楽天がパランティア・オントロジー型組織大AIを導入してダントツAI勝ち組になるロードマップ

現在の日本企業のほとんどが導入している「AI」は、局所最適をもたらす「ツール」に過ぎず、事務処理の効率化はもたらしますが、売上や時価総額の劇的な増大には貢献していません。オフィスの現場ではむしろ疲労感が強くなる皮肉な現象が見られます。

関連投稿：

ワークスロップ（AI残飯）：社長がAI無知だと社内にAI局所最適がはびこりAI負け組になる問題.

しかし、企業の根幹に「組織大AI」が組み込まれると、AIデータ・フライホイールが高速回転を始めます。意思決定は異次元の的確さと速度を持ち、その連続する決定から生まれるデータ群が、さらにAIモデルを磨き上げる。この自己強化の連鎖により、企業価値が連続的に増大し続ける新組織へとシフトするのです。

こうなると、もはや同業他社は追いつけません。一強多弱の業界構造となります。市場の8割を「AI勝ち組」が独占し、残りのわずか2割のパイを、組織大AIを持たない「多弱」の群れが奪い合うという、残酷な超レッドオーシャンが到来します。業界の勢力分布は、もはや馴染み深い「標準分布」ではなく、極端な格差を示す「冪分布（べきぶんぷ）」（ロングテール図）へと変貌を遂げるのです。

この現象をわかりやすく理解するためのケーススタディとして、今回は楽天グループを取り上げます。楽天が楽天経済圏のデータをどのように活用するとAIデータ・フライホイールが回り始めるのか？いったん楽天のAIデータ・フライホイールが回り出すと競合がどのように駆逐されるのか？リアリティのあるケーススタディとして記述します。記述には多少込み入ったプロセスでもってGemini 3.1 Pro + Deep Researchを用いています。

なおこれはケーススタディであって、ファミリーマートのファミマポイントなどがパランティア・オントロジー型組織大AI（ないしパランティア・オントロジーそのもの）を導入しても、その事業ドメインの規模に応じて、同様にAIデータ・フライホイールが回り始めます。

また優れた顧客データ収集の仕組みがある事業モデルであれば、同じように組織大AIを導入することで同じ効果が得られます。

関連投稿：

富士通のAI駆動開発のデータフライホイールが回り始めるとアクセンチュア、NTTデータ、NECが駆逐されるロジック

「AI負け組」はどこにいる？米国のSaaSの死の本当の原因 -> AIデータ・フライホイールのあるなし

楽天グループにおける組織大AIアーキテクチャの再定義：AIデータ・フライホイールによる競争優位の構築と「SaaSの死」への対抗戦略

第1章：AIデータ・フライホイール理論の深層と現代的課題

1.1 SaaSの終焉とフライホイールの欠如：構造的停滞の解明

現代のテクノロジー市場において「AI負け組」がどこに位置するのかを理解するためには、かつての成功モデルであった米国型SaaS（Software as a Service）が直面している「死のロジック」を分析しなければならない 。多くのSaaS企業が直面している本質的な課題は、機能のコモディティ化や顧客獲得コスト（CAC）の上昇ではなく、そのビジネスモデルに「AIデータ・フライホイール」が組み込まれていない点にある 。

従来のSaaSは、業務のデジタル化を推進し、月額課金によって安定した収益を得るモデルであったが、そこには「利用すればするほど、AIが賢くなり、製品価値が非線形に向上し、競合との差が埋めがたいほどに広がる」という自己強化型の循環が欠落していた。データは単にデータベースに蓄積される「死蔵された資産」に留まり、AIは単なる「後付けの機能」として実装されるに過ぎなかった。この状態では、先行者が蓄積したデータの優位性が製品の質に直結せず、後発の低価格サービスや、特定の業務に特化したバーティカルAIによって容易にリプレースされる運命にある 。

AIデータ・フライホイールのあるなしは、企業の生存を分ける境界線である。フライホイールが回っている状態とは、ユーザーがシステムを利用することで生成されるデータが、AIモデルの精度向上に即座にフィードバックされ、その結果としてユーザー体験（UX）や業務効率が改善され、さらなるユーザーとデータを引き寄せる状態を指す。この循環が欠落した企業は、AI時代における「単なるツール」へと格下げされ、最終的にはAIデータ・フライホイールを内包したプラットフォームによって駆逐されることとなる 。

