Mistral Forge登場——「自社データでゼロからAIを作る」という新しいエンタープライズ戦略
企業のAIプロジェクトが失敗する最大の理由は、技術の欠如ではない。使っているモデルが自社のビジネスを理解していないからだ。多くのモデルはインターネット上のデータで学習されており、企業が数十年かけて蓄積してきた内部文書・業務フロー・暗黙知はほぼ含まれていない。この構造的な問題に正面から向き合う製品として、フランスのAIスタートアップMistralがNvidia GTCで「Mistral Forge」を発表した。
1. Mistralの現在地——エンタープライズ特化という選択
1-1. ARR$10億超・評価額138億ドル
Mistralは、OpenAIやAnthropicと比較すると消費者向けの存在感は小さいが、企業向け市場での実績は着実に積み上がっている。CEO Arthur Menschは、「エンタープライズへの集中は機能している」と述べ、今年中にARR（年間経常収益）$10億超を達成するペースにあると明かした。昨年9月のシリーズCラウンドでは評価額117億ユーロ（当時約138億ドル）を記録し、ASMLが戦略的投資家として参加した。
1-2. OpenAI・Anthropicとの差別化軸
OpenAIとAnthropicが消費者市場で圧倒的な存在感を持つ中、Mistralは、あえてエンタープライズ・政府機関向けに特化する道を選んでいる。その核にあるのは「企業にAIの制御権を渡す」という思想だ。今回のForgeはその具体的な実装となる。
2. Mistral Forgeとは何か——RAGでもFTでもない第三の道
2-1. 既存アプローチの限界
エンタープライズAIの文脈でよく語られる手法は主に二つある。一つは、RAG（検索拡張生成）——既存モデルを変えずに、実行時に社内データを参照させる手法。もう一つは、ファインチューニング——既存モデルを社内データで追加学習させる手法だ。どちらも基盤モデルを根本から変えるわけではなく、非英語データや高度に専門的な用語への対応に限界がある。
2-2. Forgeの核心——「ゼロからのモデル構築」
Mistral Forgeは、これらのアプローチとはFundamentally異なる。企業が自社データを使ってモデルをゼロから訓練できる基盤を提供する。プロダクト責任者のElisa Salamancaは「Forgeが実現するのは、企業や政府が特定のニーズに合わせてAIモデルをカスタマイズすることだ」と説明する。
具体的には、以下の点で既存手法より踏み込んでいる。まず非英語・高度に専門的なデータに対する処理精度が向上する。次に強化学習を使ったエージェント型システムの構築が可能になる。そして第三者モデルへの依存を減らし、モデルの変更や廃止リスクを回避できる。
2-3. 小型モデルのカスタマイズによる価値最大化
Forgeは、最近リリースされた「Mistral Small 4」を含むMistralのオープンウェイトモデルライブラリを活用する。共同創業者兼CTOのTimothée Lacroixはこう説明する。「小型モデルを構築する際のトレードオフは、大型モデルほどすべてのトピックを得意にできないことだ。カスタマイズの能力があれば、何を強調して何を省くかを選べる」。汎用性を犠牲にしてでも、特定業務における精度を最大化できる点が、エンタープライズ用途で重要な特性だ。
3. Palantir型の「現場常駐エンジニア」モデル
3-1. FDEという差別化
Forgeが単なるプラットフォームと異なるのは、Forward-Deployed Engineers（FDE）と呼ばれる現場常駐エンジニアチームがセットで提供される点だ。このモデルは、IBMやPalantirが採用してきた手法に近い。企業が自社でAIプロジェクトを進めようとする際、最大の障壁の一つは「何をどのくらいのデータで学習させるべきか」「どのように評価指標を設計するか」というノウハウの欠如だ。
Salamancaは、こう述べる。「合成データパイプラインの生成ツールはForgeにすべて含まれている。しかし適切なevalの構築方法や、必要なデータ量の判断は、多くの企業が自社で持っていない専門知識だ。それがFDEの提供する価値だ」。
3-2. 採用企業の顔ぶれ
Forgeのアーリーアダプターには、Ericsson・欧州宇宙機関（ESA）・イタリアのコンサルティング企業Reply・シンガポールのDSOおよびHTX・そしてASMLが名を連ねる。Mistralの最高収益責任者Marjorie Janiewiczによれば、主なユースケースは以下の四領域だ。自国の言語・文化に合わせたモデルを必要とする政府機関、コンプライアンス要件が厳しい金融機関、カスタマイズニーズの高い製造業、そして自社コードベースに特化したチューニングを必要とするテック企業だ。
4. エンタープライズAI市場における競争の構図
4-1. 「コントロール」という差別化
OpenAIやAnthropicが提供するモデルAPIは強力だが、企業からすれば「使わせてもらっている」という依存構造がある。モデルのバージョンアップや廃止により、自社システムに予期せぬ影響が出るリスクも常にある。Mistral Forgeが訴求するのは、この依存からの脱却だ。自社でモデルを所有し、訓練し、デプロイする——この「AIの内製化」に価値を見出す大企業や政府機関は、今後さらに増える見通しだ。
4-2. オープンウェイトという基盤
Mistralがオープンウェイトモデル（重みを公開したモデル）を中心に据えてきたことは、Forgeとの親和性が高い。企業はMistralのモデルをベースに自社データで再訓練できるため、プロプライエタリなモデルより透明性が高く、規制対応もしやすい。特にEUのAI規制（AI Act）が施行されつつある欧州市場では、この特性が競争優位になり得る。
まとめ——「AIを使う」から「AIを持つ」時代へ
Mistral Forgeが示す方向性は、エンタープライズAIの次のフェーズを先取りしている。RAGやファインチューニングは「既存モデルをいかに使うか」という問いへの答えだった。Forgeは「自社の業務に最適化されたモデルをいかに作るか」という、より根本的な問いに答えようとしている。
投資家・ビジネスマンの視点では、ARR$10億規模・評価額138億ドルというMistralの現在地と、ASML・ESA・Ericssonといったアーリーアダプターの顔ぶれは、この市場が概念段階を超えて実需として動き始めていることを示している。「AIを持つ企業」と「AIを借りる企業」の分岐点が、今まさに生まれつつある。