Preferred Networks（PFN）は2025年6月17日、金融機関の業務に特化した大規模言語モデル（LLM）「PLaMo-Fin-Prime」を発表した。これをベースに、各金融機関が持つ固有知識を追加学習した専用モデルをカスタム開発して提供する。各金融機関は自社専用モデルをオンプレミス環境で利用可能である。
Preferred Networks（PFN）の「PLaMo-Fin-Prime」（画面1）は、金融機関の業務に特化した大規模言語モデル（LLM）である。これをベースに、各金融機関が持つ固有知識を追加学習した専用モデルをカスタム開発して提供する。各金融機関は自社専用モデルをオンプレミス環境で利用可能である。
画面1：金融に特化した大規模言語モデル（LLM）「PLaMo-Fin-Prime」の利用イメージ（出典：Preferred Networks）拡大画像表示
PFNが2025年1月に発表した、日本の金融知識を追加学習したLLM「PLaMo-fin-base」がベースになっている。PLaMo-Fin-Primeでは、ユーザーの意図に沿ってう動作するための「アラインメント学習」を施し、金融業務で求められる実用性を確保したという（関連記事：PFN、日本の金融知識を強化したLLM「PLaMo-fin-base」を発表）。
金融業界独自の用語、言い回しなどを理解し、自然で実用的な回答を生成する。金融規制の解釈、リスク分析、顧客対応シナリオ作成など、専門性を求めるタスクの精度が向上したとしている。金融分野の知識を問う日本語ベンチマーク「Japanese Language Model Financial Evaluation Harness」では、既存のPLaMo-fin-baseを超える値を記録している（表1）。
表1：金融分野の知識を問う日本語ベンチマークの値（出典：Preferred Networks）拡大画像表示
金融機関への提供にあたっては、業務日報、研修資料、マニュアル、顧客データベース、過去の稟議書、金融商品情報、投資に関するノウハウなど、各社独自のデータをオンプレミス環境で追加学習させる。各社の社内用語、金融商品、顧客情報、組織固有の判断基準、業務フローなどを理解したAIエージェントを構築可能だとしている。課題の把握から技術やユースケースの検証、アプリケーション開発、導入、運用、継続的なモデルの改善まで、PFNがトータルで支援する。
金融特化型LLMの活用例を挙げている。営業支援・顧客対応の高度化では、チャットボットが自社商品・サービスを理解したうえで顧客対応する。バックオフィス業務の効率化では、稟議書や契約書の自動作成・レビュー支援、コンプライアンスチェック、従業員向けQ&Aなどに活用できる。また、投資分析・商品開発支援などでの活用も想定している。