関連投稿：

「AI負け組」はどこにいる？米国のSaaSの死の本当の原因 -> AIデータ・フライホイールのあるなし

1.2 富士通モデル：知識集約型への転換と競合駆逐のロジック

日本市場において、このフライホイール論を具現化しようとしている先行事例が富士通の「AI駆動開発」である 。富士通の新基盤「AI-Driven Software Development Platform」は、単なる開発効率化ツールではなく、SE（システムエンジニア）の長年の知見をLLM「Takane」に学習させ、データとAIが相互に強化し合うサイクルを構築することを目指している 。

富士通の戦略がアクセンチュア、NTTデータ、NECといった競合を駆逐するとされるロジックは、徹底した「売上原価（COGS）の劇的な削減」と「ビジネスモデルの転換」にある。従来、大規模システムの保守や改修は、人月ベースの労働集約型モデルに依存していたが、富士通はAIエージェントに要件定義からテストまでを自律実行させることで、生産性を100倍、あるいはそれ以上に引き上げることを画策している 。例えば、複雑な診療報酬改定や法改正への対応をAIが自動反映し、「即日対応」を可能にすれば、数千人のエンジニアを抱えて手動改修を行う競合他社は、コストとスピードの両面で土俵から引きずり下ろされることとなる 。

この「エンジニアが不要な土俵」へ戦場をシフトさせる行為こそが、AIデータ・フライホイールの真の威力である。富士通は、データの蓄積によってAIの精度を上げ、後発が追随できない強力な「経済的な堀（Moat）」を形成しようとしている 。楽天が今後目指すべき「組織大AI」も、この富士通が示唆する「AIデータ・フライホイール型プラットフォーム」への進化という文脈で捉える必要がある。

関連投稿：

パランティアが証明する「修復不可能な格差」の事例。日本企業も"AI持てる者"と"AI持たざる者"に二分される

第2章：楽天の現在地：シングルIDとデータ資産の現状分析

2.1 シングルIDがもたらすファクチュアルデータの戦略的価値

楽天グループが展開する「楽天エコシステム」の核心的な強みは、70を超えるサービスを一つの「楽天ID」で統合している点にある 。このシングルID体制は、ユーザーの生活のあらゆる局面（購買、金融、通信、旅行など）を一つの時間軸上に整列させることを可能にする 。

楽天が保有するデータは、一般的な広告プラットフォームが依存する「検索履歴」や「クリック履歴」といった不確かなデータとは一線を画す。それはIDベースで捕捉された「実際の購買事実（ファクチュアルデータ）」である 。このデータの深さと正確性が、AI時代における強力な「燃料」となる。以下の表は、楽天が保有する主要なデータ属性とその戦略的価値をまとめたものである。

これらの多次元的なデータは、グループ全体のカスタマーデータプラットフォーム（CDP）へと集約されている 。現在の楽天は、これらのデータを活用し、例えば育児用品を購入したユーザーに教育ローンを提案するといった「垂直統合」と「水平展開」を高いレベルで実現している 。

2.2 「AI 1.0」から「AI 2.0 / AI-nization」への移行進捗

楽天は現在、AIをバックエンドの効率化に用いる「AI 1.0」のフェーズから、ユーザーやビジネスパートナーを直接サポートするAIエージェントを活用する「AI 2.0」および「AI-nization（AI化）」の段階へと突入している 。

2025年度において、グループ全体でのAI活用による利益創出額は255億円に達しており、当初目標の210億円を大きく上回る成果を上げている 。この利益は、広告の最適化による売上増や、物流・インフラ運用の効率化によるコスト削減の合計であり、既にフライホイールが部分的に回転し始めていることを示唆している 。

技術的側面では、日本語に特化した大規模言語モデル「Rakuten AI 3.0」を自社開発し、MoE（Mixture of Experts）アーキテクチャを採用することで、推論コストの90%削減と高いパフォーマンスを両立させている 。しかし、真の「組織大AI」として、全社的なフライホイールを最大加速させるためには、現在の「データ集約型（CDP中心）」から「実行・書き戻し型（オントロジー中心）」へのアーキテクチャ変革が必要である。（今泉注：実行・書き戻しの大前提として、その一つ前のプロセスに意思決定権を持つ人間による意思決定がある。サイクルがHITL, Human In The Loopであることに特徴がある。）

