、実際の費用は企業規模・導入形態・カスタマイズ範囲によって変動する。正確な見積もりはNECへの直接相談が必要だ。

オンプレミス型の目安

• 基本ライセンス：年間500万〜1,500万円程度（企業規模により変動）
• システム構築：300万〜800万円程度
• 保守・サポート：ライセンス費用の15〜20%程度が目安

クラウド型の目安

• 月額50万〜200万円程度（利用規模による）
• 初期構築費用はオンプレミスより低い

オンプレミス運用ではGPU1〜2枚構成のサーバで稼働できるため、ハードウェアコストも他社大規模モデルと比べて抑えられる。消費電力もv2以降は従来比1/2に削減されており、継続コストの圧縮効果がある。

海外製LLMとのコスト比較

ChatGPT EnterpriseのようなAPI従量課金モデルでは、大量処理時のコストが予測しづらく月額が急増するリスクがある。海外製でオンプレミス相当のセキュリティを確保しようとすると、専用インスタンス利用などで標準料金の2〜3倍のコストになるケースも多い。cotomiのライセンス固定型は使用量が多い企業ほど相対的なコスト優位性が出やすい。長期的なトータルコストでは、日本語処理の高精度化による二次作業コストの削減分も含めて試算することが重要だ。

企業規模別の導入スケール感

下記は複数の公開事例をもとにした目安であり、実際には業務の種類・範囲によって大きく異なる。

企業規模	導入形態の目安	主な活用領域
大企業（1,000名以上）	オンプレミス + カスタマイズ	全社展開、複数業務の並行自動化
中堅企業（100〜1,000名）	オンプレミスまたはクラウド	営業支援・顧客管理・文書作成
中小企業（100名未満）	クラウド型で段階導入	バックオフィス・カスタマーサポート

NECは段階的な導入プランを用意しており、小規模なパイロット運用から開始して効果を確認しながら規模を拡大できる。

導入プロセスとNECサポート

3段階の導入アプローチ

第1段階：パイロット運用（3〜6か月） 特定部門に限定した小規模な試験運用から始める。目的は「使える業務かどうか」の見極めと、自社固有の要件・制約の把握だ。この段階で業務フローへの組み込み方や必要なデータ整備の範囲が明確になる。

第2段階：業務拡大とカスタマイズ パイロット運用で得た知見をもとに対象業務を広げ、ファインチューニングで自社業務に特化したモデルを構築する。従業員トレーニングを本格化させ、AI活用を日常業務に組み込む体制を整える。

第3段階：全社展開と高度化 複数部門間のデータ連携や既存システムとの統合を進め、企業全体のAI活用基盤を完成させる。AIエージェント機能（2025年1月提供開始）や「cotomi Act」（2026年1月〜）を組み合わせれば、承認業務・受発注・経費精算などの繰り返し発生するデジタル業務を自律実行するシステムの構築も視野に入る。

NECのサポート体制

24時間365日の監視・対応体制を基盤に、LLM開発に直接関わった技術者が問い合わせに対応する。業界特有の課題を理解した専門コンサルタントによる活用戦略の策定、業務プロセス分析、ROI最大化の施策提案など、実装レベルまで一貫した支援を受けられる。また、cotomi ProとFastが統合されたv3以降は、AIエージェントプロトコル（MCP）への準拠により、BoxなどのSaaSツールとの連携も容易になった。

人材育成プログラムでは、基礎的なAI理論からプロンプトエンジニアリングの実践まで、段階的なカリキュラムを提供している。現場担当者が自律的にAIを活用できるレベルまでのスキル習得を支援し、定期的なフォローアップ研修で新機能の活用方法も共有している。

将来展望と技術発展性

AIエージェントへの本格移行

cotomiは2025年以降、単なるテキスト処理AIからAIエージェントへと位置づけを移しつつある。2025年1月に提供を開始したAIエージェントサービスでは、「キャリア採用者の育成戦略を作りたい」といった業務依頼に対し、cotomiが自律的にタスクを分解し、社内外文書の検索・分析・文書生成までを自動実行する。他社のAIエージェントが「マニュアルに沿って手順を進める」構造であるのに対し、NECのエージェントはタスクの優先順位付けから業務プロセスの設計まで自律的に行う点が特徴だとNECは説明している。

