企業AIプロジェクトが失敗するのは、モデルの能力不足ではなく、組織がどのように意思決定し、交渉し、実行するかをコード化した構造化基盤を欠いているからだ——本論文はそう主張する。一般的な大規模言語モデル（LLM）には企業固有のオントロジー的前提が組み込まれておらず、RAGは脆く、実行可能なアクションへつながらない。静的なプレイブックはロジックを固定化できても推論や適応ができない。そこで、暗黙知の獲得、オントロジーによる接地、主権的展開、監査可能な作動を最初から共同設計するアーキテクチャが必要になる。
Fabricio C. Avini氏とGuilherme Trez氏による22ページのarXiv論文（arXiv:2609.04377）は、こうした課題に応える「コーポレート言語モデル（CLM）」を提案する。CLMは、企業の構造化・非構造化・マルチモーダルデータと従業員の暗黙知を、オントロジーに接地された企業基盤へ変換し、その上に推論とガバナンスのある実行を組み上げる。フレームワークは5つの能力平面と4つのアーキテクチャ柱で構成される。ニューロシンボリックメッシュは生成モデルとナレッジグラフを結合し、スキルグラフは再利用可能なタクティクス、ペルソナ、異議、目標を型付けして合成する。リビングデジタルツインは機能領域を推論サーロゲートとしてモデル化し、ディープセキュリティレイヤーが主権性、トレーサビリティ、人間の監督を保証する。さらに「Spec-as-Code」パラダイムが、接地された意図と実行可能な成果物を橋渡しする。
論文の貢献は4点である。第1にCLMを独立した研究対象として定義したこと。第2に、構成によって説明可能性が得られるスキルグラフの導入。第3に、暗黙知対応の基盤が利用とともに価値を複利的に高める「Wisdom Listener」効果を提唱し、ダイナミック・ケイパビリティや組織学習と接続したこと。第4に、ブラジルのJCI認定三次病院における実証的証拠であり、LGPDの下で6段階中3つの成熟度ステージを実装した。論文は2026年9月3日に提出され、cs.AIカテゴリに属し、arXiv DOIも付与されている。