関連投稿：（実行・書き戻しのメカニズムを詳説しています）

JERAはホルムズ海峡封鎖を収益機会に変えられる：パランティア・オントロジーの爆速シナリオプラニング

第3章：望ましい組織大AIの具体形：エコシステム・オントロジーの構築

3.1 パランティア・オントロジーの真価：デジタルツインから「実行」へ

楽天が導入を検討、あるいは参考にすべき「パランティア・オントロジー」は、単なるデータ管理の手法ではない。それは、組織のデータと業務プロセスを正確に理解し、AIが現実世界に対してアクションを起こすための「オペレーティングシステム（OS）」である 。

従来のデータウェアハウスやデータレイク、あるいは現在の楽天が持つCDPが「データの貯蔵庫」であるとするならば、オントロジーは「組織のデジタルツイン」である 。オントロジーは、生データを「オブジェクト（Object）」、それらの関係性を示す「リンク（Link）」、そしてそれらに対する操作を定義する「アクション（Action）」へと変換する 。

パランティアのAIP（Artificial Intelligence Platform）におけるオントロジーの決定的な役割は、AIが「回答」するだけでなく、人間の意思決定に基づいて「アクション」を実行し、元の業務システムに「書き戻し（Write-back）」を行う点にある 。これは、AIによる洞察が人間の意思決定を介在させた上で、即座に現実のビジネスオペレーション（在庫発注、与信変更、価格改定など）に反映されることを意味する。

3.2 楽天における「社内システム改良」か「新基盤導入」かの選択

楽天がAIデータ・フライホイールを回すために、パランティア・オントロジーをそのまま導入すべきか、それとも現在の社内システムを改良すべきかという問いに対しては、「現在の社内システム（CDPおよびAI Gateway）をパランティア型のオントロジー・アーキテクチャへと根本的に改良・昇華させる」という道が最も望ましい。

その理由は、楽天が既に「Rakuten AI 3.0」という強力な独自LLMと、30,000人以上の従業員が利用する「AI Gateway」というインフラを保有しているからである 。パランティアのようなクローズドなプラットフォームを全面導入することは、楽天独自の複雑なポイントエコシステムやSPU（スーパーポイントアップ）のロジック、あるいは「楽天主義」に基づく店舗との共生といった独自のビジネスモデルを損なうリスクがある 。

しかし、現在のCDPは「分析」と「ターゲティング」に最適化されており、AIが導き出した結論を各事業部門の基幹システムへ自動で「書き戻す」機能は、限定的である。楽天が目指すべきは、パランティアの「アクション」と「書き戻し」の思想を取り入れた、独自の「楽天エコシステム・オントロジー」の構築である。

3.3 楽天AI Gatewayとオントロジーの統合アーキテクチャ

望ましい「組織大AI」の具体形は、以下の3つのレイヤーで構成される統合プラットフォームである。

① セマンティック・データ・レイヤー（オントロジー層）

現在のCDPを拡張し、全社共通の「ビジネスオブジェクト」を定義する。

• 顧客オブジェクト: 属性、購買、金融、通信の全履歴を統合した単一のエンティティ。

• 商品/サービスオブジェクト: 楽天市場の商品、楽天モバイルのプラン、楽天銀行のローン商品。

• 関係（リンク）: 「どの顧客が、どの商品を、どのタイミングで、どの動機で購入したか」という因果関係を定義。（パランティアのオントロジーは社内に存在する膨大なオブジェクトやデータの経済的に意味がある関連性を、人間には不可能なレベルで意味論的に"発見"し、それを意思決定権者に提示して、適時意思決定を促すことが特徴。これにより従来の組織では不可能だった決定的な意思決定をニア・リアルタイムで行えるようになる。米国政府による対イラン戦争の意思決定がその典型）

② AIオーケストレーション・レイヤー（知能層）

自社開発の「Rakuten AI 3.0」を核とし、パランティアAIPのようにAIが業務フローを理解して動作する環境を構築する。

• マルチエージェント・システム: 金融審査エージェント、物流最適化エージェント、マーケティング生成エージェントが、共通のオントロジーを参照しながら協調動作する。

• セマンティック検索の全社展開: 楽天市場で成功したセマンティック検索技術を、全サービスの検索および内部業務検索に適用し、情報のサイロ化を解消する 。

③ アクション＆ライトバック・レイヤー（実行層）

AIの支援により意思決定権者が下した意思決定を、各事業の基幹システム（楽天市場のRMS、銀行の勘定系、モバイルのOSS/BSS）に自動で書き戻すインターフェース。

