Trajectoryの$45M、問われる企業AIの変更承認者

2026年11月、Trajectoryは非技術系顧客向けのモデルポストトレーニングツールで$45 millionを調達した。事前学習済みモデルの適応には、新たにモデルを作るより少ないデータと計算資源で済む。そのため行動を変えられる人は増えるが、変更のたびにデプロイ前の判断を下す人も必要になる。

企業チームは、汎用的な能力を持つモデルにアクセスできる。その先で難しいのは、特定の業務で確実に振る舞うかを管理することだ。フロンティアの学習はなお集中している。しかし下流には、ドメイン所有者が許容できる振る舞いを定め、実務タスクでテストし、リリースを承認し、本番環境からのフィードバックで次の変更を導くワークフローという機会がある。

フロンティア計算資源は学習に集中するが、すべての適応ではない

Epoch AIは、Googleが世界のAI計算資源の約25%を支配していたと推定した。運用していたのは約3.8 millionのTPUと1.3 millionのGPUである。企業は、自社業務でモデルの性能を上げるためにこのインフラを再現するわけではない。事前学習済みの重みから始める。一般に、ファインチューニングは事前学習より少ないデータと計算資源で済み、ポストトレーニングではトークン予測だけでは定まらない成果に最適化できる。

開発者とプロバイダーは、この低リソースの経路をそれぞれ異なる形で広げてきた。2024年、MistralはファインチューニングSDKを導入した。対象はワークステーション、サーバー、小規模データセンターノードである。OpenAIはCustom Modelプログラムを拡張し、支援付きファインチューニング、顧客データパイプライン、評価システムを加えた。プロバイダーが担う作業の量は両者で異なるが、いずれもベースモデルを完成された企業向け製品ではなく出発点として扱う。Snorkel AIが人間とエージェントによるデータ開発・評価へ移行したことも、同じ大きなポストトレーニングインフラの変化に属する。

Googleの計算資源上の地位は依然として重要だ。顧客がモデルをチューニングできても、それだけでフロンティアのベースモデルを作ったり、実質的に進歩させたりする能力を得るわけではない。適応コストの低下は、行動に関する一部の判断を分散するが、基礎となる学習能力までは分散しない。

タスクが分岐すれば、評価はリリースゲートになる

公開ベンチマークは、チームが広範な能力を比較する助けになる。ただし、改訂されたモデルが特定の業務に関するそのチームのルールを満たすかは判断できない。この違いは早くから現れていた。2023年、AWSはBedrockでModel Evaluationをプレビューした際、利用前に人間のテスターを関与させた。モデルの進歩が従来のベンチマークに圧力をかけるなか、研究者はFrontierMath、Humanity’s Last Exam、RE-Benchを含むより難しいテストを導入した。OpenAIは後に、チェーン・オブ・ソートの監視可能性に関する13の評価を導入した。これらの取り組みが答える問いは、顧客の受け入れテストとは異なる。

本番チームは、自らのテストケース、テストの実行順、昇格の閾値、例外を受け入れる権限を持つ人物を定義する必要がある。モデルが変われば、そのプロセスを再び実行しなければならない。人間によるレビューは、ベンチマークが見逃したエラーを捉える手段にとどまらない。重大な判断では、記録されたチェックポイントが、誰がどの証拠に基づいてその振る舞いを受け入れたかを示す。これは別のリーダーボード指標ではなく、デプロイメントの説明責任である。

Trajectoryが売るのは新たなベースモデルではなく、判断へのアクセスだ

Trajectoryは、想定ユーザーの変化を異例なほど明確に示している。2026年5月、同社はユーザーインタラクションに基づく継続学習モデルを構築するため、ポストマネー評価額$115 millionで$15 millionのシードラウンドを調達した。Sequoia主導、評価額$300 millionの11月の$45 millionのSeries Aでは、非技術系顧客向けのポストトレーニングツールを説明した。Trajectoryは両ラウンドを確保したが、いずれの報道も幅広い顧客導入を裏付けず、すでに使われている承認ワークフローも記録していない。

