NTT国産LLM「tsuzumi 2 Vision」1GPUで図表付き文書を解析

業務DXの「ラストマイル」を突破する純国産LLMが登場

日本企業のデジタルトランスフォーメーション（DX）において、長年の課題となってきたのが機密性の高い社内文書の自動処理だ。見積書、財務諸表、フローチャート、会議資料――こうした業務文書のほとんどは、テキストと図表が複雑に混在している。従来の大規模言語モデル（LLM）はテキスト処理には優れていても、ビジュアル情報の読み取りに限界があり、依然として人間による目視確認や手作業入力が欠かせない工程が残っていた。

この「ラストマイル」の障壁を打ち破ろうとNTTが2026年5月19日に発表したのが、純国産LLM「tsuzumi 2 Vision」である。図表やグラフを含む日本語ビジネス文書を画像のまま理解し、かつ単一のGPU環境で動作するという、企業現場の現実に即したソリューションとして業界に大きな衝撃を与えている。

tsuzumi 2 Visionとは何か――主要スペックと技術的特徴

NTTが今回発表した「tsuzumi 2 Vision」は、2025年10月に提供を開始した300億パラメータ（30B）のテキスト専用モデル「tsuzumi 2」を基盤としている。この基盤モデルに、独自開発した文字および図表理解用のアダプタを組み合わせることで、文書内の視覚情報を直接処理できるマルチモーダルモデルへと進化した。

主な技術仕様

動作環境：1基のGPU（40GBメモリ、NVIDIA A100相当）で稼働
対応形式：図表・グラフ・チャートを含む日本語ビジネス文書の画像処理
展開形態：オンプレミス・プライベートクラウド環境に対応
パラメータ数：300億（30B）
開発体制：学習データ・開発プロセスをすべて自社管理する純国産AI

ベンチマーク性能

NTTの発表によると、今回のVisionモデルはパラメータ数を抑えた軽量設計でありながら、独自のベンチマークテストにおいて、Metaの「Llama 4 Scout」やOpenAIの「GPT-5.2」といった最新の海外製大規模モデルと同等水準の読解性能を示したとされている。モデルサイズが数倍以上の競合モデルに匹敵する結果は、軽量・高性能という同モデルの強みを裏付けるものだ。

また、テキストモデル単体においても今回アップデートが施されており、金額や性能値といった数値情報の計算能力、APIやドキュメントを参照して外部ツールを呼び出す機能など、論理的な理解力も強化されている。

tsuzumiの進化の歴史――2023年から続く国産AI開発の軌跡

NTTのLLM開発は着実に歩みを重ねてきた。その歴史を振り返ると、今回の発表がいかに大きなマイルストーンであるかが見えてくる。

2023年10月：初期バージョン「tsuzumi」提供開始（7Bパラメータ）
2024年3月：商用サービス正式開始
2025年10月：次世代モデル「tsuzumi 2」リリース（30Bパラメータ、日本語性能・RAG性能を大幅強化）
2026年5月19日：「tsuzumi 2 Vision」発表・提供開始

tsuzumi 2では、パラメータ数を7Bから30Bへと約4倍に拡大しつつも、1GPU動作という低コスト・高セキュア性を維持。RAG（検索拡張生成）やファインチューニング性能も高め、金融・医療・公共といった特化領域での活用が進められてきた。今回のVisionモデル追加によって、そのエコシステムはさらに拡張されることになる。

ビジネス視点：企業・経営者にとっての意味

tsuzumi 2 Visionの登場が企業経営にもたらすインパクトは多岐にわたる。特に注目すべき点を以下に整理する。

① データ主権・セキュリティの確保

最大の差別化ポイントは、「データが社外に出ない」という安心感だ。OpenAIやGoogleが提供するクラウド型AIサービスは、機能面では高性能であっても、機密情報を外部サーバーに送信するリスクが常につきまとう。tsuzumi 2 Visionはオンプレミスまたはプライベートクラウド環境での完結処理を実現しており、金融機関、医療機関、製造業、官公庁など情報管理が厳格な組織での導入ハードルを大幅に引き下げる。NTTはこの特性を「ソブリンAI」と位置づけ、データ主権を重視する需要に応える方針を明確にしている。

② 低コスト・低消費電力での導入

1基のGPU（40GBメモリ）で動作するという軽量設計は、初期投資と運用コストの最小化に直結する。大規模なGPUクラスターを用意する必要がなく、既存のITインフラを活用した導入が可能なため、中堅・中小企業でも検討の対象となりうる。NTTの島田明社長もかつて「オンプレミスの環境でも経済的に利用できる」と強調しており、この方針は今回のVisionモデルにも引き継がれている。

③ 業務自動化の適用範囲が拡大

これまでテキスト処理に限られていた業務自動化が、図表・画像を含む文書へと適用範囲を広げる。具体的には以下のような業務での活用が想定される。

帳票類・申請書類のOCR＋内容理解による自動データベース化
会議資料・決算説明資料の自動要約・タグ付け・索引作成
機器のエラー表示とフローチャートを組み合わせた自動トラブルシューティング
技術ドキュメント・仕様書の図表を含む情報検索・Q&A
与信書類・財務諸表の視覚情報を含む審査支援

消費者・生活者視点：私たちの日常への影響

一般の生活者にとっては、直接このモデルを使う機会は限られるかもしれない。しかし、私たちが日々接するサービスの品質向上という形で、その恩恵は確実に届くはずだ。

たとえば、銀行での手続き処理スピードの向上、病院での診断支援や書類処理の効率化、行政サービスにおける申請手続きの自動化・迅速化などが考えられる。さらに、国産モデルが普及することで個人情報・医療情報・金融情報の管理が国内で完結し、データの海外流出リスクが低減されるという恩恵もある。