• 自動化された与信管理: 楽天モバイルの支払いデータに基づき、AIが楽天銀行ローンの金利を動的に変更し、契約システムを更新する。

• 物流の自律制御: 注文状況に基づき、AIが配送ロボットのルート変更や梱包サイズの最適化を配送システムに直接指示する 。

• ネットワークの自己治癒: 楽天モバイルのRIC（Radio Intelligent Controller）と連携し、AIが基地局の出力をリアルタイムで調整し、電力を削減するとともに通信品質を維持する 。

第4章：AIデータ・フライホイールの回転メカニズム

楽天において組織大AI（エコシステム・オントロジー）が稼働すると、以下の4つのステップでフライホイールが加速し始める。

4.1 楽天モバイル：データポンプとしての役割とLTV向上

楽天モバイルは、単なる通信事業ではなく、フライホイールを回すための「最強のデータ獲得装置（データポンプ）」である 。2025年時点のデータによれば、楽天モバイル契約者は楽天市場での年間平均支出（GMS）が非契約者より48.5%高く、モバイル新規契約者の約50%が楽天市場の利用を開始している 。

このモバイルが生み出す「高頻度の行動データ（位置情報、通信パターン）」が、オントロジーを通じてAIに供給されることで、AIはユーザーのコンテキスト（今、どこで、何を求めているか）をより深く理解できるようになる。

4.2 フィンフラ（フィンテック＋インフラ）の高度化とAI与信

楽天経済圏の収益基盤であるフィンテック（カード、銀行、証券）において、AIデータ・フライホイールは「リスク管理」と「パーソナライズ」の精度を飛躍的に高める。

楽天が運用する「楽天スコア」は、従来の年収や勤続年数といった財務データに加え、楽天市場での買い物傾向や楽天モバイルの支払い実績といった「非財務データ」をAIで統合分析する 。組織大AIの導入により、このスコア更新の頻度はリアルタイム化し、各金融サービスへの「書き戻し」がシームレスに行われるようになる。

例えば、ユーザーが楽天市場で特定の高額商品を購入検討している際、AIがそのユーザーの「楽天証券での資産状況」と「楽天モバイルの継続性」に基づき、その場（楽天市場の決済画面）で分割払いの手数料優遇を提示するといった、金融と非金融が完全に融合した体験が可能になる。これがさらなる購買を呼び込み、データが蓄積され、与信精度がさらに上がるという好循環（フライホイール）を生む。

第5章：競合に対する圧倒的優位性と「駆逐」のシナリオ

楽天でAIデータ・フライホイールが回り始めると、競合他社（通信キャリア系、EC専業、決済プラットフォーム）に対して、以下の3つの側面で決定的な優位性が生じる。

5.1 対 PayPay・ソフトバンク：データの「解像度」と「深度」による差別化

ソフトバンクが展開するPayPay経済圏は「決済」という高頻度な接点を持つが、そのデータの多くは「金額と店舗名」という低解像度なものに留まりがちである 。これに対し、楽天は「何を買ったか（SKUレベルの購買データ）」、「どのような意図で検索したか（セマンティック・クエリ）」、「どのような資産背景があるか（銀行・証券データ）」という圧倒的に「深い」データを持つ 。

楽天の組織大AIがこの深いデータをオントロジーで繋ぎ合わせたとき、PayPayは単なる「支払いの道具」に、楽天は「人生の意思決定をサポートするAIコンシェルジュ」へと進化の差が明確になる。PayPayがポイント還元という「金銭的インセンティブ（外発的動機）」でユーザーを引き止めるのに対し、楽天は「私のことを私以上に知っているAI（内発的動機）」によってユーザーをロックインする。

5.2 対 Amazon：エンパワーメントとAIコンシェルジュの融合

Amazonは強力な物流網と効率性を誇るが、楽天の優位性は「店舗とユーザーのエンパワーメント」にある 。組織大AIは、楽天市場の出店店舗に対して、Amazonには不可能なレベルの高度なマーケティング・インテリジェンスを提供する。

楽天が提供する「Rakuten AI for Business」を通じて、中小の出店店舗は、自社のデータと楽天の膨大な知見を組み合わせた「店舗専用AIエージェント」を持つことができる 。これにより、店舗はAIを活用して商品画像や説明文を自動生成し、顧客からの問い合わせに24時間体制で、かつ店主のような「おもてなし」を持って対応できるようになる 。

