NVIDIA 金融AI Meet-up with Macnica ～日本語で推論する金融 AI の未来　エヌビディア(同)講演～ - 半導体事業

2025年6月24日に開催したセミナー「NVIDIA 金融AI Meet-up with Macnica～ AIを自らの手で。実践企業が語る金融AI活用～」では、金融業界におけるAI活用の最前線を共有する場として、多くの業界関係者にご登壇いただきました。

本記事では、エヌビディア合同会社 Xianchao Wu氏による講演内容をご紹介いたします。

記事末尾ではオンデマンド動画のご案内をしておりますので、ぜひ最後までお読みください。

主催：株式会社マクニカ

協賛：エヌビディア合同会社

講演	講演タイトル	プロフィール
1	GTC2025 ダイジェスト（金融関連企業の発表を中心に）	エヌビディア合同会社　シニア事業開発マネージャー	平畠浩司氏
2	戦略的AI導入と業務特化型ユースケースの展開	ＳＭＢＣグローバル・インベストメント＆コンサルティング株式会社ジェネラルマネジャー	山田裕文氏
3	金融特化型モデル FineNemotronの活用	エヌビディア合同会社　シニアソリューションアーキテクト	Xianchao Wu氏
4	金融機関のセキュアな生成AI活用に向けたオンプレ×ローカルLLMの重要性と実力	株式会社Ippu Senkin　代表取締役社長	鈴木秀弥氏
5	NVIDIA NIMで簡単に始めるローカルLLM構築	株式会社マクニカ	小野寺彪斗氏
6	拡大する生成AI活用と企業のリスク：AIセキュリティの必要性	シスコシステムズ合同会社 Robust Intelligence Country Manager / Cisco Business Development Manager, AI	平田泰一氏
7	Kaggle GrandmasterによるRAPIDSを活用したデータサイエンスの高速化	エヌビディア合同会社　 KGMoN（NVIDIA Kaggle Grandmaster）	小野寺和樹氏
8	クオンツヘッジファンドにおける RAPIDS・CUDA を用いたトレーディングストラテジー構築の高速化	株式会社オークンプロジェクトマネージャー/データサイエンティスト	竹内暢崇氏
9	生成AIによるアナリストレポート自動生成：ファインチューニング学習による精度向上	株式会社aiQ　代表取締役社長	山本裕樹氏
特別講演	AIと共に働く時代：チームを拡張するためのAIディスカッションペーパーの活用	金融庁　総合政策局リスク分析総括課参事官	五十嵐ほづえ氏

金融特化型モデル FinNemotronの活用

Xianchao Wu氏より、金融分野に特化した言語モデルと推論データセットの開発・公開についてご紹介いただきました。
今回取り上げられたのは、日本語・英語・中国語に対応した推論モデル「FinNemotron-R1」と、日本語財務諸表をもとにした推論データセット「FinQA-Ja」です。

金融推論モデル「FinNemotron-R1」

このモデルは、財務データに基づく推論を通じて、金融分野の意思決定を支援することを目的としています。既存の金融向けモデル（Bloomberg、PFN、Fin-R1など）との比較を通じて、日本語対応の不足やオープンソース性の課題が指摘されました。特に、金融分野ではブラックボックス型AIではなく、推論過程を明示できるホワイトボックス型のモデルが求められている点が強調されました。

日本語財務諸表を活用した推論データセット「FinQA-Ja」

NVIDIAは、金融庁EDINETが公開するXBRL形式の財務データを活用し、日本語財務諸表に基づく推論データセット「FinQA-Ja」を構築。このデータセットでは、表形式の財務情報から質問を生成し、モデルが根拠を示しながら答えを導く推論ステップを学習します。

例えば、「第15期の負債合計に占める未払い報酬の割合は？」といった質問に対し、該当する列・行を検索し、計算して答えを導くプロセスが含まれています。難易度別に分類されたデータは、SFT（教師ありファインチューニング）や強化学習にも対応しており、実務に即した応答が可能です。

モデル性能と導入環境

講演では、Qwenベースの7Bモデルによる高精度な推論環境が紹介されました。このモデルは、英語データセットで約78〜80%、日本語でも約70%の精度を達成しており、GPU負荷も軽量です。今後は32B、443B、240Bなど、さらに大規模なモデルの展開も予定されています。また、NeMoやNIMといったNVIDIAのプラットフォームを通じて、クラウド・オフライン環境で安全かつ柔軟に導入できる点も強調されました。企業のプライバシー保護や運用環境に応じた選択が可能であることが、実用面での大きな利点とされています。