要点
- AC2は業務専用モデルの訓練と推論を一つの基盤で扱う。
- Shift-1は要求の振り分けや、複雑な仕事を複数モデルに分ける役割を持つ。
- 学習データ、品質基準、推論条件を揃えて既存モデルと比較することが導入の要点となる。

Applied Computeは、企業がオープンウェイトモデルを土台に、自社の仕事に適応したモデルを構築するための基盤である。汎用モデルを呼び出すだけでなく、自社のデータや専門知識を使い、製品や業務を支えるAIを改善する用途を持つ。2026年8月25日に発表されたAC2は、モデルの訓練と推論を一つのシステムで扱う。
入力として準備するのは、対象業務のデータと、望ましい結果を判断するための基準である。例えば文書レビューなら、質問、対象文書、期待する回答や引用の扱いを整理することが考えられる。これは準備の例であり、対応するデータ形式や具体的な訓練方式は別途確認が必要だ。訓練したモデルを推論で動かし、実際の要求に対する出力を評価する流れとなる。
2026年11月2日の製品説明では、AC2に加えてShift-1が紹介されている。Shift-1は、各要求を費用効率のよい大規模言語モデルへ送るルーターであり、複雑なタスクを複数モデルに分ける機能も持つ。訓練した専用モデルを運用する仕事と、要求に応じて推論先を選ぶ仕事を扱える構成である。Shift-1の説明は11月時点の更新情報であり、8月時点の提供状況とは区別する必要がある。
同じ資料では、HarveyのReview Table向けに訓練したモデルで回答と引用の品質が改善した事例や、Clay向けの専用ルーターを訓練・配備した事例が示されている。いずれも個別事例であり、他の業務で同じ結果が得られることを保証するものではない。
向くのは、繰り返し発生する業務があり、その出力の良し悪しを判定できる企業である。専用モデルの訓練と継続的な推論運用をまとめて扱いたい場合にも検討対象となる。
導入前には、基礎モデルの選択肢、データの保存と利用範囲、モデルの管理条件、応答時間、処理量、失敗時の扱いを確認したい。比較では、回答品質だけでなく引用の正確さや業務の完了率も対象にすると判断しやすい。日本語での品質、利用料金、提供地域は提示資料から確定できないため、実データに近い評価と契約条件の確認が必要である。