Amazonが「中央集権的なアルゴリズムによる選別」を行うのに対し、楽天は「AIによる分散型の多様性の強化」を実現する。この「おもてなしのスケール化」は、特に日本市場において強力な防御壁となる。

5.3 労働集約型組織の解体と限界費用ゼロへの挑戦

富士通がSIer市場で目指している「エンジニアが不要な土俵」へのシフトと同様に、楽天は「人手による運用の限界」をAIで突破する。

従来の巨大プラットフォーム運営には、数万人規模のオペレーションスタッフ（審査、カスタマーサポート、不正検知、ネットワーク保守）が必要であったが、組織大AIの「アクションと書き戻し」が標準化されることで、これらの業務はAIエージェントによる自律実行へと置き換わる。

この「限界費用を極限までゼロに近づける」競争において、組織大AIを持たない競合他社は、売上が増えるほどに人員増を強いられ、利益率の差で楽天に引き離されることとなる。

第6章：ガバナンスと社会的責任：信頼の好循環

データの統合とAIによる自動実行が進むほど、プライバシー保護と倫理的なガバナンスの重要性は増大する。楽天がAIデータ・フライホイールを永続的に回すためには、ユーザーからの「信頼」という潤滑油が不可欠である。

楽天は既に、欧州のGDPRに準拠した拘束的企業準則（BCR）の承認を得るなど、世界最高水準のデータ保護体制を構築している 。望ましい組織大AIにおいては、このガバナンス機能を「AI倫理エンジン」としてシステムに組み込む必要がある。

• 透明性の確保: AIがなぜそのアクション（例：ローンの金利設定）を選んだのかをユーザーに説明できる「説明可能なAI（XAI）」の実装。

• 自己決定権の尊重: ユーザーがプライバシーセンターを通じて、AIによるデータ活用の範囲を詳細にコントロールできる環境の整備 。

信頼に基づいたデータの提供は、AIの精度をさらに高め、その結果としてより良い還元がユーザーに提供されるという「信頼のフライホイール」こそが、楽天エコシステムの最終的な勝利を決定づける。

第7章：結論と将来展望

楽天がAIデータ・フライホイールを回し、真の「AIデータ・インテリジェンス・カンパニー」へと変貌を遂げるためには、現在の「データ集約」という成果に甘んじることなく、パランティア・オントロジーが示すような**「実行と書き戻しを内包した組織大AIアーキテクチャ」**への進化を完遂しなければならない。

現在の社内システムを基盤としつつ、全社的な「エコシステム・オントロジー」を構築し、AIが直接ビジネスアクションを起動する体制を整えることで、楽天は以下の3つの強みを手にする。

1. 経済性の強み: 限界費用をゼロに近づけ、売上が増えるほど利益が複利で増大する構造。

2. 体験の強み: 深い購買・金融データに基づき、ユーザーの意図を先回りするAIコンシェルジュ体験。

3. 参入障壁の強み: 25年分のファクチュアルデータと、それを学習し続ける自社開発LLMによる、後発が追いつけない知能の堀。

このフライホイールが全開で回り始めたとき、楽天を追う競合他社は、単なる機能比較やポイント還元率の競争では太刀打ちできない「次元の異なる競争」に直面することになる。楽天の「AI-nization」は、単なる社内効率化の手段ではなく、日本の、そして世界のデジタル経済のルールを書き換えるための戦略的必然なのである。