Patronus AIは問題の別の部分に取り組んだ。同社は、複数ステップのタスクを実行するエージェントを評価するシミュレーション環境を構築し、2026年に$50 millionのSeries Bを調達した。一連の行動を評価するドメイン専門家は、最終回答がもっともらしいかだけを見る必要はない。テストは、エージェントが途中で何をしたかを明らかにしなければならない。Trajectoryが掲げる非技術系の対象者とPatronusのタスクシミュレーションは、単一の確立されたベンダーカテゴリーではなく、異なる製品を示している。

対象分野の専門家をプロセスに取り込むと、ソフトウェアが表現すべきものも変わる。事業ドメインには固有の概念、例外、認可ルールがある。例を受け付けても、それらのルールを保持できないチューニングインターフェースでは、難しい部分が顧客に残る。あるいは、個別対応のサービスチームに残る。

デプロイメントでローカルな制約もモデル品質の一部になる

2026年8月、SAP、Capgemini、Sopra Steria、OVHcloudはAI需要の強まりを報告した。企業が実験からデプロイメントへ移るにつれた動きである。ソフトウェア、サービス、クラウドインフラと立場は異なるが、本番運用は各社にとって、公開スコア上のモデル選定だけでなく、顧客環境内での検証に関心を持つ理由となる。

一部の顧客は、システムの実行場所も管理したいと考える。中国のサプライヤーはオンプレミスの「AI-in-a-box」製品を販売した。Huaweiは2024年、中国におけるこうしたマシンの市場が同年に約$2.3 billionに達すると推定した。これは推定であり、実現した売上高ではない。別途、LatticeFlowのチェッカーは、著名なモデルをEU AI Actの要素に照らして評価した際にコンプライアンス上の問題を見つけた。チェッカーの指摘は法的判断ではない。しかし、一般的なモデル能力から、すべてのデプロイメントへの適合性を購入者が推論できない理由を示している。

実務は、そのドメインを知り、そのリスクを負う人々に委ねられる。どの失敗が許容できるか、どのケースにレビューが必要か、どの変更が承認なしに進められないかを決めなければならない。モデル性能は依然として必要だが、その性能が使えるかどうかは顧客のルールが決める。

ArenaとWeaveは評価支出の偏りを示す

この作業への需要があっても、すべての評価ベンダーに大規模な独立事業があるとは限らない。2025年4月、The Informationは複数の評価スタートアップで売上高が控えめだったと報じた。Weights & Biasesは2024年12月までに年間経常収益$50 millionに達したが、その評価製品Weaveが占めたのはわずか2%だった。

2026年6月、Arenaは、パフォーマンス分析製品AI Evaluationsの開始から8カ月で、年換算ランレート売上高$100 millionに達したと述べた。Arenaはすでに広く使われるモデルリーダーボードを運営しており、Weaveには同じ形ではなかった配布基盤を持っていた。Arenaが報告したのは全社ランレートであり、監査済みの年間売上高でも、AI Evaluations単体の開示売上高でもない。この比較が裏付ける結論は、カテゴリ全体のブームより狭い。販売者がすでにモデル選定の判断に関わる立場にあるなら、評価は相当の支出を引き付けうる。一方で、他の製品はこのタスクの収益化に苦戦してきた。

顧客が記録を所有しなければ、プラットフォームはループを束ねられる

インフラとモデルのプロバイダーには、この作業を近くに留める理由がある。CoreWeaveはWeights & Biasesを買収した。これにより、同社のインフラ事業に開発者ワークフローツールが加わった。AWSはすでにモデル評価を提供し、OpenAIは支援付きファインチューニングと評価システムを提供している。Anthropicは、事前学習とファインチューニングの間に位置する追加段階として、モデル仕様ミッドトレーニングを説明している。独立系ベンダーが競う相手は、適応を放棄したラボではない。

したがって、ベンダーが持続的な地位を築けるかは、チューニング技術を持つことよりも、顧客のタスクケース、レビュー判断、承認済み変更の履歴を、モデルをまたいで有用であり続ける形で保持できるかに左右される。顧客がその記録を持ち運べるなら、リリースプロセスの管理を手放さずにベースモデルを選べる。記録がモデルまたはクラウドプラットフォーム内に留まるなら、プラットフォームにはワークフローを束ねる明快な方法がある。モデル変更コストの低下がこの領域を開いた。変更を承認する権限を誰が保持するかが、その境界を決める。