ビジネス - BUSINESS -

リコー、「文書×AI」を現場仕様に──Qwen2.5-VL-32B基盤、視覚データ60万枚でチューニング

リコーは2026年1月8日、中国Alibaba Cloudが開発・提供する大規模言語モデル（LLM）ファミリーの「Qwen2.5-VL-32B-Instruct」をベースに、日本企業の図表を含む業務文書の読み取りに対応したマルチモーダル大規模言語モデル（LMM）を開発したと[発表]{target=“_blank”}した。今後、「RICOH オンプレLLMスターターキット」に搭載し、オンプレミス環境での提供を予定している。 開発されたLMMは、文字情報に加え、円グラフ、棒グラフ、フローチャートなど、ビジネス文書で一般的に用いられる視覚情報を同時に理解できる点が特徴だ。企業内に蓄積された文書を対象に、検索にとどまらない高度な利活用を実現することを目的としている。 ## 顧客フィードバックを反映し、より実務向けの構成に リコーは、経済産業省と国立研究開発法人新エネルギー・産業技術総合開発機構（NEDO）が推進する生成AI開発力強化プロジェクト「GENIAC（Generative AI Accelerator Challenge）」第2期において、マルチモーダルLLMの開発に取り組み、700億パラメータの基本モデルを無償公開してきた。 今回のLMMは、そうした取り組みの中で得られた顧客からのフィードバックを踏まえ、サービング環境の構築の容易さや利活用のしやすさを重視し、よりコンパクトで高性能、かつアプリケーションとの親和性が高い構成とした点が特徴となる。あわせて、4bit量子化モデルも提供するとしている。 ## 視覚データ約60万枚を用いた独自チューニング 同モデルの学習には、リコーが自社で開発したチューニングデータを使用した。文字情報に加え、円グラフ、棒グラフ、フローチャートなど、ビジネス文書で活用される視覚データ約60万枚を用い、LMMに学習させている。 性能評価には、視覚情報とテキスト情報の双方を参照する日本語質問応答データセット「JDocQA」などのベンチマークツールを用いた。その結果、他モデルと比較しても優れた性能を示すことを確認したとしている。評価は2025年12月17日時点の結果に基づく。 ![ricoh qwen2-5vl.jpg] :::small 画像の出典：[リコー]{target=“_blank”} ::: ## 企業内文書活用をめぐる課題に対応 企業内には、請求書や領収書といったトランザクションデータ、経営戦略や事業計画などの経営資料、サービスマニュアルや技術標準、品質管理基準といった技術文書など、多様な形式のドキュメントが蓄積されている。これらにはテキスト情報だけでなく、図表や画像といった視覚情報も含まれる。 一方で、従来の検索手法では意図した情報を十分に引き出せない、検索にとどまった活用に限界があるといった課題が指摘されてきた。加えて、労働力人口の減少、技能・ノウハウ継承、多言語対応といった経営課題が複雑化する中、企業内に蓄積された知識をより高付加価値で活用したいというニーズが高まっている。 リコーは、こうした背景を踏まえ、既存のLLMやLMMでは課題とされてきた、きめ細かな画像認識を必要とするビジネス文書の読解精度に対応するモデルとして、同LMMを位置づけている。 ## 個別提供に対応、オンプレ環境での展開も視野 リコーは、同LMMが顧客の要望に応じて個別提供可能としている。今後は「RICOH オンプレLLMスターターキット」に搭載し、リコージャパンから提供する予定だという。同社は画像認識や自然言語処理に加え、音声認識AIの研究開発も進めており、音声対話機能を備えたAIエージェントの提供にも取り組む。 :::box [関連記事：リコー、複雑な図表読み取りに特化したマルチモーダルLLMを開発 7月に無償公開へ] ::: :::box [関連記事：リコー、「Gemma 3 27B」基盤の日本語LLMを開発──gpt-oss-20b同等性能を達成しつつ、PCサーバで動くオンプレ向けモデルとして企業提供を開始] ::: :::box [関連記事：リコー、推論性能を強化した日本語LLMを発表──GPT-5相当の性能で金融業務に特化] ::: :::box [関連記事：富士通　企業向け「特化型生成AIを自動生成する」フレームワークを発表] ::: :::box [関連記事：Alibaba CloudのAI研究チームQwen、DeepSeek-V3を超えるAIモデル「Qwen2.5-Max」とVLM (視覚言語モデル)「Qwen2.5-VL」を発表] :::