引用文献

1. 楽天ポイント経済圏 データ活用戦略.docx
2. 富士通のAI駆動開発のデータフライホイールが回り始めると ..., 3月 13, 2026にアクセス、 https://blogs.itmedia.co.jp/serial/2026/02/ainttnec.html
3. Designing Telecom Businesses for the AI Era | Rakuten Symphony, 3月 13, 2026にアクセス、 https://symphony.rakuten.com/blog/from-connectivity-to-new-revenue-designing-telecom-businesses-for-the-ai-era
4. Rakuten Unveils Japan's Largest High-Performance AI Model, Developed as Part of the GENIAC Project, 3月 13, 2026にアクセス、 https://global.rakuten.com/corp/news/press/2025/1218_01.html
5. 【2025最新】Palantir AIPとオントロジー完全ガイド Snowflake/Databricks連携と国内事例, 3月 13, 2026にアクセス、 https://arpable.com/artificial-intelligence/palantir-aip-ontology-complete-guide-2025/
6. The power of ontology in Palantir Foundry - Cognizant, 3月 13, 2026にアクセス、 https://www.cognizant.com/us/en/the-power-of-ontology-in-palantir-foundry
7. Palantir Ontology, 3月 13, 2026にアクセス、 https://www.palantir.com/platforms/ontology/
8. Platform overview - Palantir, 3月 13, 2026にアクセス、 https://palantir.com/docs/foundry/platform-overview/overview/
9. Overview • Ontology - Palantir, 3月 13, 2026にアクセス、 https://palantir.com/docs/foundry/ontology/overview/
10. Building end-to-end data-driven business solutions with Palantir Foundry and AIP - Proxet, 3月 13, 2026にアクセス、 https://www.proxet.com/blog/building-end-to-end-data-driven-business-solutions-with-palantir-foundry-and-aip
11. Palantir's Secret Weapon Isn't AI -- It's Ontology. Here's Why Engineers Should Care., 3月 13, 2026にアクセス、 https://dev.to/s3atoshi_leading_ai/palantirs-secret-weapon-isnt-ai-its-ontology-heres-why-engineers-should-care-kk8
12. Pathways to Growth - Rakuten, Inc., 3月 13, 2026にアクセス、 https://global.rakuten.com/corp/investors/assets/doc/documents/ar_2023_all.pdf
13. Closed or Open Architectured Ontologies: The Enterprise Race to Make Data AI-Ready | by Tzvi Weitzner | Timbr.ai | Medium, 3月 13, 2026にアクセス、 https://medium.com/timbr-ai/palantir-timbr-the-enterprise-race-to-make-data-ai-ready-4b26a1efe89c
14. Rakuten AI: Our agentic future starts here, 3月 13, 2026にアクセス、 https://rakuten.today/blog/rakuten-ai-our-agentic-future-starts-here.html
15. Rakuten AI | Rakuten Group, Inc., 3月 13, 2026にアクセス、 https://global.rakuten.com/corp/ai/
16. Rakuten Intelligent Operations | AI OSS - Rakuten Symphony, 3月 13, 2026にアクセス、 https://symphony.rakuten.com/oss/intelligent-operations
17. Let the machine convince you: Building trust for autonomous operations - Rakuten Symphony, 3月 13, 2026にアクセス、 https://symphony.rakuten.com/zero-touch-telecom-newsletters-new/let-the-machine-convince-you-building-trust-for-autonomous-operations
18. FinTech growth, mobile momentum headline Rakuten Q1 FY2025 financial results, 3月 13, 2026にアクセス、 https://rakuten.today/blog/fintech-growth-mobile-momentum-headline-rakuten-q1-fy2025-financial-results.html
19. Analyst white paper tackles truth behind Open RAN success - Rakuten Symphony, 3月 13, 2026にアクセス、 https://symphony.rakuten.com/blog/analyst-white-paper-tackles-truth-behind-open-ran-success
20. Fujitsu signs new licensing agreement with Palantir, 3月 13, 2026にアクセス、 https://global.fujitsu/en-global/pr/news/2025/08/19-01-en
21. A flywheel of shopping, mobile, and AI - Rakuten Today, 3月 13, 2026にアクセス、 https://rakuten.today/blog/a-flywheel-of-shopping-mobile-and-ai.html
22. Rakuten Integrates Cutting-Edge Agentic AI Tool "Rakuten AI" into Rakuten Ichiba Mobile App | Rakuten Group, Inc., 3月 13, 2026にアクセス、 https://global.rakuten.com/corp/news/press/2026/0105_02.html
23. Palantir and SOMPO Expand Partnership in Multi-Year Agreement - Business Wire, 3月 13, 2026にアクセス、 https://www.businesswire.com/news/home/20250812905441/en/Palantir-and-SOMPO-Expand-Partnership-in-Multi-Year-Agreement
24. Rakuten launches open-weight LLM, claims beat GPT-4o - Tech in Asia, 3月 13, 2026にアクセス、 https://www.techinasia.com/news/rakuten-launches-open-weight-llm-claims-beat-gpt-4o

Rakuten Announces Full-Scale Launch of Rakuten AI, Unveils ..., 3月 13, 2026にアクセス、 https://global.rakuten.com/corp/news/press/2025/0730_01.html