2025年12月には業務自動化エージェント「cotomi Act」の提供を開始した。社員のブラウザ操作履歴から業務ノウハウを自動抽出・組織資産化し、経費精算・受発注・審査などのデジタル業務を自律実行する。Webエージェントの国際ベンチマーク「WebArena」では人間を上回るタスク成功率を達成したという。2026年1月からはソリューション提供も開始している。

マルチモーダルとエコシステム連携

cotomiはMCP（Model Context Protocol）仕様への準拠により、Boxをはじめとする企業向けSaaSとのデータ連携が標準化された。国内ISVパートナーとしてNECが初めてBoxのMCPベータプログラムに参加しており、ドキュメント管理との統合が実用段階に入っている。さらにNECが長年培ってきた顔認証・物体認識・音声処理技術との統合によるマルチモーダル化も開発が進んでいる。製品の外観検査結果をテキストレポートとして自動出力するシステムや、自然な音声対話による現場支援アプリケーションなどが想定される用途だ。

国産AIとしての戦略的位置づけ

NECは生成AI関連事業で2025年度に約3,000億円の事業価値創出を目標に掲げており、当初目標を上回る見通しとしている。医療・金融・製造の3業種を重点分野として業務特化モデルの開発を継続する方針だ。国産LLMは海外製AIへの過度な依存を回避するデジタル主権の観点でも注目されており、政府・公共機関での採用も進んでいる。NECの難関学会での論文採択数は日本企業で唯一グローバルトップ10に入っており、技術的な厚みは国産LLMの中でも際立っている。

まとめとよくある質問（FAQ）

cotomi導入を検討すべき企業の条件

cotomiが特に有効な選択肢となるのは、次の3つの条件のいずれかに当てはまるケースだ。

日本語処理の品質が業務に直結する企業：顧客対応、社内文書作成、業界固有の専門用語を扱う業務で、英語ベースLLMの日本語精度に限界を感じている場合。

機密データを社外に出せない企業：金融、医療、製造業の機密設計情報など、外部クラウドへの送信が法的・社内規定上難しい業務がある場合。オンプレミス運用か純国産クラウドを選べる点が決め手になる。

大量処理でコスト予測を安定させたい企業：API従量課金では月額コストが膨らむ業務量がある場合、ライセンス固定型のcotomiが長期的に有利になりやすい。

逆に、日本語要件が高くない業務や、少量利用のスポット活用であれば、ChatGPTなどの汎用サービスで十分なケースもある。自社の業務特性に照らして判断することが先決だ。

よくある質問（FAQ）

Q. cotomiはオープンソースで使えますか？ A. cotomiはNECが商用提供するクローズドモデルで、オープンソースではない。オンプレミス型・クラウド型・マネージドAPIサービスの形態で利用できる。

Q. cotomiとChatGPTはどちらが性能が高いですか？ A. 一概には比較できない。v2以降のcotomiはJapanese MT-BenchでGPT-4に比肩する水準に達しているが、英語処理や論理推論の複雑なタスクではGPT-4系が優位な場面もある。日本語処理・速度・セキュリティ・コスト安定性の4点ではcotomiに優位性がある。

Q. 中小企業でも導入できますか？ A. クラウド型から月額50万円程度で導入できる。NECは段階的な導入支援を行っており、小規模なパイロット運用から始めて効果確認後に規模拡大するアプローチが可能だ。

Q. AIエージェント機能は何ができますか？ A. ユーザーが業務ゴールを指示すると、cotomiが自律的にタスクを分解し、社内外文書の検索・分析・文書生成を自動実行する。2025年12月提供開始の「cotomi Act」では経費精算・受発注・審査などのブラウザ操作を伴うデジタル業務も自律実行できる。

Q. 最新バージョンはどれですか？ A. 2025年7月時点の最新バージョンはcotomi v3（性能強化版）。2025年12月にさくらのAI Engineでも提供が開始された。

次のステップ

cotomiの具体的な費用・導入スケジュール・自社業務への適合性を確認するには、NECへの直接問い合わせが最短ルートだ。NECのcotomi公式ページ（https://jpn.nec.com/LLM/cotomi.html）から問い合わせや資料請求が行える。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、AIの特性上、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。本記事の内容に関するご質問、ご意見、または訂正すべき点がございましたら、お手数ですがお問い合わせいただけますと幸いです。