BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:ローカルLLMの精度はどこまで実用に耐えるか 
 ー モデルサイズと量子化の見極め方
X-WR-CALNAME:ローカルLLMの精度はどこまで実用に耐えるか 
 ー モデルサイズと量子化の見極め方
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:1000676@techplay.jp
SUMMARY:ローカルLLMの精度はどこまで実用に耐えるか ー 
 モデルサイズと量子化の見極め方
DTSTART;TZID=Asia/Tokyo:20261023T120000
DTEND;TZID=Asia/Tokyo:20261023T124500
DTSTAMP:20260924T121603Z
CREATED:20260917T022229Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/10006
 76?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n✓ ローカ
 ルLLMの導入を検討しているが、モデルサイズの比較だ
 けで止まっている✓ 量子化すると精度が大きく落ちる
 という情報だけで判断してしまっている✓ 候補モデル
 は複数挙がっているが、比較する物差しを決められて
 いない✓ 精度検証にどれくらいの期間・工数がかかる
 か見積もれていない\nもし一つでも当てはまるなら、
 問題は「情報の量」ではありません。精度を勘ではな
 く数字で測る検証の手順――それが抜けているだけで
 す。この45分で、タスク別に「実用に耐える」を数字
 で定義し、モデルサイズ×量子化の実測データをもと
 に候補を絞り込む手順を持ち帰ることができます。\n
 ■ こんな方におすすめです────────────
 ────────────────────✓ 自社デ
 ータを扱うため、ローカルLLM・閉域環境での運用を検
 討している方✓ モデルサイズと量子化の組み合わせで
 、どこまで精度を保てるか判断したい方✓ 候補モデル
 の比較を、勘ではなく検証データで進めたい方✓ 精度
 検証にかかる期間・体制をあらかじめ見積もっておき
 たい方✓ 製造業・自治体などクラウドに出しにくいデ
 ータを扱う業務の担当者\n■ セッション説明────
 ────────────────────────
 ────「モデルは大きいほど精度が高い」という前
 提のまま、ローカルLLMの検討を止めていないでしょう
 か。2026年9月時点のオープンウェイトモデルは上位モ
 デル同士のスコア差が縮まっており、量子化（GGUF・AWQ
 ・GPTQ）と組み合わせれば、数十億パラメータ級のモデ
 ルでも業務利用に耐える精度を実現できる場面が増え
 ています。\n本セッションは、公開ベンチマークの数
 字をそのまま信じるのではなく、自社タスクで「実用
 に耐える」を検証するための手順を示します。まず、
 タスク別に許容誤答率を数字で定義する方法と、モデ
 ルサイズ×量子化方式の実測データを押さえます。そ
 のうえで、個人情報を扱うある自治体が国内外7つの候
 補モデルを、ライセンス・精度検証・GPU容量の3段階で
 どう絞り込んでいくかを1本の流れで見ます。\n後半は
 、量子化方式ごとの実務的な使い分け、条件別の技術
 選択マトリクス、公開ベンチマークを鵜呑みにしない
 ・国産LLMを無条件に選ばないといった落とし穴、運用
 開始後の再検証タイミングまでを扱います。今日のゴ
 ールは、ローカルLLM選定を勘ではなく検証データで進
 める土台を持ち帰ることです。\n■ 今回話す内容──
 ────────────────────────
 ──────\n\n大きいモデルが正解とは限らない ー 
 オープンウェイトモデルの現在地と量子化の基本\n実
 用に耐えるをどう定義するか ー タスク別の許容誤答
 率とサイズ×量子化の検証データ\nある自治体の選定プ
 ロセス ー 7つの候補モデルをライセンス・精度検証・G
 PU容量で絞り込む手順\n\n■ 登壇者─────────
 ───────────────────────三
 好大悟（株式会社リベルクラフト 代表）\nデータサイ
 エンティスト出身。製造業・大手ITを中心に、AI・デー
 タ活用のコンサルティングと社内研修を手がける。「
 技術を現場で動く施策に翻訳する」をミッションに、
 導入判断から構築・運用展開まで一気通貫でサポート
 している。Python・SQLによる実装経験と、経営層へのプ
 レゼン・合意形成の両方を持つ実務家。\nX: https://x.com/
 daigomiyoshi_ai （三好大悟）\, https://x.com/libercraft1202 （リ
 ベルクラフト）\n■ 開催概要───────────
 ───────────────日時：2026年10月23日
 （金）12:00〜12:45時間：45分（本編35分＋Q&A10分）形式：
 Zoomウェビナー（参加費無料）対象：情報システム部門
 ・DX推進担当・製造業の企画職（ローカルLLM・閉域環
 境での運用を検討している方。非エンジニアの方も歓
 迎します）主催：株式会社リベルクラフト\n■ 注意事
 項───────────────────────
 ───・当日参加できない方にも、後日、当日資料の
 ご案内をメールでお送りします。申し込んでおくだけ
 で受け取れます。・本ウェビナーはビジネス用途を前
 提としています。同業他社の方はご遠慮いただく場合
 があります。・リクルーティング、勧誘など、採用目
 的でのイベント参加はお断りしております。・欠席さ
 れる場合は、お手数ですがキャンセル処理をお願いい
 たします。・無断キャンセルや欠席が続く場合、次回
 以降の参加をお断りさせていただく場合がございます
 。・内容は予告なく変更される場合があります。
LOCATION:
URL:https://techplay.jp/event/1000676?utm_medium=referral&utm_source=ics&ut
 m_campaign=ics
END:VEVENT
END:VCALENDAR