また、企業の業務効率化によるコスト削減は、最終的にはサービス価格の適正化や、従業員が創造的な業務に集中できる環境整備につながり、社会全体の生産性向上に寄与する可能性がある。

専門家の見解：国産AIが切り拓く可能性

「社内資料への索引付与において、tsuzumi 2に図表入りの資料を渡して概要と見た目を文章で解説してもらい、タグ付けまで実施することで、資料をデータベース化し、検索性を向上させることが可能になる」

― NTT サービスイノベーション総合研究所人間情報研究所主任研究員長谷川拓氏

長谷川氏はさらに、業務問い合わせ対応の場面でも効果を示し、機器のエラー表示の内容とフローチャート画像をtsuzumi 2に渡すだけで、該当する対処手順を自動的に特定し具体的な対応案を提示できると説明する。

AI専門メディア「Innovatopia」は、1GPU環境での実現について「世界的なGPU需給逼迫やAIの消費電力問題を考えれば、極めて現実的な解答」と評価。また、日本の規制環境との親和性についても「金融機関、自治体、医療機関、製造業の機微情報を外部のクラウドAIに送ることなく社内で完結処理できるという『データ主権』は、生成AIのエンタープライズ普及における最大級のボトルネックを解消するアプローチ」と分析している。

国際比較：海外の同様の動きとの比較

マルチモーダルLLMの開発は、世界的なトレンドとなっている。OpenAIのGPT-4oやGoogleのGemini、MetaのLlama 4シリーズなど、海外大手テクノロジー企業は相次いで視覚情報処理能力を持つモデルを投入している。

しかしこれらの海外製モデルとtsuzumi 2 Visionには、明確な思想的差異がある。

海外大手モデルとの比較

海外モデル（GPT-5系、Llama 4系など）：超大規模パラメータ、クラウド前提、汎用性重視、データは海外サーバー処理
tsuzumi 2 Vision：軽量（30B）、オンプレミス対応、日本語・日本ビジネス文書特化、データ主権確保

NTTのベンチマーク結果では、こうした設計思想の差があるにもかかわらず、図表入り日本語文書の理解において海外大規模モデルと同等水準を達成しているとされる。これは、特定ドメインへの集中と効率的なアーキテクチャ設計によるものと見られる。

また、韓国のSamsungやSKテレコム、フランスのMistral AIなど、各国でも自国語・自国文化に最適化された国産LLMの開発が加速しており、日本のtsuzumiシリーズは国産ソブリンAIという文脈で世界的に注目されるプロジェクトの一つとなっている。

今後の展望：注目ポイントと予測される影響

tsuzumi 2 Visionの登場を皮切りに、日本の企業向けAI市場はさらに大きく動く可能性がある。

短期的な注目ポイント（2026年内）

NTTグループ各社（NTTデータ、NTTコムウェアなど）を通じた順次サービス展開
金融機関・医療機関・官公庁への重点的な営業展開
NTTと医学書院の共同開発による医療AI基盤への搭載
テキストモデルの数値計算・API連携強化による業務システム統合の深化

中長期的な影響（2027年以降）

日本政府のAIガバナンス要件に対応した公共調達での採用拡大の可能性
エッジデバイスや小型サーバーへの展開による、さらなる分散型AI処理の普及
他の国産LLM（NII、Preferred Networks、SoftBankなど）との競争・協調による日本語AI全体の底上げ
AI人材育成・国内GPU産業振興など、産業政策との連携強化

また、日本政府が推進する「ガバメントAI」の大規模実証（政府職員約18万人対象）とも親和性が高く、公共セクターへの本格導入が加速する可能性があると見られる。

まとめ：tsuzumi 2 Visionの3つのポイント

🔷 技術的革新：300億パラメータの純国産LLMに独自アダプタを組み合わせ、図表・グラフ入り日本語ビジネス文書を1GPU（40GB）でリアルタイム処理できるマルチモーダルモデルを実現。海外大規模モデルと同等の読解性能を達成。
🔷 ビジネス価値：オンプレミス・プライベートクラウド対応により、金融・医療・行政・製造業など機密情報を扱う組織が、データを社外に出さずにAIによる文書処理自動化を実現できる。低コスト・低消費電力設計も中堅企業への普及を後押し。
🔷 国産AI戦略：学習データから開発プロセスまで完全自社管理の「ソブリンAI」として、データ主権・著作権保護を担保。日本政府のAI政策との連携も視野に、国産AI基盤としての存在感をさらに高める。

参考情報

著者プロフィール

伊東雄歩（いとうゆうほ） / ゆぽゆぽ

株式会社ウォーカー代表取締役 / MENSA会員 / NLPマスタープラクティショナー

IQ130超のADHD経営者。「社会不適合」ゆえに会社員を2年で挫折し、フリーランスを経由せずいきなり起業。訴訟4回、2000万円の損失、役員の裏切り、オフショア開発の地獄を乗り越え10年生き残る。心理学・教育学に1000万円投資し、独自の「成長力学」を確立。現在は生成AI教育に注力し、「3年を2日に変える」AIプログラミング2Daysキャンプを全国展開中。AIフレンズコミュニティを運営。

夢は「世界征服」——世界の常識を変え、新しい価値観を提示すること。