ソフトバンクは、新たなデータエコシステム基盤「GaranAI」を7月22日に発表。日本のコンテンツホルダーの権利保護と、AI(人工知能)開発事業者などのデータ利用事業者による信頼性の高いデータの活用を両立するプラットフォームとして展開する。同基盤のベータ版の利用申し込みを同日から受け付け開始した。

  • ソフトバンクが開発したデータエコシステム基盤「GaranAI」の概要

    ソフトバンクが開発したデータエコシステム基盤「GaranAI」の概要

GaranAI(ガランエーアイ)は法人を対象に提供するもので、「コンテンツホルダーとデータ利用事業者双方の課題を解決し、新しい収益や利用の形を生み出すこと」をねらいとしたビジネスモデルを構築。コンテンツホルダーには、AI開発などに携わるデータ利用事業者のデータ利用に応じて、利用料を分配するほか、コンテンツホルダーが自ら預けたデータを管理できるツールも提供する。

  • ソフトバンクによる報道関係者向けの説明資料(以下同)

    ソフトバンクによる報道関係者向けの説明資料(以下同)

ソフトバンクではGaranAIを活用する利点について、コンテンツホルダー側には「著作物の不正利用のリスクを低減しながら新たな収益機会を得られる」と説明。一方、データ利用事業者にとっては「オープンデータとクローズドデータの双方を含む、高品質で信頼性が高い日本語データを利用することで、AIの回答精度を向上させられ、データ収集や加工にかかるリードタイムやコストも大幅に削減できる」ことがメリットだとしている。

データ加工の流れとしては、新聞社や出版社、Webサービス企業、エンタメ企業などのコンテンツホルダーから預けられたデータ(預託データ)を、その大意や事実関係は維持しながら表現や構造を変換して、元データへの復元が困難な「派生データ」へと変換。データ利用事業者がその派生データを、AI開発に適したフォーマットへ変換した「加工データ」として活用できるようにする。

派生データを基にした加工データとしては、インデックス化やベクトル化などを施した“RAG”と、生成AI学習ニーズに即した特定フォーマットへの構造化を施したデータの2種類を展開する。

データの収集から加工までは、ソフトバンク側の専任の品質運用・改善チームが一貫して担い、プロンプトインジェクションなどの悪意あるデータの混入リスクを低減。データ品質のモニタリングや安全性評価、ロジックの改善を継続的に行うことで、高品質かつ透明性の高いデータ活用ができるようにするという。

基盤運用に係るコストについては、コンテンツホルダーに対してはデータ連係コストの負担のみを求め、基盤開発やプラットフォームの保守・運用、インフラ、個人情報の隠蔽などにかかるコストはソフトバンクが負担することにしている。

開発の背景にあるのは、大規模言語モデル(LLM)をはじめとする基盤モデルの性能向上で必要となる、大量の学習データを高品質なまま継続的に確保することの難しさ。また、学習データは量だけでなく、正確性や即時性、地域や時代を幅広くカバーする網羅性も求められる。

ソフトバンクは、現行の生成AIの多くは英語や中国語を中心としたデータで開発が進められていて、“利用できる良質な日本語データが不足している”と説明。日本語の生成AIサービスにおいて、日本の習慣や文化の細かなニュアンスの理解が不十分であることも課題になっているという。

しかし高品質な著作物がAI開発に無断利用される懸念が高まっており、多くのコンテンツホルダーは、価値ある保有データが利用されることに対して慎重な姿勢を取る。

こうした課題を解決し、コンテンツホルダーの権利保護だけでなく新たな収益機会も創出することをめざし、ソフトバンクはGaranAIを構築した。なおGaranAIの開発にあたり、2025年5月にソフトバンクは共同通信社との業務提携契約を締結している。

GaranAIのベータ版ではまず、新聞社をはじめとする一部のコンテンツホルダーからデータ提供を受け、データ利用事業者によるデータ利用を検証を行い、品質や機能の向上を図ったうえで、2027年1月以降の正式提供をめざす。

ベータ版にデータを提供するのは共同通信社のほか、産業経済新聞社、信濃毎日新聞社、スポーツニッポン新聞社、デーリー東北新聞社、奈良新聞社、毎日新聞社、室蘭民報社など。ソフトバンクは、その他のコンテンツホルダーについても「多様な業種と交渉中」としている。

今後の機能追加については、「ハルシネーション(AIによる誤情報生成)の防止ロジック」や、「トレンドAPI」の実装を挙げる。前者は、預託データの格納時に文章の依存関係を自動解析し、文脈を保ったまま加工することで。ハルシネーションを防止。後者は、独自の分析に基づいてトレンド情報を提供するAPIになるとのことだ。

コンテンツホルダーについては報道関係各社やWebメディアを含む各種Webサービスのほかにも、博物館や教育、地方自治体といった公益性の高い分野、製造や小売業、戦略17分野における主要な製品・技術に関わる業種まで幅広く対応する方針。多様な範囲で取り扱われる著作物を預かるプラットフォームをめざす考えだ。

なお、GaranAIという名称はベータ版のコードネームであり、正式提供時には名称変更する可能性があるとのこと。