出張管理ソフトウェア企業のNavanは、早期アクセスを得てから3週間以内にモデルをファインチューニングして展開し、本番環境でNVIDIAのNemotron 3.5 Super VLをAIエージェントに利用しています。2026年10月16日の発表で、Navanはこのモデルがコストを抑えながら顧客とのやり取りを処理していると述べました。

主なポイント

  • 今回の展開は完了しており、NVIDIAのモデルを試験導入する計画段階ではありません。
  • Navanは自社の評価で旅行関連タスクの性能が向上したと報告しましたが、本番環境でのコスト削減額は数値で示していません。
  • セルフホスティングにより、Navanは展開を管理しながらモデルをカスタマイズし、入れ替えることができます。

目次

NavanのAIエージェント、質問への回答を超える

Navanの技術発表によると、このシステムは会話形式の応答を生成するだけでなく、旅行関連のタスクを実行するよう設計されています。フライトの欠航時には、最新の空席状況の検索、代替案の説明、会社の規定の確認、ホテルやレンタカーの予約変更の調整が必要になることがあります。

Nemotronの本番展開に関するNavanの説明によると、同社は5つのエージェントの知見を組み合わせて1つのモデルを適応させました。5つのエージェントは、オーケストレーターと、ホテル、フライト、レンタカー、鉄道をそれぞれ担当する専門エージェントで構成されます。各エージェントはそれぞれのツールと判断に対する責任を維持しながら、旅程全体にわたって情報を共有します。

この設計では、タスクを完了できるかどうかが統合の実用的な評価基準になります。予約ツールを正しく使えなかったり、旅行者の制約に従えなかったりすれば、迅速な応答だけでは不十分です。

項目詳細
モデルの規模パラメーター数は約1,200億で、各ステップで活性化されるのは約120億です。
ファインチューニング手法NVIDIA NeMo AutoModelオープンライブラリーを使ったLoRAファインチューニング。
最終学習データの情報約1,000万トークン。
検証最終学習セットに約2,000件の検証テスト。

社内テストで品質と応答効率を比較

Navanは、既存のセルフホスト型本番環境のベースラインであるQwen 3.8-27Bを主な比較対象として使用しました。同社は同じプロンプト、ツール、旅行シナリオ、採点システムを使ってモデルをテストしました。

Navanの評価では、ファインチューニング済みのNemotronモデルは、7つの指標のうち6つで競合モデルを上回るか、同等の結果を示しました。同社は、ツールの利用、タスクの完了、実際の情報に基づく回答、会話の品質を強みとして挙げました。

これらは同社が報告したテスト結果であり、独立して検証された性能評価ではありません。評価対象はテキストベースの旅行タスクで、モデルが対応する他の入力形式は対象外でした。Navanは導入モデルによってコストが削減されたと述べましたが、削減率や金額は公表していません。

セルフホスティングでモデル選択の柔軟性を確保

Navanによると、モデルのカスタマイズ、テスト、展開、更新の方法を自社で管理することで、速度、コスト、信頼性をより細かく制御できます。また、システム全体を作り直すことなく、モデルを入れ替えることも可能です。

したがって今回の統合は、あらゆる業務フローで永続的に1つのモデルを使う体制を確立するものではなく、Navanのモデル群を拡充するものです。同社が示す方針は、旅行業務に特化した要件に照らしてモデルを評価し、実際のツールを使ってアシスタント全体をテストすることです。何か問題が起きた際に復旧できるかどうかも、そのテストに含まれます。

結論

確認された節目は、顧客とのやり取りを処理する本番環境への導入です。Navanの発表は、タスク性能の向上を示す社内評価結果を提示していますが、本番環境でのコスト削減規模は明らかにしていません。

関連記事

FinanceVelixのニュースをもっと読む

免責事項

この記事はFinanceVelixによる一般的な情報提供を目的としており、個別の財務、投資、法律、税務に関する助言ではありません。市場価格、金利、経済状況は変動する可能性があり、投資には損失のリスクがあります。記載内容は公開時点で入手可能な資料に基づいており、変更される場合があります。重要な情報はご自身で確認し、必要に応じて資格を有する専門家にご相談ください。資産、企業、サービスへの言及は、推奨を意味するものではありません。